CCC תמכה בשלושה מפגשים מדעיים בכנס השנתי של AAAS השנה, ובמקרה שלא הצלחת להשתתף באופן אישי, נסכם כל מפגש. השבוע נסכם את עיקרי המפגש, "AI גנרטיבי במדע: הבטחות ומלכודות." בחלק הראשון נסכם את המבוא והמצגת של ד"ר רבקה ווילט.
פאנל ה-AAAS הראשון של CCC במפגש השנתי של 2024 התקיים ביום שישי, 16 בפברואר, היום השני של הכנס. הפאנל, בהנחייתו של CCC עצמו ד"ר מתיו טורק, נשיא המכון הטכנולוגי של טויוטה בשיקגו, היה מורכב ממומחים המיישמים בינה מלאכותית במגוון תחומים מדעיים. ד"ר רבקה ווילט, פרופסור לסטטיסטיקה ומדעי המחשב באוניברסיטת שיקגו, מיקדה את המצגת שלה כיצד ניתן להשתמש במודלים גנרטיביים במדעים ומדוע מודלים מהמדף אינם מספיקים ליישום במחקר מדעי. ד"ר מרקוס בוהלר, פרופסור להנדסה במכון הטכנולוגי של מסצ'וסטס, דיבר על מודלים גנרטיביים כפי שיושמו על מדעי החומרים, ו ד"ר דאנקן ווטסון-פאריס, עוזר פרופסור ב-Scripps Institution of Oceanography ובמכון Halıcıoğlu Data Science באוניברסיטת קליפורניה סן דייגו, דנו כיצד ניתן להשתמש במודלים גנרטיביים בחקר מדעי האקלים.
ד"ר טורק, מומחה בראייה ממוחשבת ואינטראקציה בין אדם למחשב, החל את הפאנל בהבחנה של AI Generative מכל AI. "בליבה של יישומי AI גנרטיביים הם מודלים גנרטיביים המורכבים מרשתות עצביות עמוקות שלומדות את המבנה של נתוני האימון הנרחבים שלהן ואז מייצרות נתונים חדשים על סמך מה שהם למדו."
ד"ר טורק גם תיאר חששות פופולריים לגבי מערכות יצירתיות, הן בשל כשלים של המערכות עצמן, כגון אלה שמצטטות תקצירים משפטיים שאינם קיימים, והן בשל השימוש בהם על ידי שחקנים גרועים ליצירת תוכן מזויף, כגון זה של אודיו מזויף או סרטון של פוליטיקאים או מפורסמים.
"באופן ספציפי", אמר ד"ר טורק, "המפגש הזה יתמקד בשימוש בבינה מלאכותית מחוללת במדע, הן ככוח טרנספורמטיבי במרדף אחר המדע והן כסיכון פוטנציאלי להפרעה".
ד"ר רבקה ווילט החלה את המצגת שלה בהתאר כיצד ניתן למנף בינה מלאכותית גנרטיבית כדי לתמוך בתהליך הגילוי המדעי. תחילה היא התמקדה כיצד פועלים מודלים גנרטיביים. התמונה למטה מתוך השקופיות של ד"ר ווילט מציגה כיצד מודל שפה, כגון ChatGPT, מעריך את ההסתברות להתרחשות של מילה, בהינתן קבוצה קודמת של מילים, וכיצד מודל יצירת תמונה, כגון DALL-E 2, יוצר תמונה מהנחיה נתונה באמצעות התפלגויות הסתברות שנלמדו ממיליארדי תמונות במהלך האימון.
"באמצעות עיקרון זה של התפלגויות הסתברות, העומד בבסיס כל המודלים הגנרטיביים, ניתן ליישם את המודלים הללו על רעיונות צילום ירח במדעים, כגון יצירת תרחישי אקלים אפשריים בהתחשב באקלים הנוכחי ובמדיניות הפוטנציאלית, או יצירת מיקרוביומים חדשים עם פונקציונליות ממוקדת, כגון כזה שיעיל במיוחד בפירוק פלסטיק", אומר ד"ר וילט.
עם זאת, אין זה מספיק להשתמש בכלים יצירתיים מהמדף, כגון ChatGPT או DALL-E 2 למחקר מדעי. כלים אלה נוצרו בסביבה שונה מאוד מההקשר שבו פועלים מדענים. הבדל ברור אחד בין מודל יצירתי מהמדף למודל מדעי הוא הנתונים. במדע, לעתים קרובות יש מעט מאוד נתונים שעליהם ניתן לבסס השערות. נתונים מדעיים מגיעים בדרך כלל מסימולציות וניסויים, שניהם לרוב יקרים וגוזלים זמן. בגלל מגבלות אלו, מדענים צריכים לבחור בקפידה אילו ניסויים להפעיל וכיצד למקסם את היעילות והתועלת של מערכות אלו. מודלים מהמדף, לעומת זאת, מייחסים הרבה פחות חשיבות למקום ממנו מגיעים הנתונים, בהעדפה למקסום כמות הנתונים שהם יכולים לפעול לפיהם. במדע, הדיוק של מערכי הנתונים והמקורות שלהם חשובים להפליא, מכיוון שמדענים צריכים להצדיק את המחקר שלהם עם ראיות אמפיריות חזקות.
