Нужно +83 подписчика в июне. Поддержите devby 📝
Support us

ИИ научили делать открытия, до которых не додумались авторы «старых исследовательских работ»

Оставить комментарий
ИИ научили делать открытия, до которых не додумались авторы «старых исследовательских работ»

Искусственный интеллект обучили извлекать из старых исследований знания, которые остались незамеченными человеком, и делать на их основе научные открытия, пишет Vice.

Для поиска в научных работах связей, которые могли упустить учёные, специалисты Национальной лаборатории им. Лоуренса в Беркли разработали алгоритм Word2Vec. Опираясь только на словесные связи, он генерировал прогнозы возможных термоэлектрических материалов (применяются в системах нагрева и охлаждения), которые используются сегодня. При этом алгоритм не имел определения «термоэлектричества» и каких-либо знаний в науке о материалах.

Для тренировки Word2vec на основе 3,3 млн рефератов научных работ по материаловедению был составлен глоссарий из 500 тысяч слов. Рефераты «скормили» алгоритму, который только по этим словам смог разобраться с такими понятиями, как периодическая таблица и химическая структура молекул. Алгоритм связывал слова, стоящие рядом, и создавал векторы родственных слов, что помогало ему составить определения понятий. Иногда слова были связаны с термоэлектрическими понятиями, но не упоминались как таковые ни в одном из рефератов. Этот пробел сложно заметить человеку, но для алгоритма он очевиден.

В одном из экспериментов прогнозные возможности алгоритма решили проверить на старых научных работах, вышедших до 2009 года. Word2Vec смог предсказать один из лучших современных материалов, который был изобретён лишь в 2012 году.

По словам исследователей, алгоритм может «читать» любые работы по материаловедению и благодаря этому устанавливать связи, до которых не додумался бы ни один учёный, а также выстраивать междисциплинарные ассоциации. Отмечается, что алгоритм не тренируют на каком-то конкретном датасете, то есть он применим в самых различных предметах и отраслях знания — даже в литературе или медицине. Разработкой уже заинтересовались другие учёные.

По теме
Все материалы по теме
Нужно +83 подписчика в июне.

Поддержите devby

Читайте также
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
Пока 20% топ-менеджеров утверждают, что машинное обучение является существенной частью их бизнеса, неудивительно, что стоимость мирового рынка машинного обучения, по некоторым оценкам, достигнет $117 млрд к концу 2027 года. Мы перевели материал Udacity о семи самых обсуждаемых тенденциях в машинном обучении в 2022 году.
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
«Будут проблемы». Что нас ждёт, когда картинок от нейросетей станет слишком много
«Будут проблемы». Что нас ждёт, когда картинок от нейросетей станет слишком много
Bubble
«Будут проблемы». Что нас ждёт, когда картинок от нейросетей станет слишком много

Хотите сообщить важную новость? Пишите в Telegram-бот

Главные события и полезные ссылки в нашем Telegram-канале

Обсуждение
Комментируйте без ограничений

Релоцировались? Теперь вы можете комментировать без верификации аккаунта.

Комментариев пока нет.