ເປັນເລື່ອງແປກທີ່, ຮູບແບບ AI ຂອງຈີນຄົ້ນພົບກົດຫມາຍທາງດ້ານຮ່າງກາຍຄືກັບມະນຸດ

ຮູບແບບ AI-Newton ຂອງຈີນປະຫລາດໃຈກັບຄວາມສາມາດໃນການແຕ້ມກົດລະບຽບຈາກຂໍ້ມູນດິບ, ເປີດທິດທາງໃຫມ່ສໍາລັບການຄົ້ນຄວ້າວິທະຍາສາດ.

ຈາກ​ຂໍ້​ມູນ​ການ​ທົດ​ລອງ, ຕົວ​ແບບ AI ຂອງ​ຈີນ​ສາ​ມາດ​ຮຽນ​ຟີ​ຊິກ​ໄດ້​ຄື​ກັບ​ມະ​ນຸດ - Illustration: hpcwire.com

ອີງຕາມທໍາມະຊາດ, ຮູບແບບປັນຍາປະດິດໃຫມ່ຂອງຈີນ, ເອີ້ນວ່າ AI-Newton, ໄດ້ສະແດງໃຫ້ເຫັນຄວາມສາມາດໃນການ " ຄົ້ນພົບ " ຫຼັກການທາງກາຍະພາບຈາກຂໍ້ມູນການທົດລອງດິບ - ລວມທັງກົດຫມາຍທີສອງຂອງ Newton ກ່ຽວກັບຄວາມສໍາພັນລະຫວ່າງມະຫາຊົນ, ກໍາລັງແລະຄວາມເລັ່ງ.

ທີມ​ງານ​ມະ​ຫາ​ວິ​ທະ​ຍາ​ໄລ​ປັກ​ກິ່ງ​ກ່າວ​ວ່າ​ຕົວ​ແບບ​ດັ່ງ​ກ່າວ​ເຮັດ​ແບບ​ຈຳ​ລອງ​ວິ​ທີ​ທີ່​ມະ​ນຸດ​ເຮັດ ​ວິ​ທະ​ຍາ​ສາດ : ຄ່ອຍໆ​ສ້າງ​ບ່ອນ​ເກັບ​ຂໍ້​ມູນ​ແລະ​ກົດ​ໝາຍ​ຈາກ​ຂໍ້​ມູນ. ໂດຍການກໍານົດແນວຄວາມຄິດທີ່ເປັນປະໂຫຍດ, AI-Newton ສາມາດໄດ້ຮັບຄວາມຮູ້ໂດຍບໍ່ມີການວາງແຜນໄວ້ລ່ວງຫນ້າ.

ອີງຕາມນັກວິທະຍາສາດຄອມພິວເຕີ Keyon Vafa (ມະຫາວິທະຍາໄລ Harvard), ລະບົບນີ້ໃຊ້ "ການຖົດຖອຍຂອງສັນຍາລັກ" (SR) - ວິທີການຊອກຫາສົມຜົນທາງຄະນິດສາດທີ່ດີທີ່ສຸດເພື່ອອະທິບາຍປະກົດການທາງດ້ານຮ່າງກາຍ. ນີ້ຖືວ່າເປັນວິທີການທີ່ມີທ່າແຮງສໍາລັບການຄົ້ນພົບທາງວິທະຍາສາດເພາະວ່າຕົວແບບໄດ້ຖືກອອກແບບເພື່ອ infer ແນວຄວາມຄິດຂອງຕົນເອງ.

ທີມງານຂອງມະຫາວິທະຍາໄລປັກກິ່ງໄດ້ໃຊ້ເຄື່ອງຈຳລອງເພື່ອສ້າງຂໍ້ມູນຈາກ 46 ການທົດລອງກ່ຽວກັບການເຄື່ອນທີ່ແບບເສລີ, ການປະທະກັນ, ການສັ່ນສະເທືອນ ແລະລະບົບທີ່ຄ້າຍຄືກັບລູກປັດ, ແລະໃສ່ຄວາມຜິດພາດໂດຍເຈດຕະນາເພື່ອສະທ້ອນຂໍ້ມູນໃນໂລກຕົວຈິງ.

ຕົວຢ່າງ, AI-Newton ໄດ້ຮັບພຽງແຕ່ຕໍາແຫນ່ງຂອງບານໃນໄລຍະເວລາແລະຂໍໃຫ້ຊອກຫາສົມຜົນທີ່ອະທິບາຍຄວາມສໍາພັນລະຫວ່າງສອງປະລິມານ. ຕົວແບບໄດ້ມາຈາກສົມຜົນຄວາມໄວ. ຈາກນັ້ນ, ໃນວຽກງານຕໍ່ໄປ, ມັນໄດ້ສືບຕໍ່ໃຊ້ກົດຫມາຍທີສອງຂອງ Newton ເພື່ອ infer ມະຫາຊົນຂອງບານ. ຜົນໄດ້ຮັບເຫຼົ່ານີ້ຍັງບໍ່ທັນໄດ້ທົບທວນຄືນ.

