Çinli tədqiqatçılar "əsl süni intellekt alimləri" yaratmaq ərəfəsindədirlər

Çinli tədqiqatçılar eksperimentlər aparmağa və elmi problemləri həll etməyə qadir olan "süni intellekt (AI) alimləri"nin yaradılmasına yeni yanaşma ərəfəsindədirlər. Dərin öyrənmə modellərindəki son irəliləyişlər elmi tədqiqatlarda inqilab etdi, lakin indiki modellər hələ də real dünyadakı fiziki qarşılıqlı əlaqəni dəqiq şəkildə təqlid etmək üçün mübarizə aparır.

Bununla belə, Pekin Universiteti və Çinin Şərq Texnologiyaları İnstitutundan (EIT) tədqiqatçılar qrupu məlumatlarla yanaşı, fizika qanunları və ya riyazi məntiq kimi əvvəlki biliklərə əsaslanan maşın öyrənməsi modellərinin hazırlanması üçün yeni çərçivə hazırlayıb.

Cənubi Çin Morning Post xəbər verir ki, belə bir yanaşma eksperimentləri təkmilləşdirə və elmi problemləri həll edə bilən “süni intellektə malik həqiqi alimlərin” yaradılmasına gətirib çıxara bilər. Dərin öyrənmə modelləri böyük məlumat dəstlərində əlaqələri aşkar etməklə elmi tədqiqatlara əhəmiyyətli dərəcədə təsir göstərmişdir. Bu irəliləyişlərə baxmayaraq, OpenAI-nin Sora kimi hazırkı modelləri real dünyada müəyyən fiziki qarşılıqlı əlaqənin dəqiq simulyasiyasında məhdudiyyətlərlə üzləşir.

Məsələn, mətndən videoya model olan Sora, obyektlərin təkmilləşdirilmiş, real təsviri sayəsində geniş populyarlıq qazanmışdır. Bununla belə, o, əsas qarşılıqlı əlaqələri, məsələn, bayram tortunda şamların alovunun hərəkət etdiyi istiqaməti dəqiq şəkildə modelləşdirə bilməz.

Tədqiqatçılar daha dəqiq maşın öyrənmə modellərini öyrətmək üçün fizika qanunları və ya riyazi məntiq kimi “əvvəlki bilikləri” daxil etməyi təklif edirlər.

İnsan biliklərinin AI modellərinə daxil edilməsi onların effektivliyini və proqnozlaşdırma qabiliyyətini artıra bilər. Bu problemi həll etmək üçün komanda əvvəlki biliklərin dəyərini qiymətləndirmək və onun modelin düzgünlüyünə təsirini müəyyən etmək üçün çərçivə hazırlayıb. Onların çərçivəsi verilənlərin həcmi və qiymətləndirmə diapazonu kimi amilləri nəzərə alaraq, əldə edilmiş qaydalardan istifadə edərək biliyin dəyərini qiymətləndirməyi hədəfləyir. Kəmiyyət eksperimentləri aparmaqla, tədqiqatçılar asılılıq, sinerji və əvəzetmə effektləri daxil olmaqla, məlumat və əvvəlki biliklər arasındakı mürəkkəb əlaqəni aydınlaşdırmağa çalışırlar.

Bu model-diaqnostika sistemi müxtəlif şəbəkə arxitekturalarına tətbiq oluna bilər, dərin öyrənmə modellərində əvvəlki biliklərin rolunun hərtərəfli başa düşülməsini təmin edir.

Tədqiqatçılar öz çərçivələrini çoxölçülü tənliklərin həlli və kimyəvi təcrübələrin nəticələrinin proqnozlaşdırılması üçün modellər üzərində sınaqdan keçiriblər. Onlar aşkar ediblər ki, əvvəlki biliklərin birləşdirilməsi bu modellərin performansını, xüsusən də fiziki qanunlara uyğunluğun potensial fəlakətli nəticələrin qarşısını almaq üçün vacib olduğu elmi sahələrdə işini xeyli yaxşılaşdırıb. Uzunmüddətli perspektivdə komanda insan müdaxiləsi olmadan müvafiq bilikləri müstəqil müəyyən edə və tətbiq edə bilən AI modellərini inkişaf etdirməyi hədəfləyir.

Bununla belə, onlar etiraf edirlər ki, modeldəki məlumatların miqdarı artdıqca, ümumi qaydaların xüsusi yerli qaydalar üzərində üstünlüyü kimi problemlər yarana bilər, xüsusən də ümumi qaydaların çatışmadığı biologiya və kimya kimi sahələrdə.

Həmçinin oxuyun:

•  Cockerill iX zirehli maşını dronlara qarşı effektiv mübarizə üçün süni intellekt aldı
• AMD XDNA nədir? Ryzen prosessorlarında AI-ni gücləndirən arxitektura