中国研究人员在创造“真正的AI科学家”方面取得突破

近日，北京大学和东方技术研究院（EIT）的中国研究人员发布了一项突破性框架，旨在利用先验知识训练机器学习模型，这与传统的仅依赖数据的方法截然不同。研究人员强调了深度学习模型对科学研究的变革性影响，并着重指出它们能够从海量数据集中trac有意义的关联。该框架旨在解决现有模型的局限性，例如OpenAI的Sora模型由于缺乏对重力等物理定律的理解，难以准确模拟某些现实世界的交互。.

深度学习模型因其对科学研究的革新而闻名，但它们主要依赖于海量数据进行训练，而非融入物理定律或matic逻辑等先验知识。然而，北京大学和东方理工大学的研究人员提出了一种范式转变。该团队认为，在训练过程中将数据与先验知识相结合，可以构建出更准确、更智能的机器学习模型。.

挑战在于如何确定哪些先验知识（包括函数关系、方程式和逻辑）应该被整合，以促进更好的预学习，同时避免模型崩溃。陈云田教授强调，在现有信息丰富的机器学习模型中，向模型灌输大量知识和规则往往会导致模型运行困难甚至失败。.

评估规则重要性的框架

为了克服这一挑战，研究人员开发了一个框架，用于评估规则的价值并确定能够增强深度学习模型预测能力的最佳规则组合。论文第一作者、北京大学研究员徐昊解释说，他们的框架通过分析特定规则或组合如何影响模型的预测准确性来计算“规则重要性”。.

这种方法旨在平衡数据和知识的影响，从而提升深度学习模型的效率和推理能力。研究团队设想，将人类知识嵌入人工智能模型可以显著提高其对现实世界的反映能力，使其更适用于科学和工程领域。.

研究人员通过优化一个用于求解多元方程的模型和一个用于预测化学实验结果的模型来测试他们的框架。陈认为，短期内，该框架将在科学模型中找到最有用的应用，因为在这些模型中，与物理规律的一致性至关重要，以避免潜在的不良后果。.

尽管结果令人鼓舞，但研究团队也承认存在挑战。随着模型中数据量的增加，通用规则的重要性会超过具体的局部规则。然而，这一观察结果在生物学和化学等领域并不适用，因为这些领域往往缺乏通用规则。.

迈向自主人工智能科学家

展望未来，研究团队的目标是进一步完善其框架，使人工智能无需人工dent即可直接从数据中识别知识和规则。最终目标是创建一个闭环，将模型转变为真正的人工智能科学家。陈认为，这一进展是人工智能迈向自主化的重要一步，团队正在积极开发一款面向人工智能开发者的开源插件工具，以促进这一转变。.