中国的研究人员在开发能够进行实验的“真正的AI科学家”的边缘，解决科学问题

“真正的AI科学家”

但是，中国北京大学和东部技术学院（EIT）的一组研究人员开发了一个新的框架，以培训具有先验知识的机器学习模型，例如物理学定律或数学逻辑，以及数据。

这南中国早晨报道说，这种方法可能导致创建“真正的AI科学家”，他们可以改善实验并解决复杂的科学问题。

深度学习模型通过发现大型数据集的关系对科学研究产生了重大影响。尽管取得了这些进步，但当前的模型（例如Openai的Sora）面临限制，以准确模拟某些现实世界的物理相互作用。

例如，Sora是一种文本对视频模型，已因其先进的对象描述而受到广泛赞扬。但是，它难以准确地对基本互动进行建模，例如生日蛋糕蜡烛上的火焰的方向。

将人类知识嵌入AI模型中

研究人员建议将“先验知识”（例如物理学定律或数学逻辑定律）与数据一起培训更准确的机器学习模型。

将人类知识嵌入AI模型有可能提高其效率和预测能力。为了应对这一挑战，团队开发了一个框架来评估先验知识的价值并确定其对模型准确性的影响。

他们的框架旨在通过派生的规则重要性来评估知识的价值，即考虑数据量和估计范围之类的因素。通过进行定量实验，研究人员旨在阐明数据与先验知识之间的复杂关系，包括依赖性，协同作用和替代效应。

这模型 - 敏捷框架可以应用于各种网络体系结构，从而对先验知识在深度学习模型中的作用有全面的了解。

接下来是什么？

研究人员在解决多元方程并预测化学实验结果的模型上测试了他们的框架。他们发现，融入先验知识会显着提高这些模型的性能，尤其是在与物理定律一致性的科学领域中，对于避免潜在的灾难性后果至关重要。

从长远来看，团队的目标是开发可以独立识别和应用相关知识而无需人工干预的AI模型。

但是，他们承认挑战，例如一般规则对特定本地规则的优势，因为将更多的数据添加到模型中，尤其是在可能缺乏一般规则的生物学和化学等领域中。

东方技术教授兼研究作者陈·扬顿（Chen Yuntian）说：“我们希望通过将模型成为真正的AI科学家，使其成为一个封闭的循环。”该团队正在开发一个开源插件工具，供AI开发人员进一步推进这项研究。

保持在Tech Times。