- 中国の研究者が、既存の知識とデータを組み合わせることで、より正確で情報に基づいた機械学習モデルを構築する画期的なAIフレームワークを開発しました。
- この革新的なアプローチは、既存モデルの限界に対処し、実験の改善や科学的問題の解決が可能となる「真のAI科学者」へとAIモデルを変革することを目指しています。
- チームの短期的な応用としては、方程式の求解や化学実験の結果予測のためのモデル最適化が含まれており、将来的な目標は、人間の干渉なしにAIが自身の知識を特定できるようにすることです。
最近、北京大学と東部工科大学（EIT）の中国の研究者らは、従来のデータのみアプローチとは一線を画し、事前知識を用いて機械学習モデルを訓練するための画期的なフレームワークを公開しました。研究者らは、深層学習モデルが科学研究に与える変革的な影響を強調し、膨大なデータセットから意味のある関係性を抽出する能力に言及しています。このフレームワークは、重力などの物理法則の理解不足により、特定の現実世界の相互作用を正確にシミュレートするのが難しいOpenAIのSoraなど、既存モデルの限界に対処するものです。
科学研究を革命化したことで知られる深層学習モデルは、物理法則や数学的論理などの事前知識を組み込むのではなく、主に広範なデータに依存して訓練されます。しかし、北京大学と東部工科大学の研究者らは、パラダイムシフトを提案しています。チームは、訓練中にデータと事前知識を組み合わせることで、より正確で情報に裏打ちされた機械学習モデルが実現できると示唆しています。
課題は、モデルの崩壊を引き起こすことなく、より良い事前学習を促進するために、機能関係、方程式、論理など、事前知識のどの側面を統合すべきかを決定することにあります。陳雲天教授は、モデルに大量の知識とルールを注入すると、現在の情報駆動型機械学習モデルが struggle したり失敗したりすることが多いと強調しています。
ルール重要度を評価するためのフレームワーク
この課題を克服するため、研究者らは、深層学習モデルの予測能力を高める最適な組み合わせを決定し、ルールの価値を評価するフレームワークを開発しました。北京大学の研究者で筆頭著者の徐浩氏は、このフレームワークが「ルール重要度」を、特定のルールや組み合わせがモデルの予測精度に与える影響を分析することで計算すると説明しています。
このアプローチは、データと知識の影響のバランスを取り、深層学習モデルの効率と推論能力を高めることを目的としています。チームは、人間の知識をAIモデルに埋め込むことで、現実世界への反映度が大幅に向上し、科学および工学分野での適用性がより高まると envision しています。
研究者らは、多変数方程式を解くためのモデルと、化学実験の結果を予測するためのモデルの最適化を通じて、フレームワークをテストしました。陳氏は、短期的には、このフレームワークが物理法則との整合性が重要で、潜在的な悪影響を回避する必要がある科学モデルにおいて、最も有用な応用を見つけるだろうと示唆しています。
有望な結果にもかかわらず、チームは課題を認めています。モデルにデータが追加されるにつれて、一般的なルールは特定の局所的ルールよりも重要になります。しかし、この観察は、一般的なルールがしばしば欠如している生物学や化学のような分野では、大きな利益をもたらすものではありません。
自律型AI科学者へ向けて
将来を見据え、研究チームはフレームワークをさらに一歩進め、人間の介入なしにAIがデータから直接その知識とルールを特定できるようにすることを目指しています。究極の目標は、モデルを真のAI科学者に転換するクローズドループを作成することです。陳氏は、この発展をAIにおける自律性への重要な一歩と見ており、チームはこの移行を促進するためにAI開発者向けのオープンソースプラグインツールの開発に積極的に取り組んでいます。
これをお読みいただいているあなたは、すでに一歩先を行っています。当社のニュースレターでその先を行ってください。
免責事項。 ここに提供される情報は取引助言ではありません。 Cryptopolitan.com 当社は、このページに提供される情報に基づいて行われたいかなる投資に対しても責任を負いません。いかなる投資判断を下す前に、独立した調査および/または資格を有する専門家への相談を強く推奨します。
ブレンド・カナナ
ブレンダ氏は暗号通貨、人工知能、新興技術に特化した4年以上の実績を持ちます。Zycrypto、Blockchain Reporter、The Coin Republicで勤務した後、現在はCryptopolitanで活動しています。モンバサ工科大学での社会学の学位は、読者の動向を常に把握し続ける彼女の基盤となっています。
