CCC поддержала три научных сессии на ежегодной конференции AAAS в этом году. На этой неделе мы подведем итоги сессии»,Генеративный ИИ в науке: обещания и подводные камни.Эта панель, модератором которой является Доктор Мэтью Терк, президент Технологического института Toyota в Чикаго), представленный Доктор Ребекка Уиллетт, профессор статистики и информатики Чикагского университета, Доктор Маркус Бюлер, профессор инженерных наук Массачусетского технологического института и Доктор Дункан Уотсон-Пэррис, доцент Океанографического института Скриппса и Института обработки данных Халыджиоглу в Калифорнийском университете в Сан-Диего. В четвертой части мы подводим итог части вопросов и ответов.
После выступлений участников дискуссии последовала сессия вопросов и ответов, и дискуссию открыл д-р Мэтью Тёрк. «Обещания и подводные камни» вынесены в заголовок этой дискуссии. Мы обсудили многие обещания, но не рассмотрели многие подводные камни. Что вас беспокоит в будущем генеративного искусственного интеллекта?»
«Надежность и достоверность этих моделей вызывают большое беспокойство», - начала доктор Ребекка Уилетт. «Эти модели могут предсказывать вещи, которые правдоподобны, но в них отсутствуют ключевые, существенные элементы; Могу ли я, как человек, признать, что здесь чего-то не хватает?»
Доктор Маркус Бюлер добавил, что фактическое предсказание модели может занять секунду, но экспериментальный процесс проверки может занять месяцы, год или дольше. Так как же нам действовать тем временем, когда мы не проверили результаты? «Нам также необходимо обучить следующее поколение разработчиков генеративного искусственного интеллекта, чтобы они проектировали модели, заслуживающие доверия и проверяемые, и чтобы мы могли использовать основанные на физике идеи при построении этих моделей».
Доктор Дункан Уотсон-Пэррис опирался на оба предыдущих пункта, говоря: «Поскольку эти модели созданы для получения правдоподобных результатов, мы не можем просто посмотреть на результаты, чтобы проверить их точность. Исследователям генеративного ИИ необходимо глубоко понимать, как работают эти модели, чтобы проверить их результаты, поэтому правильное обучение следующего поколения так важно».
Член аудитории: «В материаловедении мы знаем направление дальнейшего изучения некоторых материалов, но для других, таких как сверхпроводники при комнатной температуре, мы не знаем, как двигаться вперед. Как, по вашему мнению, будет выглядеть дальнейший путь изучения этих неизвестных материалов? И как можно проводить подобные исследования с нормативной точки зрения?»
«Ну, я не эксперт в исследованиях сверхпроводников», — сказал доктор Бюлер, — «поэтому я не буду говорить об этом напрямую, но я могу рассказать в целом о том, как мы добиваемся успехов в науке о материалах, особенно в моей области белков. и разработка биоматериалов. Способ, которым мы добиваемся успехов, заключается в возможности выйти за рамки возможного. Мы проводим новые эксперименты, проверяем диковинные идеи и теории и видим, какие из них работают и почему. Что касается того, как нам следует проводить эти исследования, нам нужно больше моделей с открытым исходным кодом и коллективным доступом. Я бы посоветовал политикам не чрезмерно регулировать эти технологии, чтобы исследователи и общественность имели доступ к этим типам моделей. Я не считаю хорошей идеей мешать людям использовать эти модели, особенно когда мы можем собирать идеи и разработки и внедрять знания из различных областей человеческой деятельности. Например, когда был изобретен печатный станок, власти попытались ограничить доступность этой технологии, чтобы мало книг можно было читать массово, но эта попытка с треском провалилась. Лучший способ защитить общественность — облегчить доступ к этим моделям таким образом, чтобы мы могли разрабатывать, исследовать и широко оценивать их для максимальной пользы общества».
Член аудитории: «Большинство генеративных моделей ИИ сегодня представляют собой регрессионные модели, которые фокусируются на моделировании или эмуляции различных сценариев. Однако открытия в науке подпитываются гипотезами и предсказаниями, которые мы выдумываем. Так как же нам создавать модели, предназначенные для создания новых предсказаний, вместо нынешних моделей, которые используются в основном для экспериментов?»
