Кытай изилдөөчүлөрү "чыныгы AI окумуштууларын" түзүү алдында

Кытайлык изилдөөчүлөр эксперименттерди жүргүзүүгө жана илимий маселелерди чечүүгө жөндөмдүү "жасалма интеллект (AI) илимпоздорун" иштеп чыгууга жаңыча мамиле жасоонун алдында турушат. Терең үйрөнүү моделдериндеги акыркы жетишкендиктер илимий изилдөөлөрдү өзгөрттү, бирок азыркы моделдер дагы эле чыныгы дүйнөдөгү физикалык өз ара аракеттенүүнү так туурай албай жатышат.

Бирок Пекин университетинин жана Кытайдагы Чыгыш технология институтунун (EIT) изилдөөчүлөр тобу маалыматтар менен катар физика мыйзамдары же математикалык логика сыяктуу алдын ала билимдерге негизделген машина үйрөнүү моделдерин окутуу үчүн жаңы негизди иштеп чыгышты.

Кытайдын Post мындай мамиле эксперименттерди өркүндөтүп, илимий маселелерди чече ала турган «жасалма интеллекти бар чыныгы илимпоздорду» түзүүгө алып келиши мүмкүн деп кабарлайт. Терең окутуу моделдери чоң маалымат топтомдорундагы мамилелерди ачып, илимий изилдөөлөргө олуттуу таасирин тийгизди. Бул жетишкендиктерге карабастан, OpenAI's Sora сыяктуу учурдагы моделдер реалдуу дүйнөдөгү айрым физикалык өз ара аракеттенүүнү так симуляциялоодо чектөөлөргө туш болушат.

Мисалы, Sora, текстти видеого өткөрүү модели объекттердин жакшыртылган, реалдуу чагылдырылышынын аркасында кеңири популярдуулукка ээ болду. Бирок, ал негизги өз ара аракеттенүүнү, мисалы, майрамдык торттогу шамдардын жалыны кыймылдаган багытты так моделдей албайт.

Окумуштуулар физика мыйзамдары же математикалык логика сыяктуу “алдынкы билимдерди” жана машинаны үйрөнүүнүн так моделдерин үйрөтүү үчүн маалыматтарды киргизүүнү сунушташат.

Адамдын билимин AI моделдерине киргизүү алардын натыйжалуулугун жана алдын ала айтуу жөндөмдүүлүгүн жогорулатат. Бул көйгөйдү чечүү үчүн, команда мурунку билимдин баалуулугун баалоо жана анын моделдин тактыгына тийгизген таасирин аныктоо үчүн негизди иштеп чыкты. Алардын негизи маалыматтардын көлөмү жана баалоо диапазону сыяктуу факторлорду эске алуу менен алынган эрежелерди колдонуу менен билимдин баасын баалоого багытталган. Сандык эксперименттерди жүргүзүү менен, изилдөөчүлөр көз карандылыкты, синергетиканы жана алмаштыруу эффекттерин камтыган маалыматтар менен мурунку билимдердин ортосундагы татаал байланышты түшүндүрүүгө аракет кылышат.

Бул модель-диагностикалык система ар кандай тармак архитектурасына колдонулушу мүмкүн, бул терең үйрөнүү моделдеринде алдын ала алынган билимдердин ролун ар тараптуу түшүнүүнү камсыз кылат.

Изилдөөчүлөр көп өлчөмдүү теңдемелерди чечүү жана химиялык эксперименттердин жыйынтыктарын болжолдоо үчүн моделдер боюнча өз алкактарын сынап көрүштү. Алар алдын ала билимди киргизүү бул моделдердин иштешин, өзгөчө физикалык мыйзамдарга ырааттуулугу мүмкүн болгон катастрофалык натыйжаларды болтурбоо үчүн маанилүү болгон илимий тармактарда кыйла жакшыргандыгын аныкташкан. Узак мөөнөттүү келечекте команда адамдын кийлигишүүсүз тиешелүү билимди өз алдынча аныктап, колдоно ала турган AI моделдерин иштеп чыгууну көздөйт.

Бирок алар моделдеги маалыматтардын көлөмү көбөйгөн сайын, жалпы эрежелердин жетишсиз болушу мүмкүн болгон биология жана химия сыяктуу тармактарда өзгөчө жергиликтүү эрежелердин үстүнөн жалпы эрежелердин үстөмдүгү сыяктуу көйгөйлөр пайда болушу мүмкүн экенин моюнга алышат.

Ошондой эле окуңуз:

•  Cockerill iX брондолгон унаасы дрондор менен эффективдүү күрөшүү үчүн AI алды
• AMD XDNA деген эмне? Ryzen процессорлорунда AIди иштеткен архитектура