中国研究人员即将打造“真正的人工智能科学家”

中国研究人员即将采取突破性方法来培养能够进行实验和解决科学问题的“人工智能（AI）科学家”。深度学习模型的最新进展彻底改变了科学研究，但当前的模型仍然难以准确模拟现实世界的物理交互。

然而，来自北京大学和中国东方理工学院 (EIT) 的研究团队开发了一种新框架，用于基于物理定律或数理逻辑等先验知识以及数据来训练机器学习模型。

南华早报 报道称，这种方法可能会创造出“真正的人工智能科学家”，他们可以改进实验并解决科学问题。深度学习模型通过揭示大数据集中的关系对科学研究产生了重大影响。尽管取得了这些进步，但 OpenAI 的 Sora 等当前模型在准确模拟现实世界中的某些物理交互方面仍面临局限性。

例如，Sora，一种文本转视频模型，由于其改进的、真实的对象表示而获得了广泛的流行。然而，它无法准确地模拟基本交互，例如节日蛋糕上蜡烛火焰移动的方向。

研究人员建议将物理定律或数理逻辑等“先验知识”与数据结合起来，以训练更准确的机器学习模型。

将人类知识嵌入人工智能模型可以提高其有效性和预测能力。为了解决这个问题，团队开发了一个框架来评估先验知识的价值并确定其对模型准确性的影响。他们的框架旨在使用派生规则来评估知识的价值，同时考虑数据量和评估范围等因素。通过进行定量实验，研究人员试图阐明数据与先验知识之间的复杂关系，包括依赖性、协同效应和替代效应。

该模型诊断系统可以应用于各种网络架构，提供对先验知识在深度学习模型中的作用的全面理解。

研究人员在求解多维方程和预测化学实验结果的模型上测试了他们的框架。他们发现，结合先验知识极大地提高了这些模型的性能，特别是在科学领域，与物理定律的一致性对于避免潜在的灾难性结果至关重要。从长远来看，该团队的目标是开发能够在无需人工干预的情况下独立识别和应用相关知识的人工智能模型。

然而，他们承认，随着模型中数据量的增加，可能会出现一般规则优于特定局部规则等问题，特别是在生物和化学等领域，这些领域可能缺乏一般规则。

另请阅读：

•  Cockerill iX 装甲车配备人工智能，可有效对抗无人机
• 什么是 AMD XDNA？在 Ryzen 处理器上为 AI 提供支持的架构