نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

9 فروردین 1403 9:08 ب.ظ

“دانشمند هوش مصنوعی” جدید نظریه و داده ها را برای کشف معادلات علمی ترکیب می کند

12 آوریل 2023 -توسط دانشگاه مریلند شهرستان بالتیمور-اعتبار: دامنه عمومی Pixabay/CC0

در سال 1918، شیمیدان آمریکایی ایروینگ لانگمویر مقاله ای را منتشر کرد که رفتار مولکول های گاز چسبیده به سطح جامد را بررسی می کرد. او با هدایت نتایج آزمایش‌های دقیق و همچنین نظریه‌اش مبنی بر اینکه جامدات مکان‌های مجزایی را برای پر کردن مولکول‌های گاز ارائه می‌کنند، یک سری معادلات را ایجاد کرد که توصیف می‌کنند با توجه به فشار چقدر گاز می‌چسبد.

اکنون، حدود صد سال بعد، یک «دانشمند هوش مصنوعی» که توسط محققان IBM Research، Samsung AI و دانشگاه مریلند، شهرستان بالتیمور (UMBC) توسعه یافته است، بخش مهمی از کار برنده جایزه نوبل لانگمویر را بازتولید کرده است. این سیستم – هوش مصنوعی (AI) که به عنوان یک دانشمند عمل می کند – قانون سوم حرکت سیاره کپلر را نیز دوباره کشف کرد، که می تواند مدت زمانی را که یک جسم فضایی طول می کشد تا به دور دیگری بچرخد با توجه به فاصله ای که آنها را از هم جدا می کند، محاسبه کند و تقریب خوبی از زمان نسبیتی انیشتین ایجاد کند. -قانون اتساع، که نشان می دهد زمان برای اجسام با حرکت سریع کند می شود.

مقاله ای که نتایج را توصیف می کند در 12 آوریل در Nature Communications منتشر شده است.

دانشمند جدید هوش مصنوعی – که توسط محققان “AI-Descartes” نامیده می شود – به مواردی مانند AI Feynman و سایر ابزارهای محاسباتی که اخیراً توسعه یافته اند می پیوندد که هدف آنها سرعت بخشیدن به اکتشافات علمی است. در هسته این سیستم ها مفهومی به نام رگرسیون نمادین وجود دارد که معادلات را متناسب با داده ها پیدا می کند. با توجه به عملگرهای اساسی، مانند جمع، ضرب و تقسیم، سیستم ها می توانند صدها تا میلیون ها معادله نامزد را ایجاد کنند و معادلاتی را که دقیق ترین روابط را در داده ها توصیف می کنند، جستجو کنند.

کریستینا کورنلیو، دانشمند محقق در هوش مصنوعی سامسونگ در کمبریج، انگلستان، که اولین نویسنده این مقاله است، می‌گوید AI-Descartes چند مزیت نسبت به سیستم‌های دیگر ارائه می‌کند، اما متمایزترین ویژگی آن توانایی آن در استدلال منطقی است. اگر چندین معادله کاندید وجود داشته باشد که به خوبی با داده ها تناسب داشته باشد، سیستم شناسایی می کند که کدام معادلات با نظریه علمی پس زمینه مناسب تر است. توانایی استدلال نیز سیستم را از برنامه‌های «هوش مصنوعی مولد» مانند ChatGPT متمایز می‌کند که مدل زبان بزرگ آن مهارت‌های منطقی محدودی دارد و گاهی اوقات ریاضیات اولیه را به هم می‌زند.

کورنلیو می‌گوید: «در کار خود، ما در حال ادغام یک رویکرد اصول اولیه هستیم که قرن‌ها توسط دانشمندان برای استخراج فرمول‌های جدید از نظریه‌های پس‌زمینه موجود، با رویکرد داده‌محور که در عصر یادگیری ماشینی رایج‌تر است، استفاده می‌کردیم. . این ترکیب به ما امکان می دهد از هر دو رویکرد استفاده کنیم و مدل های دقیق تر و معنی داری را برای طیف گسترده ای از کاربردها ایجاد کنیم.

نام AI-Descartes اشاره ای به ریاضیدان و فیلسوف قرن هفدهم رنه دکارت است، که استدلال می کرد که جهان طبیعی را می توان با چند قانون اساسی فیزیکی توصیف کرد و استنتاج منطقی نقش کلیدی در اکتشافات علمی داشت.

این سیستم به‌ویژه روی داده‌های پر سر و صدا و دنیای واقعی خوب کار می‌کند، که می‌توانند برنامه‌های رگرسیون نمادین سنتی را که ممکن است سیگنال واقعی را نادیده بگیرند، در تلاش برای یافتن فرمول‌هایی که هر زیگ و زاگ اشتباه داده‌ها را ثبت می‌کنند، به کار می‌اندازند. همچنین مجموعه داده‌های کوچک را به خوبی مدیریت می‌کند، حتی معادلات قابل اعتماد را زمانی که به ده نقطه داده تغذیه می‌شود، پیدا می‌کند.

یکی از عواملی که ممکن است استفاده از ابزاری مانند AI-Descartes را برای علم مرزی کند کند، نیاز به شناسایی و کدگذاری نظریه پس زمینه مرتبط برای سؤالات علمی باز است. این تیم در حال کار برای ایجاد مجموعه‌های داده جدید است که هم داده‌های اندازه‌گیری واقعی و هم یک نظریه پس‌زمینه مرتبط را برای اصلاح سیستم خود و آزمایش آن در زمین‌های جدید دارد.

آنها همچنین مایلند در نهایت کامپیوترهایی را برای خواندن مقالات علمی و ساختن نظریه پس زمینه خود آموزش دهند.

“در این کار، ما به متخصصان انسانی نیاز داشتیم تا به صورت رسمی و قابل خواندن توسط کامپیوتر، بدیهیات نظریه پس زمینه را بنویسند، و اگر انسان یکی از آنها را نادیده گرفت یا اشتباه کرد، سیستم کار نخواهد کرد. یکی از نویسندگان تایلر جوزفسون، استادیار مهندسی شیمی، بیوشیمی و محیط زیست در UMBC می گوید. او می‌گوید: «در آینده می‌خواهیم این بخش از کار را نیز خودکار کنیم تا بتوانیم بسیاری از حوزه‌های علمی و مهندسی را کشف کنیم.»

این هدف انگیزه تحقیقات جوزفسون در مورد ابزارهای هوش مصنوعی برای پیشرفت مهندسی شیمی است.

در نهایت، این تیم امیدوار است که AI-Descartes آنها، مانند شخص واقعی، ممکن است الهام بخش یک رویکرد جدید سازنده به علم باشد. کورنلیو می‌گوید: «یکی از هیجان‌انگیزترین جنبه‌های کار ما پتانسیل پیشرفت قابل توجه در تحقیقات علمی است.

https://techxplore.com/

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *