Gerade hat „Science“ die zehn besten wissenschaftlichen Durchbrüche des Jahres 2022 ausgewählt.
Die beiden beliebten Forschungsrichtungen, die in diesem Jahr einen Platz für künstliche Intelligenz gewonnen haben, sind KI-generierte Inhalte (AIGC) und KI-beschleunigte wissenschaftliche Entdeckungen.
Künstlerisches Schaffen und wissenschaftliche Entdeckungen galten einst als zwei Bereiche, in die künstliche Intelligenz nur schwer eindringen konnte, da sie menschliche Intelligenz und Kreativität erfordern. Aber jetzt leistet die KI in beide Richtungen bereits hervorragende Arbeit.
Das am meisten erforschte Modell im Bereich AIGC im Jahr 2022 ist zweifellos das Text-zu-Bild-Generierungsmodell. Solche Modelle nutzen maschinelles Lernen, um Text- und Bildpaarungen online zu analysieren und Muster zu finden, die auf der Grundlage von neuem Text neue Bilder erstellen.
Ab der OpenAI-Demonstration 2021, bei der DALL·E einen „Avocado-förmigen Stuhl“ erzeugt, ist das Text-zu-Bild-Generierungsmodell in eine neue Phase eingetreten.
Im April 2022 veröffentlichte OpenAI eine aktualisierte Version des Modells DALL·E 2. DALL·E 2 basiert auf CLIP und nutzt einen Prozess namens Diffusion, um Bilder aus „Rauschen“ zu erzeugen.
DALL·E 2 kann effizient realistische Bilder erzeugen. In diesem Jahr wurden verschiedene Verbreitungsmodelle veröffentlicht, und Unternehmen wie Meta und Google haben ebenfalls Verbreitungsmodelle veröffentlicht, mit denen Videos generiert werden können.
Das Bild unten ist „Space Opera“, generiert vom Text-zu-Bild-Generierungsmodell Midjourney. Mit diesem KI-generierten Gemälde gewann der 39-jährige Spieledesigner Jason Allen die digitale Kunstmeisterschaft auf der Kunstmesse in Colorado, USA.
Die Entwicklung des AIGC-Modells im Jahr 2022 hat die Aufmerksamkeit und das ethische Denken der Menschen über die Kunst der KI-Erstellung geweckt.
Andererseits haben KI-Modelle auch im Jahr 2021 ihre Fortschritte in Naturwissenschaften, Mathematik und Programmierung fortgesetzt. Zu den zehn größten wissenschaftlichen Durchbrüchen des Jahres 2021 gehört AlphaFold, ein KI-Modell, das Proteinstrukturen vorhersagt. Aufbauend auf dieser Arbeit haben Forscher nun mithilfe künstlicher Intelligenz völlig neue Proteine entwickelt, die in Impfstoffen, Baumaterialien oder Nanomaschinen eingesetzt werden könnten.
In einem im September dieses Jahres in Science veröffentlichten Artikel schlugen Forscher wie David Baker, Professor für Biochemie an der Washington University School of Medicine, vor, dass KI mithilfe zweier Ideen Proteine von Grund auf entwerfen kann. Eine Technik namens „Fantasy“ beginnt mit zufälligen Sequenzen und mutiert sie dann in Sequenzen, von denen andere KI-Tools sicher sind, dass sie sich zu stabilen Proteinen falten lassen.
Sie haben einen neuen Algorithmus „ProteinMPNN“ zur Generierung von Aminosäuresequenzen entwickelt, der innerhalb von 1 Sekunde mit der Berechnung beginnen kann, was mehr als 200-mal schneller ist als die bisherige Top-Software.
Gleichzeitig veröffentlichte DeepMind ein Tool namens AlphaTensor. Es entdeckt Abkürzungen, die menschliche Mathematiker jahrzehntelang ignoriert haben, und ermöglicht so die Entwicklung effizienterer Algorithmen für Matrixmultiplikationsblöcke. Die Matrixmultiplikation ist eine Kernkomponente vieler Rechenaufgaben, darunter Computergrafik, digitale Kommunikation, Training neuronaler Netze und wissenschaftliches Rechnen, und die von AlphaTensor entdeckten Algorithmen können die Recheneffizienz in diesen Bereichen erheblich verbessern.
Laut DeepMind basiert AlphaTensor auf AlphaZero. Diese Arbeit demonstriert den Übergang von AlphaZero vom Einsatz für Spiele zum ersten Einsatz zur Lösung schwieriger mathematischer Probleme.
Obwohl sich AlphaTensor ursprünglich auf das spezifische Problem der Matrixmultiplikation konzentrierte, hofft DeepMind, mehr Menschen dazu zu inspirieren, KI als Steuerung für die Algorithmenerkennung für andere grundlegende Computeraufgaben zu verwenden. Darüber hinaus zeigen die Untersuchungen von DeepMind auch, dass der leistungsstarke Algorithmus von AlphaZero weit über den Bereich traditioneller Spiele hinausgeht und zur Lösung offener Probleme im Bereich der Mathematik beitragen kann.
DeepMind hat außerdem AlphaCode auf den Markt gebracht, ein System, das so programmiert werden kann, dass es numerische Probleme löst, beispielsweise das Zählen, wie viele Binärzeichenfolgen einer bestimmten Länge keine aufeinanderfolgenden Nullen haben. AlphaCode verwendet ein auf früheren Programmen und deren Beschreibungen trainiertes Modell, um eine Reihe von Kandidatenprogrammen zu generieren und wählt dann die vielversprechendsten aus.
Letzte Woche wurde die Forschung von AlphaCode offiziell in Science veröffentlicht.
Die Leistung von AlphaCode ist im Vergleich zu menschlichen Programmierern durchschnittlich. DeepMind-Forscher stellten AlphaCode im Rahmen der Codeforces-Challenge auf die Probe, einer Programmierwettbewerbsplattform, die von 5.000 Benutzern auf der Codeforces-Website getestet wurde. Das Gesamtranking lag unter den besten 54,3 % und schlug 46 % der Teilnehmer.
Obwohl es den Wettbewerb nicht gewinnen konnte, stellt dieses Ergebnis einen erheblichen Sprung in den Problemlösungsfähigkeiten künstlicher Intelligenz dar und beweist das Potenzial von Deep-Learning-Modellen bei Aufgaben, die kritisches Denken erfordern.
DeepMind weist darauf hin, dass die aktuellen Fähigkeiten von AlphaCode derzeit nur auf wettbewerbsfähige Programmierbereiche anwendbar sind, seine Fähigkeiten jedoch neue Türen für die Entwicklung zukünftiger Tools öffnen, die das Programmieren einfacher und eines Tages vollständig automatisiert machen.
Neben der Debatte darüber, ob diese Leistungen als wahre Kreativität gelten, werfen sie auch praktische und ethische Dilemmata auf. Einige Beobachter befürchten, dass diese künstlich geschaffenen Programmierer und Künstler Urheberrechte verletzen, Stereotypen aufrechterhalten, Fehlinformationen verbreiten oder Arbeitsplätze kosten könnten. Aber es besteht kein Zweifel daran, dass die Menschen diese Werkzeuge nutzen werden, um ihre Kreativität zu erweitern, so wie sie es mit Webstühlen, Kameras und anderen einst beunruhigenden Erfindungen taten.
Das obige ist der detaillierte Inhalt von„Science' gibt die zehn besten Durchbrüche des Jahres bekannt, AIGC und AI for Science gewinnen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
