Tiede tarvitsee tekoälyltä päättelyä, ei pelkkää dataa
Google DeepMind
Tekoälyagentit, jotka mallintavat ihmisen tutkimusprosessia, nopeuttavat tieteellisiä löytöjä toisin kuin dataa ahmivat mallit, kuten AlphaFold. Nämä agentit voivat päättelyllään käsitellä epävarmuutta, automatisoida kirjaamista ja nopeuttaa kokeellista työtä, mikä tarjoaa tien eteenpäin aloille, joilla ei ole valtavia tietoaineistoja.
Google DeepMindin kehittämä AlphaFold ratkaisi proteiinien rakenteen ennustamisen puolen vuosisadan työn jälkeen, mutta sen menestyksen mahdollistaneet edellytykset—massiivinen Protein Data Bank ja luotettava kokeellinen data—ovat harvinaisia ja kalliita toistaa useimmilla aloilla. Sen sijaan tekoälyagentit, jotka perustuvat suuriin kielimalleihin, ovat nousemassa yleisemmäksi työkaluksi tieteelle. Agentit, kuten Googlen AI Co-Scientist, voivat päätellä, suunnitella ja testata hypoteeseja; yksi tällainen agentti esitti oikean hypoteesin antibioottiresistenssin leviämisestä, johtopäätöksen, jonka saavuttamiseen Imperial Collegen tutkijoilta kului vuosikymmen. Nämä agentit voivat kirjata jokaisen toimintonsa, mikä vastaa toistettavuuskriisiin, säilyttää organisaation tietämyksen ja nopeuttaa huomattavasti tutkimusta vähentämällä kokeilun kustannuksia. Vaikka haasteita, kuten hallusinaatiot ja muistirajoitukset, on edelleen, agentit edustavat perustavanlaatuista muutosta, joka on verrattavissa differentiaalilaskentaan tai tietokoneeseen, ja ne muuttavat tiedettä kaikilla aloilla.
Lähde: MIT Technology Review —
Alkuperäinen
