중국 연구진, '진짜 AI 과학자' 탄생 목전

중국 연구자들이 실험을 수행하고 과학적 문제를 해결할 수 있는 '인공지능(AI) 과학자'를 양성하기 위한 획기적인 접근 방식을 눈앞에 두고 있다. 최근 딥 러닝 모델의 발전으로 과학 연구에 혁명이 일어났지만, 현재 모델은 여전히 ​​실제 물리적 상호 작용을 정확하게 모방하는 데 어려움을 겪고 있습니다.

그러나 북경대학교와 중국 동양기술연구소(EIT)의 연구진은 데이터와 함께 물리 법칙이나 수학적 논리와 같은 사전 지식을 기반으로 기계 학습 모델을 훈련하기 위한 새로운 프레임워크를 개발했습니다.

South China Morning Post 이러한 접근 방식을 통해 실험을 개선하고 과학적 문제를 해결할 수 있는 "인공 지능을 갖춘 실제 과학자"가 탄생할 수 있다고 보고합니다. 딥 러닝 모델은 대규모 데이터 세트의 관계를 밝혀 과학 연구에 큰 영향을 미쳤습니다. 이러한 발전에도 불구하고 OpenAI의 Sora와 같은 현재 모델은 현실 세계에서 특정 물리적 상호 작용을 정확하게 시뮬레이션하는 데 한계에 직면해 있습니다.

예를 들어, 텍스트-비디오 모델인 Sora는 객체에 대한 개선되고 사실적인 표현으로 인해 폭넓은 인기를 얻었습니다. 그러나 휴일 케이크의 촛불 불꽃이 움직이는 방향과 같은 기본적인 상호 작용을 정확하게 모델링할 수는 없습니다.

연구원들은 보다 정확한 기계 학습 모델을 훈련하기 위해 데이터와 함께 물리 법칙이나 수학적 논리와 같은 "사전 지식"을 통합할 것을 제안합니다.

인간의 지식을 AI 모델에 내장하면 효율성과 예측 능력을 높일 수 있습니다. 이 문제를 해결하기 위해 팀은 사전 지식의 가치를 평가하고 그것이 모델 정확도에 미치는 영향을 결정하기 위한 프레임워크를 개발했습니다. 그들의 프레임워크는 데이터 양 및 평가 범위와 같은 요소를 고려하여 파생된 규칙을 사용하여 지식의 가치를 평가하는 것을 목표로 합니다. 연구자들은 정량적 실험을 수행함으로써 의존성, 시너지, 대체 효과 등 데이터와 사전 지식 사이의 복잡한 관계를 밝히려고 합니다.

이 모델 진단 시스템은 다양한 네트워크 아키텍처에 적용할 수 있어 딥 러닝 모델에서 사전 지식의 역할에 대한 포괄적인 이해를 제공합니다.

연구진은 다차원 방정식을 풀고 화학 실험 결과를 예측하기 위한 모델에서 프레임워크를 테스트했습니다. 그들은 사전 지식을 통합하면 이러한 모델의 성능이 크게 향상된다는 사실을 발견했습니다. 특히 잠재적으로 치명적인 결과를 방지하기 위해 물리적 법칙과의 일관성이 중요한 과학 분야에서 더욱 그렇습니다. 장기적으로는 사람의 개입 없이 관련 지식을 독립적으로 식별하고 적용할 수 있는 AI 모델 개발을 목표로 하고 있다.

그러나 그들은 모델의 데이터 양이 증가함에 따라 특정 지역 규칙에 대한 일반 규칙의 지배와 같은 문제가 발생할 수 있으며, 특히 일반 규칙이 부족할 수 있는 생물학 및 화학과 같은 분야에서 발생할 수 있음을 인정합니다.

또한 읽기:

•  Cockerill iX 장갑차는 드론과의 효과적인 전투를 위해 AI를 받았습니다.
• AMD XDNA란 무엇입니까? Ryzen 프로세서에서 AI를 강화하는 아키텍처