Доктор Бюлер ответил первым, сказав: «Вы правы, большинство традиционных моделей машинного обучения часто основаны на регрессии, но модели, о которых мы говорили сегодня, работают по-другому. Когда вы собираете мультиагентные системы с множеством возможностей, они фактически начинают исследовать новые сценарии, рассуждать и делать прогнозы на основе проведенных экспериментов. Они становятся более человечными. Вы, как исследователь, не будете проводить эксперимент и просто заканчивать его – вы проведете эксперимент, а затем начнете смотреть на данные, проверять их и делать новые прогнозы на основе этих данных, чтобы соединить точки и экстраполировать их. выдвигать гипотезы и представлять, как будет разворачиваться новый сценарий. Вы будете экспериментировать, собирать новые данные, разрабатывать теорию и, возможно, предлагать комплексную концепцию по конкретному интересующему вопросу. Затем вы будете защищать свои идеи от критики коллег и, возможно, пересматривать свою гипотезу при использовании новой информации. Именно так работают новые многоагентные состязательные системы, но, конечно, они дополняют человеческие навыки гораздо большей способностью рассуждать над огромными объемами данных и представлениями знаний. Эти модели уже могут генерировать новые гипотезы, которые выходят далеко за рамки уже изученного, внося вклад в научный процесс открытий и инноваций».
«Я бы дополнил это, — вставил доктор Уиллетт, — областью открытия завершения и символической регрессией как еще одной областью, гораздо более ориентированной на генерацию гипотез. В этом направлении ведется большая работа».
Член аудитории: «Как нам расширить доступ к этим типам моделей и преодолеть препятствия, например, то, что большинство моделей создаются для англоговорящих?»
Доктор Ребекка Уиллетт ответила: «Многие люди имеют доступ к использованию этих моделей, но их разработка и обучение стоят многие миллионы долларов. Если только небольшая группа организаций способна создать такие модели, то только очень небольшая группа людей принимает решения и устанавливает приоритеты в научном сообществе. И часто приоритеты этих организаций и отдельных лиц ориентированы на получение прибыли. Тем не менее, я думаю, что ситуация начинает меняться. Такие организации, как NSF, пытаются создать инфраструктуру, к которой сможет получить доступ более широкое научное сообщество. Эти усилия напоминают раннюю разработку суперкомпьютеров. Вначале исследователям приходилось подавать длинные предложения, чтобы получить доступ к суперкомпьютеру. Я думаю, что мы увидим похожие новые парадигмы в области искусственного интеллекта и генеративного искусственного интеллекта».
«Я согласен», — сказал доктор Уотсон-Пэррис. «Вдобавок к этому с нормативной точки зрения, я не думаю, что нам следует регулировать фундаментальные исследования, возможно, области их применения, но не сами исследования».
Большое спасибо за чтение и следите за обзорами двух других наших дискуссий на AAAS 2024.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
- ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
- ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
- ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
- Источник: https://feeds.feedblitz.com/~/874103807/0/cccblog~CCC-AAAS-Generative-AI-in-Science-Promises-and-Pitfalls-Recap-%e2%80%93-Part-Four/
- :имеет
- :является
- :нет
- $UP
- 2024
- a
- способность
- в состоянии
- О нас
- доступ
- Доступ
- точность
- деятельность
- фактического соединения
- на самом деле
- добавленный
- добавить
- адресованный
- авансы
- состязательный
- против
- AI
- AI модели
- уже
- причислены
- суммы
- an
- и
- годовой
- Другой
- Применение
- МЫ
- ПЛОЩАДЬ
- AS
- помощник
- At
- Власти
- свободных мест
- основанный
- основной
- BE
- становиться
- было
- начал
- начинать
- не являетесь
- польза
- ЛУЧШЕЕ
- Beyond
- большой
- биоматериалов
- Блог
- Книги
- изоферменты печени
- шире
- строить
- построенный
- но
- by
- CAN
- возможности
- CCC
- Блог ССС
- изменение
- Чикаго
- собирать
- собирательный
- сообщество
- комплемент
- завершение
- компьютер
- Информатика
- Конференция
- Свяжитесь
- строительство
- правильно
- Расходы
- может
- "Курс"
- Создайте
- создали
- Текущий
- данным
- наука о данных
- Дней
- решения
- глубоко
- Проект
- предназначенный
- проектирование
- развивать
- застройщиков
- Развитие
- события
- Диего
- различный
- по-разному
- направление
- непосредственно
- открытие
- обсуждается
- обсуждение
- Разное
- do
- долларов
- Dont
- dr
- мечта
- управляемый
- Duncan
- Рано
- воспитывать
- обучение
- усилие
- элементы
- появление
- включить
- включен
- поощрять
- Проект и
- Английский
- конверт
- особенно
- оценивать
- пример
- эксперимент
- экспериментальный
- Эксперименты
- эксперту
- Больше
- широко
- содействовал
- Oшибка
- далеко
- СПЕЦЦЕНА
- несколько
- Поля
- Во-первых,
- Фокус
- следует
- Что касается
- вперед
- 4
- Рамки
- от
- подпитывается
- будущее
- в общем
- порождать
- поколение
- генеративный
- Генеративный ИИ
- получить
- будет
- хорошо
- большой
- было
- Есть
- имеющий
- основной момент
- Как
- How To
- Однако
- HTTPS
- человек
- барьерный бег
- i
- идея
- идеи
- if
- Изображениями
- важную
- in
- Увеличение
- лиц
- информация
- Инфраструктура
- Инновации
- размышления
- вместо
- Институт
- учреждение
- интегрированный
- предназначенных
- интерес
- промежуточный
- вводить
- Изобретенный
- IT
- саму трезвость
- всего
- Основные
- Знать
- знания
- пейзаж
- изучение
- такое как
- ОГРАНИЧЕНИЯ
- дольше
- посмотреть
- выглядит как
- серия
- машина
- обучение с помощью машины
- сделать
- Создание
- многих
- Массачусетс
- Массачусетский Технологический Институт
- масса
- материалы
- Вопрос
- Мэтью
- максимальный
- Май..
- член
- миллионы
- отсутствующий
- MIT
- модель
- Модели
- месяцев
- БОЛЕЕ
- самых
- в основном
- двигаться
- двигаться вперед
- много
- my
- Необходимость
- Новые
- следующий
- NSF
- of
- от
- .
- on
- те,
- постоянный
- только
- с открытым исходным кодом
- работать
- or
- заказ
- организации
- Другое
- Другое
- наши
- за
- Преодолеть
- панель
- Панели
- парадигмы
- часть
- особый
- путь
- Люди
- возможно
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- правдоподобный
- пунктов
- Политикам
- часть
- предсказывать
- прогноз
- Predictions
- Presentations
- президент
- нажмите
- предотвращать
- предыдущий
- печать
- Печатная машина
- процесс
- Профессор
- Прибыль
- Обещает
- Предложения
- предлагает
- для защиты
- Белкове продукты
- что такое варган?
- Push
- положил
- Вопросы и ответы
- Читать
- Reading
- причина
- резюме
- признавать
- регламентировать
- регуляторы
- надежность
- исследованиям
- исследователь
- исследователи
- походит
- Итоги
- пересматривать
- правую
- Комната
- Run
- Сказал
- Сан -
- Сан Диего
- поговорка
- сценарий
- Сценарии
- Наука
- научный
- Во-вторых
- посмотреть
- Сессия
- сессиях
- набор
- установка
- должен
- сторона
- аналогичный
- навыки
- небольшой
- So
- Общество
- некоторые
- удалось
- Space
- пространства
- говорить
- динамики
- конкретно
- точка зрения
- Начало
- статистика
- оставаться
- учился
- изучение
- отправить
- такие
- суммировать
- суперкомпьютер
- Поддержанный
- символический
- системы
- взять
- Говорить
- целевое
- технологический
- технологии
- Технологии
- тестXNUMX
- который
- Ассоциация
- Местоположение
- Будущее
- их
- Их
- тогда
- теория
- Там.
- Эти
- они
- вещи
- think
- этой
- На этой неделе
- три
- Название
- в
- сегодня
- вместе
- к
- Тойота
- традиционный
- Обучение
- пыталась
- кредитоспособность
- заслуживающий доверия
- пытается
- настроены
- два
- напишите
- Типы
- понимание
- Университет
- Чикагский университет
- неизвестный
- использование
- используемый
- через
- VALIDATE
- Проверка
- Огромная
- проверяемый
- проверено
- проверить
- очень
- законопроект
- Путь..
- we
- неделя
- Что
- когда
- который
- зачем
- будете
- Работа
- бы
- год
- Ты
- ВАШЕ
- зефирнет