"בנוסף, במדעים, המטרות שלנו שונות מסתם לייצר דברים סבירים", אומר ד"ר ווילט. "עלינו להבין את הדרך שבה דברים עובדים מחוץ לטווח של מה שצפינו עד כה." גישה זו עומדת בסתירה למודלים של בינה מלאכותית המתייחסת לנתונים כמייצגים את כל מגוון התצפיות הסבירות. שילוב מודלים ומגבלות פיזיים ב-AI גנרטיבי עוזר להבטיח שהוא ייצג טוב יותר תופעות פיזיות.
מודלים מדעיים חייבים גם להיות מסוגלים ללכוד אירועים נדירים. "אנחנו יכולים להתעלם בבטחה מהרבה אירועים נדירים כשאנחנו מתאמנים ב-ChatGPT, אבל לעומת זאת, אירועים נדירים הם לרוב מה שהכי חשוב לנו בהקשר של המדעים, כמו למשל במודל אקלים שמנבא אירועי מזג אוויר נדירים. אם נשתמש במודל מחולל שנמנע מאירועים נדירים ולדוגמה, לעולם לא חוזה הוריקן, אז המודל הזה לא יהיה שימושי במיוחד בפועל".
אתגר קשור הוא פיתוח מודלים של AI גנרטיביים לתהליכים כאוטיים, הרגישים לתנאים ראשוניים. ד"ר ווילט הציג את הסרטון למטה, המציג שני חלקיקים נעים בחלל לפי משוואות לורנץ 63. המשוואות הללו דטרמיניסטיות, לא אקראיות, אבל בהינתן שני מיקומי התחלה שונים במקצת, אתה יכול לראות שבכל זמן נתון שני החלקיקים עשויים להיות במקומות שונים מאוד. פיתוח מודלים גנרטיביים של AI המנבאים את המהלך המדויק של תהליכים כאלה, המתעוררים במדעי האקלים, מערבולות ודינמיקה ברשת, הוא קשה ביסודו, אבל גישות חדשניות למידול גנרטיבי יכולות להבטיח שתהליכים שנוצרים חולקים מאפיינים סטטיסטיים מרכזיים עם נתונים מדעיים אמיתיים.
[תוכן מוטבע]
לבסוף, ד"ר ווילט התייחס לעובדה שנתונים מדעיים משתרעים על פני טווח עצום של קנה מידה מרחבי וזמני. לדוגמה, במדעי החומרים, חוקרים לומדים חומרים בקנה מידה ננומטרי עבור מונימרים עד למערכת בקנה מידה גדול, כמו מטוס שלם. "טווח קנה המידה הזה שונה מאוד מהנתונים המשמשים במודלים מהמדף, ועלינו לשקול כיצד אנו בונים את המודלים הגנרטיביים הללו באופן שמשפיע במדויק על האינטראקציות הללו בין סולמות".
"מודלים גנרטיביים הם העתיד של המדע", אומר ד"ר ווילט, "אבל כדי להבטיח שהם ינוצלו בצורה יעילה, אנחנו צריכים לעשות התקדמות בסיסית ב-AI ולעבור מעבר לחיבור נתונים ל-ChatGPT".
תודה רבה שקראתם, ובבקשה הצטרפו מחר כדי לקרוא את תקציר המצגת של ד"ר מרקוס בוהלר על AI Generative in Mechanobiology.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
- PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
- PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
- PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
- מקור: https://feeds.feedblitz.com/~/873922907/0/cccblog~CCC-AAAS-Generative-AI-in-Science-Promises-and-Pitfalls-Recap-Part-One/
- :הוא
- :לֹא
- :איפה
- $ למעלה
- 16th
- 2024
- a
- יכול
- אודות
- פי
- דיוק
- במדויק
- שחקנים
- ממוען
- התקדמות
- AI
- דגמי AI
- תעשיות
- גם
- am
- כמות
- an
- ו
- שנתי
- כל
- יישומים
- יישומית
- החל
- גישה
- גישות
- ARE
- לְהִתְעוֹרֵר
- מלאכותי
- בינה מלאכותית
- AS
- At
- השתתף
- אודיו
- נמנע
- רע
- בסיס
- מבוסס
- BE
- כי
- החל
- להלן
- מוטב
- בֵּין
- מעבר
- מיליארדים
- בלוג
- שניהם
- שבירה
- בִּניָן
- אבל
- by
- CAN
- מסוגל
- לכידה
- אשר
- בזהירות
- מקרה
- ccc
- בלוג CCC
- ידוענים
- לאתגר
- מאפיינים
- ChatGPT
- שיקגו
- בחרו
- אַקלִים
- מגיע
- מורכב
- המחשב
- מדעי מחשב
- ראייה ממוחשבת
- דאגות
- תנאים
- כנס
- לשקול
- אילוצים
- תוכן
- הקשר
- לעומת זאת
- ליבה
- קורס
- נוצר
- נוֹכְחִי
- של דאל
- נתונים
- מדע נתונים
- מערכי נתונים
- יְוֹם
- עמוק
- מתפתח
- הבדל
- אחר
- תגלית
- נָדוֹן
- מוצג
- מציג
- התפוררות
- הפצות
- מטה
- dr
- ראוי
- דאנקן
- בְּמַהֲלָך
- דינמיקה
- כל אחד
- יעילות
- יְעִילוּת
- מוטבע
- הנדסה
- עֲנָקִי
- לְהַבטִיחַ
- שלם
- משוואות
- אירועים
- עדות
- מְדוּיָק
- דוגמה
- יקר
- ניסויים
- מומחה
- מומחים
- עובדה
- כישלונות
- מְזוּיָף
- רחוק
- פבואר
- שדות
- ראשון
- להתמקד
- מרוכז
- בעד
- להכריח
- יום שישי
- החל מ-
- מלא
- פונקציונלי
- יסודי
- ביסודו
- עתיד
- ליצור
- נוצר
- מייצר
- יצירת
- דור
- גנרטטיבית
- AI Generative
- נתן
- Go
- שערים
- קשה
- יש
- עוזר
- לה
- גָבוֹהַ
- פסים
- איך
- איך
- HTTPS
- הוריקן
- רעיונות
- if
- להתעלם
- תמונה
- תמונות
- חשיבות
- חשוב
- in
- שילוב
- בצורה מדהימה
- בתחילה
- מכון
- מוסד
- מוֹדִיעִין
- אינטראקציה
- יחסי גומלין
- אל תוך
- מבוא
- IT
- מפתח
- שפה
- בקנה מידה גדול
- לִלמוֹד
- למד
- משפטי
- פחות
- ממונפות
- סביר
- מגבלות
- קְצָת
- מקומות
- מגרש
- לעשות
- מסצ'וסטס
- המכון הטכנולוגי של מסצ'וסטס
- חומרים
- מתיו
- max-width
- לְהַגדִיל
- מקסום
- מאי..
- מפגש
- רק
- MIT
- מודל
- דוגמנות
- מודלים
- ירח
- רוב
- נע
- הרבה
- צריך
- צורך
- רשת
- רשתות
- עצבי
- רשתות עצביות
- לעולם לא
- חדש
- לא קיים
- רומן
- ברור
- מתרחש
- קטטה
- of
- לעתים קרובות
- on
- ONE
- להפעיל
- or
- מקורותיה
- שלנו
- הַחוּצָה
- המתואר
- outlining
- בחוץ
- שֶׁלוֹ
- לוח
- חלק
- במיוחד
- אדם
- גופני
- מקום
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- שחקן
- אנא
- מדיניות
- פוליטיקאים
- פופולרי
- אפשרי
- פוטנציאל
- תרגול
- לחזות
- תחזית
- הצגה
- נשיא
- קודם
- עקרון
- תהליך
- תהליכים
- הפקת
- פרופסור
- מבטיח
- מרדף
- לצטט
- אקראי
- רכס
- נדיר
- חומר עיוני
- קריאה
- ממשי
- לסכם
- קָשׁוּר
- לייצג
- נציג
- מחקר
- חוקרים
- הסיכון
- חָסוֹן
- הפעלה
- בבטחה
- אמר
- סן
- אומר
- סולם
- מאזניים
- תרחישים
- מדע
- מדעים
- מדעי
- מדענים
- שְׁנִיָה
- לִרְאוֹת
- רגיש
- מושב
- הפעלות
- סט
- הצבה
- שיתוף
- היא
- הופעות
- סימולציות
- שקופיות
- מעט שונה
- So
- עד כה
- מֶרחָב
- משתרע
- מרחבית
- החל
- סטטיסטי
- סטטיסטיקה
- מִבְנֶה
- לימוד
- לומד
- כזה
- מספיק
- לסכם
- תמיכה
- נתמך
- מערכת
- מערכות
- ממוקד
- טכנולוגי
- טכנולוגיה
- מֵאֲשֶׁר
- זֶה
- השמיים
- העתיד
- שֶׁלָהֶם
- עצמם
- אז
- שם.
- אלה
- הֵם
- דברים
- זֶה
- השבוע
- אלה
- שְׁלוֹשָׁה
- זמן
- דורש זמן רב
- ל
- מחר
- לקח
- כלים
- טויוטה
- הדרכה
- טרנספורמטיבית
- טיפול
- מנגינה
- מְעַרבּוֹלֶת
- שתיים
- בדרך כלל
- להבין
- אוניברסיטה
- אוניברסיטת שיקגו
- להשתמש
- מְשׁוּמָשׁ
- מועיל
- באמצעות
- מגוון
- מאוד
- וִידֵאוֹ
- חזון
- היה
- דֶרֶך..
- we
- מזג אוויר
- שבוע
- היו
- מה
- מתי
- אשר
- מי
- למה
- יצטרך
- עם
- Word
- מילים
- תיק עבודות
- אתה
- YouTube
- זפירנט