Οι ερευνητές της Archetype AI ανέπτυξαν ένα θεμελιώδες μοντέλο τεχνητής νοημοσύνης ικανό να μαθαίνει σύνθετες αρχές της Φυσικής απευθείας από δεδομένα αισθητήρων, χωρίς καμία προ-προγραμματισμένη γνώση. Αυτό το επίτευγμα θα μπορούσε να αλλάξει σημαντικά τον τρόπο με τον οποίο κατανοούμε και αλληλεπιδρούμε με τον φυσικό κόσμο.
Το AI μοντέλο, που ονομάζεται Newton, επιδεικνύει μια πρωτοφανή ικανότητα να γενικεύει σε διάφορα φυσικά φαινόμενα, από μηχανικές ταλαντώσεις έως θερμοδυναμική, χρησιμοποιώντας ως είσοδο μόνο ακατέργαστες μετρήσεις αισθητήρων. Το επίτευγμα αυτό αποτελεί σημαντική πρόοδο στην ικανότητα της Τεχνητής Νοημοσύνης να ερμηνεύει και να προβλέπει φυσικές διεργασίες του πραγματικού κόσμου.
Όπως δήλωσε ο Ivan Poupyrev, συνιδρυτής της Archetype AI, σε αποκλειστική συνέντευξη στην ιστοσελίδα VentureBeat,
Ρωτάμε αν η Τεχνητή Νοημοσύνη μπορεί να ανακαλύψει μόνη της τους νόμους της Φυσικής, με τον ίδιο τρόπο που το έκαναν οι άνθρωποι μέσω προσεκτικής παρατήρησης και μέτρησης. Μπορούμε να δημιουργήσουμε ένα ενιαίο μοντέλο AI που να γενικεύει σε διάφορα φυσικά φαινόμενα, τομείς, εφαρμογές και συσκευές ανίχνευσης;
Εκπαιδευμένο σε πάνω από μισό δισεκατομμύριο σημεία δεδομένων από διάφορες μετρήσεις αισθητήρων, το Newton έχει επιδείξει αξιοσημείωτη ευελιξία. Σε μια εντυπωσιακή επίδειξη, προέβλεψε με ακρίβεια τη χαοτική κίνηση ενός εκκρεμούς σε πραγματικό χρόνο, παρά το γεγονός ότι δεν είχε ποτέ εκπαιδευτεί στη δυναμική του εκκρεμούς.
Οι δυνατότητες του μοντέλου επεκτείνονται και σε πολύπλοκα σενάρια του πραγματικού κόσμου. Το Newton ξεπέρασε τα εξειδικευμένα συστήματα Τεχνητής Νοημοσύνης στην πρόβλεψη προτύπων κατανάλωσης ενέργειας σε ολόκληρη την πόλη και στην πρόβλεψη των διακυμάνσεων της θερμοκρασίας στους μετασχηματιστές του ηλεκτρικού δικτύου.
Το αξιοσημείωτο είναι ότι το Newton δεν είχε εκπαιδευτεί ειδικά για να κατανοήσει αυτά τα πειράματα. Τα αντιμετώπιζε για πρώτη φορά και εξακολουθούσε να είναι σε θέση να προβλέψει τα αποτελέσματα ακόμη και για χαοτικές και πολύπλοκες συμπεριφορές.
Η ικανότητα του Νεύτωνα να γενικεύει σε εντελώς νέους τομείς θα μπορούσε να αλλάξει σημαντικά τον τρόπο με τον οποίο αναπτύσσεται η Τεχνητή Νοημοσύνη σε βιομηχανικές και επιστημονικές εφαρμογές. Αντί να απαιτούνται προσαρμοσμένα μοντέλα και εκτεταμένα σύνολα δεδομένων για κάθε νέα περίπτωση χρήσης, ένα ενιαίο προ-εκπαιδευμένο βασικό μοντέλο όπως το Newton θα μπορούσε να προσαρμοστεί σε ποικίλες εργασίες ανίχνευσης με ελάχιστη πρόσθετη εκπαίδευση.
Η προσέγγιση αυτή αντιπροσωπεύει μια σημαντική αλλαγή στον τρόπο με τον οποίο η AI μπορεί να εφαρμοστεί σε φυσικά συστήματα. Προς το παρόν, οι περισσότερες βιομηχανικές εφαρμογές Τεχνητής Νοημοσύνης απαιτούν εκτεταμένη προσαρμοσμένη ανάπτυξη και συλλογή δεδομένων για κάθε συγκεκριμένη περίπτωση χρήσης. Αυτή η διαδικασία είναι χρονοβόρα, δαπανηρή και συχνά οδηγεί σε μοντέλα που είναι στενά εστιασμένα και δεν μπορούν να προσαρμοστούν στις μεταβαλλόμενες συνθήκες.
Η προσέγγιση του Newton, αντίθετα, προσφέρει τη δυνατότητα για πιο ευέλικτα και προσαρμόσιμα συστήματα AI. Με την εκμάθηση γενικών αρχών της Φυσικής από ένα ευρύ φάσμα δεδομένων αισθητήρων, το μοντέλο μπορεί δυνητικά να εφαρμοστεί σε νέες καταστάσεις με ελάχιστη πρόσθετη εκπαίδευση. Αυτό θα μπορούσε να μειώσει δραματικά το χρόνο και το κόστος της ανάπτυξης της Τεχνητής Νοημοσύνης σε βιομηχανικά περιβάλλοντα, ενώ παράλληλα θα βελτίωνε την ικανότητα αυτών των συστημάτων να χειρίζονται απρόβλεπτες καταστάσεις ή μεταβαλλόμενες συνθήκες.
Επιπλέον, η προσέγγιση αυτή θα μπορούσε να είναι ιδιαίτερα πολύτιμη σε περιπτώσεις όπου τα δεδομένα είναι σπάνια ή δύσκολο να συλλεχθούν. Πολλές βιομηχανικές διεργασίες περιλαμβάνουν σπάνια γεγονότα ή μοναδικές συνθήκες που είναι δύσκολο να μοντελοποιηθούν με τις παραδοσιακές προσεγγίσεις της Τεχνητής Νοημοσύνης. Ένα σύστημα όπως το Newton, το οποίο μπορεί να γενικεύει από μια ευρεία βάση φυσικών γνώσεων, θα μπορούσε να είναι σε θέση να κάνει ακριβείς προβλέψεις ακόμη και σε αυτά τα δύσκολα σενάρια.
Οι προεκτάσεις του Newton υπερβαίνουν τις βιομηχανικές εφαρμογές. Μαθαίνοντας να ερμηνεύουν άγνωστα δεδομένα αισθητήρων, τα συστήματα Τεχνητής Νοημοσύνης όπως το Newton θα μπορούσαν να επεκτείνουν τις ανθρώπινες αντιληπτικές ικανότητες με νέους τρόπους.
Έχουμε πλέον αισθητήρες που μπορούν να ανιχνεύσουν πτυχές του κόσμου που οι άνθρωποι δεν μπορούν να αντιληφθούν με φυσικό τρόπο. Τώρα μπορούμε να αρχίσουμε να βλέπουμε τον κόσμο μέσω αισθητηριακών τρόπων που δεν έχουν οι άνθρωποι. Μπορούμε να ενισχύσουμε την αντίληψή μας με πρωτοφανείς τρόπους.
Αυτή η ικανότητα θα μπορούσε να έχει βαθιές επιπτώσεις σε διάφορους τομείς. Στην Ιατρική, για παράδειγμα, τα μοντέλα Τεχνητής Νοημοσύνης θα μπορούσαν να βοηθήσουν στην ερμηνεία πολύπλοκων διαγνωστικών δεδομένων, εντοπίζοντας ενδεχομένως μοτίβα ή ανωμαλίες που μπορεί να μην προσέξουν οι άνθρωποι γιατροί. Στην Περιβαλλοντολογία, τα μοντέλα αυτά θα μπορούσαν να βοηθήσουν στην ανάλυση τεράστιων ποσοτήτων δεδομένων αισθητήρων για την καλύτερη κατανόηση και πρόβλεψη κλιματικών προτύπων ή οικολογικών αλλαγών.
Η τεχνολογία δημιουργεί επίσης ενδιαφέρουσες δυνατότητες για την αλληλεπίδραση ανθρώπου-υπολογιστή. Καθώς τα συστήματα AI γίνονται καλύτερα στην ερμηνεία διαφόρων τύπων δεδομένων αισθητήρων, ίσως δούμε νέες διεπαφές που θα επιτρέπουν στους ανθρώπους να «αισθάνονται» πτυχές του κόσμου που προηγουμένως ήταν ανεπαίσθητες. Αυτό θα μπορούσε να οδηγήσει σε νέα εργαλεία για τα πάντα, από την επιστημονική έρευνα έως την καλλιτεχνική έκφραση.
Προς το παρόν, το Newton παραμένει ένα ερευνητικό πρωτότυπο. Αλλά αν η Archetype AI μπορέσει να φέρει επιτυχώς την τεχνολογία στην αγορά, θα μπορούσε να εγκαινιάσει μια νέα εποχή για την κατανόηση του φυσικού κόσμου γύρω μας με τη βοήθεια της Τεχνητής Νοημοσύνης.
[via]
