باحثون صينيون يسعون لتطوير "علماء حقيقيين للذكاء الاصطناعي"

المختصر المفيد.. في الاخبار الهامة تجده في قناة الفرات نيوز على التلكرام  .. للاشتراك اضغط هنا

ونشر الباحثون، بحسب موقع "South China Morning Post"، إمكانات إطار عملهم لإحداث ثورة في تدريب نماذج التعلم الآلي؛ ما يمثل خطوة كبيرة في دمج الذكاء الاصطناعي والبحث العلمي.

وأثرت نماذج التعلم العميق التقليدية بشكل كبير على البحث العلمي، وشملت التطورات "Sora"، وهو نموذج تحويل النص إلى فيديو من "OpenAI"، الذي تمت الإشادة به لتصويره الواقعي لسيناريوهات العالم الحقيقي.

ورغم الجوائز التي نالها، يواجه "Sora" والنماذج المماثلة قيودًا في المحاكاة الدقيقة لبعض الظواهر الفيزيائية، مثل تحطم الزجاج؛ مما يؤكد الحاجة إلى فهم أعمق للقوانين الطبيعية.

ولمواجهة ذلك التحدي، أسفر الجهد التعاوني بين علماء من جامعة بكين والمعهد الصيني للتكنولوجيا عن منهجية جديدة تدمج المعرفة السابقة مع البيانات لتحسين نماذج التعلم الآلي.

وقدم البحث مفهوم "التعلم الآلي المستنير"، حيث تتمتع النماذج بمبادئ أساسية، مثل قوانين الفيزياء والمنطق الرياضي، إلى جانب البيانات التجريبية.

وشدد الباحثون على الدور المحوري لفهم أساسيات تمييز النموذج باعتباره محاكاة وليس مجرد رسوم متحركة.

ولمعالجة تعقيد دمج المعرفة المتنوعة في النماذج، ابتكر الباحثون إطارًا منهجيًا لتقييم أهمية وتأثير القواعد المختلفة، وهي مجموعة من المعلومات أو الضوابط التي يتم استخدامها في عملية تطوير وتدريب نموذج التعلم الآلي.

ومن خلال قياس "أهمية القاعدة“، يسهل اختيار القواعد ذات الصلة لتعزيز القدرة على التنبؤ بالنموذج، مع تجنب الانهيار بسبب الحمل الزائد للمعلومات، حيثُ تم إثبات فعالية هذا النموذج من خلال التطبيقات في حل معادلات متعددة المتغيرات والتنبؤ بنتائج التجارب الكيميائية.

ويتصور الباحثون تطبيقات فورية في المجالات العلمية، حيث يكون الالتزام بالقوانين الفيزيائية أمرًا بالغ الأهمية، مثل الفيزياء والكيمياء، ومع ذلك، فإنهم يطمحون إلى توسيع قدرات الإطار لتمكين نماذج الذكاء الاصطناعي من تمييز المعرفة من البيانات بشكل مستقل، ودفعهم نحو عالم علماء الذكاء الاصطناعي الحقيقيين.

ورغم التقدم الواعد، فإن التحديات لا تزال قائمة، وخاصة في تخصصات مثل البيولوجيا والكيمياء، حيث تندر المعادلات الحاكمة العالمية.

ومع ذلك، لا يزال الباحثون غير رادعين، ويسعون جاهدين لتحسين إطار عملهم وتطوير أدوات سهلة الاستخدام يمكن لمطوري الذكاء الاصطناعي في جميع أنحاء العالم الوصول إليها.

وفي محاولة لإضفاء الطابع الديمقراطي على الوصول إلى هذه التكنولوجيا التحويلية، يقود الفريق تطوير أداة إضافية مفتوحة المصدر مصممة خصيصًا لمطوري الذكاء الاصطناعي، وفي نهاية المطاف، تمتد رؤيتهم إلى ما هو أبعد من نماذج التعلم الآلي التقليدية؛ بهدف تمكين أنظمة الذكاء الاصطناعي من التطور إلى علماء مستقلين قادرين على قيادة الاكتشافات العلمية والابتكار.