चीनी शोधकर्ता प्रयोग करने और वैज्ञानिक समस्याओं को हल करने में सक्षम "कृत्रिम बुद्धिमत्ता (एआई) वैज्ञानिकों" को विकसित करने के लिए एक अभूतपूर्व दृष्टिकोण के कगार पर हैं। गहन शिक्षण मॉडल में हालिया प्रगति ने वैज्ञानिक अनुसंधान में क्रांति ला दी है, लेकिन वर्तमान मॉडल अभी भी वास्तविक दुनिया की भौतिक बातचीत की सटीक नकल करने के लिए संघर्ष कर रहे हैं।
हालाँकि, चीन में पेकिंग विश्वविद्यालय और ओरिएंटल इंस्टीट्यूट ऑफ टेक्नोलॉजी (ईआईटी) के शोधकर्ताओं की एक टीम ने डेटा के साथ-साथ पूर्व ज्ञान, जैसे भौतिकी या गणितीय तर्क के नियमों के आधार पर मशीन लर्निंग मॉडल के प्रशिक्षण के लिए एक नया ढांचा विकसित किया है।
दक्षिण चीन मॉर्निंग पोस्ट रिपोर्ट है कि इस तरह के दृष्टिकोण से "कृत्रिम बुद्धि वाले वास्तविक वैज्ञानिकों" का निर्माण हो सकता है जो प्रयोगों में सुधार कर सकते हैं और वैज्ञानिक समस्याओं का समाधान कर सकते हैं। गहन शिक्षण मॉडल ने बड़े डेटा सेट में संबंधों को प्रकट करके वैज्ञानिक अनुसंधान को महत्वपूर्ण रूप से प्रभावित किया है। इन प्रगति के बावजूद, ओपनएआई के सोरा जैसे मौजूदा मॉडल वास्तविक दुनिया में कुछ भौतिक इंटरैक्शन का सटीक अनुकरण करने में सीमाओं का सामना करते हैं।
उदाहरण के लिए, सोरा, एक टेक्स्ट-टू-वीडियो मॉडल, ने वस्तुओं के बेहतर, यथार्थवादी प्रतिनिधित्व के कारण व्यापक लोकप्रियता हासिल की है। हालाँकि, यह बुनियादी अंतःक्रियाओं को सटीक रूप से मॉडल नहीं कर सकता है, उदाहरण के लिए, हॉलिडे केक पर मोमबत्तियों की लौ किस दिशा में चलती है।
शोधकर्ता अधिक सटीक मशीन लर्निंग मॉडल को प्रशिक्षित करने के लिए डेटा के साथ "पूर्व ज्ञान" जैसे भौतिकी या गणितीय तर्क के नियमों को शामिल करने का सुझाव देते हैं।
एआई मॉडल में मानव ज्ञान को शामिल करने से उनकी प्रभावशीलता और पूर्वानुमान लगाने की क्षमता बढ़ सकती है। इस समस्या को हल करने के लिए, टीम ने पूर्व ज्ञान के मूल्य का मूल्यांकन करने और मॉडल सटीकता पर इसके प्रभाव का निर्धारण करने के लिए एक रूपरेखा विकसित की। उनके ढांचे का उद्देश्य डेटा वॉल्यूम और मूल्यांकन सीमा जैसे कारकों को ध्यान में रखते हुए, व्युत्पन्न नियमों का उपयोग करके ज्ञान के मूल्य का मूल्यांकन करना है। मात्रात्मक प्रयोगों का संचालन करके, शोधकर्ता डेटा और पूर्व ज्ञान के बीच निर्भरता, तालमेल और प्रतिस्थापन प्रभावों सहित जटिल संबंधों को स्पष्ट करना चाहते हैं।
इस मॉडल-डायग्नोस्टिक प्रणाली को विभिन्न नेटवर्क आर्किटेक्चर पर लागू किया जा सकता है, जो गहन शिक्षण मॉडल में पूर्व ज्ञान की भूमिका की व्यापक समझ प्रदान करता है।
शोधकर्ताओं ने बहुआयामी समीकरणों को हल करने और रासायनिक प्रयोगों के परिणामों की भविष्यवाणी करने के लिए मॉडल पर अपने ढांचे का परीक्षण किया। उन्होंने पाया कि पूर्व ज्ञान को शामिल करने से इन मॉडलों के प्रदर्शन में काफी सुधार हुआ है, खासकर वैज्ञानिक क्षेत्रों में जहां संभावित विनाशकारी परिणामों से बचने के लिए भौतिक कानूनों के साथ स्थिरता महत्वपूर्ण है। लंबी अवधि में, टीम का लक्ष्य एआई मॉडल विकसित करना है जो मानव हस्तक्षेप के बिना प्रासंगिक ज्ञान को स्वतंत्र रूप से पहचान और लागू कर सके।
हालाँकि, वे स्वीकार करते हैं कि जैसे-जैसे मॉडल में डेटा की मात्रा बढ़ती है, विशिष्ट स्थानीय नियमों पर सामान्य नियमों के प्रभुत्व जैसी समस्याएँ उत्पन्न हो सकती हैं, विशेष रूप से जीव विज्ञान और रसायन विज्ञान जैसे क्षेत्रों में, जहाँ सामान्य नियमों की कमी हो सकती है।
यह भी पढ़ें: