「本物のAI科学者」を生み出す寸前の中国の研究者たち

中国の研究者らは、実験を行って科学的問題を解決できる「人工知能（AI）科学者」を育成するための画期的なアプローチをとろうとしている。深層学習モデルの最近の進歩は科学研究に革命をもたらしましたが、現在のモデルは現実世界の物理的相互作用を正確に模倣するのに依然として苦労しています。

しかし、北京大学と中国の東方工科大学（EIT）の研究者チームは、物理法則や数理論理学などの事前知識とデータに基づいて機械学習モデルをトレーニングするための新しいフレームワークを開発した。

South China Morning Post このようなアプローチは、実験を改善し、科学的問題を解決できる「人工知能を備えた本物の科学者」の誕生につながる可能性があると報告しています。深層学習モデルは、大規模なデータセット内の関係を明らかにすることで、科学研究に大きな影響を与えました。こうした進歩にもかかわらず、OpenAI の Sora などの現在のモデルは、現実世界での特定の物理的相互作用を正確にシミュレートするには限界に直面しています。

たとえば、テキストからビデオへのモデルである Sora は、オブジェクトのリアルな表現が改善されたため、広く人気を得ています。ただし、基本的なインタラクション (ホリデー ケーキのキャンドルの炎が動く方向など) を正確にモデル化することはできません。

研究者らは、物理法則や数理論理学などの「事前知識」をデータとともに組み込んで、より正確な機械学習モデルをトレーニングすることを提案しています。

人間の知識を AI モデルに組み込むと、その有効性と予測能力が向上します。この問題を解決するために、チームは事前知識の価値を評価し、それがモデルの精度に与える影響を判断するためのフレームワークを開発しました。彼らのフレームワークは、データ量や評価範囲などの要素を考慮して、派生ルールを使用して知識の価値を評価することを目的としています。研究者は、定量的な実験を実施することで、依存性、相乗効果、代替効果など、データと事前知識との間の複雑な関係を解明しようとしています。

このモデル診断システムはさまざまなネットワーク アーキテクチャに適用でき、深層学習モデルにおける事前知識の役割を包括的に理解できます。

研究者らは、多次元方程式を解き、化学実験の結果を予測するためのモデルでフレームワークをテストしました。彼らは、特に潜在的に壊滅的な結果を回避するために物理法則との一貫性が重要である科学分野において、事前の知識を組み込むことでこれらのモデルのパフォーマンスが大幅に向上することを発見しました。長期的には、チームは人間の介入なしに関連する知識を独立して特定して適用できる AI モデルを開発することを目指しています。

しかし、モデル内のデータ量が増加するにつれて、特に一般規則が欠けている可能性がある生物学や化学などの分野では、特定のローカル規則に対する一般規則の優位性などの問題が発生する可能性があることを彼らは認めています。

また読む：

•  コッケリル iX 装甲車両には、ドローンに対する効果的な戦闘のための AI が搭載されています
• AMD XDNAとは何ですか? Ryzenプロセッサ上のAIを強化するアーキテクチャ