ຄວາມພະຍາຍາມເພື່ອສອນ AI ເພື່ອເອົາກົດຫມາຍທາງດ້ານຮ່າງກາຍໄດ້ຖືກເຮັດມາກ່ອນ. ໃນປີ 2019, ທີມງານຂອງ ETH Zurich ໄດ້ພັດທະນາ "AI Copernicus," ເຄືອຂ່າຍ neural ທີ່ຄາດຄະເນວົງໂຄຈອນຂອງດາວເຄາະຈາກຂໍ້ມູນການສັງເກດການ, ແຕ່ມະນຸດຍັງຕ້ອງໄດ້ຕີຄວາມສົມຜົນ.

Vafa ແລະເພື່ອນຮ່ວມງານຂອງລາວຢູ່ MIT ຍັງໄດ້ທົດລອງກັບຕົວແບບພື້ນຖານເຊັ່ນ GPT, Claude, ຫຼື Llama: ເມື່ອໄດ້ຮັບການຝຶກອົບຮົມເພື່ອຄາດຄະເນຕໍາແຫນ່ງຂອງດາວເຄາະ, ພວກເຂົາພຽງແຕ່ຮຽນຮູ້ທີ່ຈະແຜ່ພັນວົງໂຄຈອນ, ແຕ່ໄດ້ສົມມຸດວ່າ "ກົດຂອງແຮງໂນ້ມຖ່ວງ" ທີ່ບໍ່ມີຄວາມຫມາຍໃນເວລາທີ່ຮ້ອງຂໍໃຫ້ມີຜົນບັງຄັບໃຊ້ຄວບຄຸມການເຄື່ອນໄຫວ.

ອີງຕາມການ Vafa, "ຮູບແບບພາສາທີ່ຝຶກອົບຮົມເພື່ອຄາດຄະເນຜົນໄດ້ຮັບຂອງການທົດລອງຟີຊິກຈະບໍ່ເຂົ້າລະຫັດແນວຄວາມຄິດໃນວິທີທີ່ງ່າຍດາຍ, ຫຍໍ້ທໍ້ຄືກັບມະນຸດ, ແຕ່ມັກຈະສ້າງການສະແດງທີ່ບໍ່ເຂົ້າໃຈໄດ້."

ຜູ້ຊ່ຽວຊານກ່າວວ່າ AI ທີ່ສາມາດຖອດຖອນກົດຫມາຍແມ່ນເປັນປະໂຫຍດ, ແຕ່ເພື່ອເຮັດໃຫ້ການຄົ້ນພົບທາງວິທະຍາສາດທີ່ເປັນເອກະລາດຢ່າງແທ້ຈິງ, ພວກເຂົາຕ້ອງມີສ່ວນຮ່ວມໃນຂັ້ນຕອນເພີ່ມເຕີມ: ການກໍານົດບັນຫາ, ສະເຫນີການທົດລອງ, ການວິເຄາະຂໍ້ມູນແລະການທົດສອບສົມມຸດຕິຖານ.

ອີງຕາມການ David Powers (Flinders University), ວິທະຍາສາດທົດລອງຮຽກຮ້ອງໃຫ້ມີການກໍານົດຕົວແປທີ່ສໍາຄັນແລະດໍາເນີນການທົດລອງລະບົບ.

ນັກຟິສິກ Yan-Qing Ma ຂອງມະຫາວິທະຍາໄລປັກກິ່ງຕົກລົງເຫັນດີວ່າ AI-Newton ແມ່ນທາງໄກຈາກນັ້ນ, ແຕ່ເນັ້ນຫນັກວ່າຕົວແບບດັ່ງກ່າວສາມາດປູທາງໄປສູ່ລະບົບ AI ໃນອະນາຄົດທີ່ສາມາດນໍາໃຊ້ຂໍ້ມູນທີ່ແທ້ຈິງເພື່ອຄົ້ນພົບກົດຫມາຍທາງດ້ານຮ່າງກາຍໃຫມ່ດ້ວຍຕົນເອງ.

ຕອນນີ້ທີມງານກຳລັງທົດສອບຄວາມສາມາດນຳໃຊ້ຂອງມັນກັບທິດສະດີ quantum.

ກັບໄປທີ່ຫົວຂໍ້

VNA

ທີ່ມາ: https://tuoitre.vn/bat-ngo-mo-hinh-ai-trung-quoc-tu-kham-pha-dinh-luat-vat-ly-nhu-nguoi-20251116121246359.htm