'사이언스(Science)', 올해의 10대 혁신 발표, AIGC와 과학용 AI가 승리

방금 '과학'에서는 2022년 10대 과학 혁신을 선정했습니다.

올해 인공지능으로 자리잡은 두 가지 인기 연구 방향은 AI 생성 콘텐츠(AIGC)와 AI 가속 과학적 발견입니다.

예술적 창작과 과학적 발견은 한때 인간의 지능과 창의성이 요구되기 때문에 인공지능이 진입하기 어려운 두 가지 분야로 여겨졌습니다. 하지만 이제 AI는 이미 양방향으로 훌륭한 역할을 수행하고 있습니다.

2022년 AIGC 분야에서 가장 많이 연구된 것은 의심할 여지 없이 텍스트-이미지 생성 모델입니다. 이러한 모델은 기계 학습을 사용하여 온라인으로 텍스트와 이미지 쌍을 분석하고 새로운 텍스트를 기반으로 새로운 이미지를 생성하는 패턴을 찾습니다.

2021년 DALL·E의 OpenAI 시연을 시작으로 "아보카도 모양의 의자"를 생성하는 텍스트-이미지 생성 모델이 새로운 단계에 들어섰습니다.

2022년 4월, OpenAI는 DALL·E 2 모델의 업그레이드 버전을 출시했습니다. DALL·E 2는 CLIP을 기반으로 구축되었으며 확산이라는 프로세스를 사용하여 "노이즈"로부터 이미지를 생성합니다.

DALL·E 2는 사실적인 사진을 효율적으로 생성할 수 있습니다. 올해 다양한 확산 모델이 출시됐고, 메타, 구글 등 기업에서도 영상을 생성할 수 있는 확산 모델이 출시됐다.

아래 사진은 텍스트-이미지 생성 모델 Midjourney가 생성한 "Space Opera"입니다. 이 AI 생성 그림으로 39세 게임 디자이너 Jason Allen이 개최된 아트페어에서 디지털 아트 챔피언십을 수상했습니다. 미국 콜로라도에서.

2022년 AIGC 모델의 개발은 AI 창작 기술에 대한 사람들의 관심과 윤리적 사고를 촉발시켰습니다.

한편, 과학, 수학, 프로그래밍 분야에서도 AI 모델은 2021년에도 계속 발전했습니다. Science가 선정한 2021년 올해의 10대 혁신에는 단백질 구조를 예측하는 AI 모델인 AlphaFold가 포함됩니다. 이 연구를 바탕으로 연구자들은 이제 인공 지능을 사용하여 백신, 건축 자재 또는 나노 기계에 사용할 수 있는 완전히 새로운 단백질을 설계했습니다.

올해 9월 사이언스지에 게재된 논문에서 워싱턴 대학교 의과대학 생화학 교수 데이비드 베이커 등 연구자들은 AI가 두 가지 아이디어를 통해 처음부터 단백질을 설계할 수 있다고 제안했습니다. "판타지(fantasy)"라고 불리는 한 기술은 무작위 시퀀스로 시작한 다음 이를 다른 AI 도구가 확신하는 시퀀스로 변형하여 안정적인 단백질로 접을 수 있습니다.

그들은 아미노산 서열 생성을 위한 새로운 알고리즘 "ProteinMPNN"을 설계했습니다. 이 알고리즘은 1초 이내에 컴퓨팅을 시작할 수 있으며 이는 이전 최고 소프트웨어보다 200배 이상 빠릅니다.

동시에 DeepMind는 ​​AlphaTensor​​이라는 도구를 출시했습니다. 인간 수학자들이 수십 년 동안 무시해 왔던 지름길을 발견하여 행렬 곱셈 블록에 대한 보다 효율적인 알고리즘을 설계할 수 있습니다. 행렬 곱셈은 컴퓨터 그래픽, 디지털 통신, 신경망 훈련, 과학 컴퓨팅을 포함한 많은 컴퓨팅 작업의 핵심 구성 요소이며 AlphaTensor가 발견한 알고리즘은 이러한 분야에서 컴퓨팅 효율성을 크게 향상시킬 수 있습니다.

DeepMind에 따르면 AlphaTensor는 AlphaZero를 기반으로 구축되었습니다. 이 작품은 AlphaZero가 게임용에서 처음으로 어려운 수학적 문제를 해결하는 데 사용되는 전환을 보여줍니다.

AlphaTensor는 처음에는 행렬 곱셈의 특정 문제에 중점을 두었지만 DeepMind는 더 많은 사람들이 AI를 사용하여 다른 기본 컴퓨팅 작업에 대한 알고리즘 발견을 안내하도록 영감을 주기를 희망한다고 말했습니다. 또한 DeepMind의 연구는 AlphaZero의 강력한 알고리즘이 기존 게임의 영역을 훨씬 뛰어넘어 수학 분야의 미해결 문제를 해결하는 데 도움이 될 수 있음을 보여줍니다.

DeepMind는 또한 주어진 길이에서 연속된 0이 없는 이진 문자열의 수를 세는 것과 같은 수치 문제를 해결하도록 프로그래밍할 수 있는 시스템인 AlphaCode를 출시했습니다. AlphaCode는 이전 프로그램과 해당 설명에 대해 훈련된 모델을 사용하여 여러 후보 프로그램을 생성한 다음 가장 유망한 프로그램을 선택합니다.

지난 주 AlphaCode의 연구가 Science에 공식적으로 게재되었습니다.

인간 프로그래머와 비교하면 AlphaCode의 성능은 중간 수준입니다. DeepMind 연구진은 프로그래밍 경쟁 플랫폼인 Codeforces 챌린지에서 AlphaCode를 테스트했습니다. AlphaCode는 Codeforces 웹사이트에서 5,000명의 사용자가 해결한 10가지 챌린지에 대해 테스트되었으며 전체 순위는 참가자의 46%를 제치고 상위 54.3%에 속했습니다.

비록 경쟁에서 승리하지는 못했지만, 이 결과는 인공지능의 문제 해결 능력이 크게 도약했음을 의미하며, 비판적 사고가 필요한 작업에서 딥러닝 모델의 잠재력을 입증합니다.

DeepMind는 AlphaCode의 현재 기술 세트가 현재 경쟁이 치열한 프로그래밍 분야에만 적합하지만 그 기능은 프로그래밍을 더 쉽게 만들고 언젠가 완전히 자동화할 수 있는 미래 도구를 만들 수 있는 새로운 문을 열어준다고 지적합니다.

이러한 업적이 진정한 창의성인지 여부에 대한 논쟁 외에도 실용적이고 윤리적인 딜레마도 제기됩니다. 일부 관찰자들은 이러한 인공적으로 만들어진 프로그래머와 예술가들이 저작권을 침해하고, 고정관념을 영속시키고, 잘못된 정보를 퍼뜨리거나 일자리를 없앨 수 있다고 우려합니다. 그러나 인간이 과거에 직기, 카메라 및 기타 한 때 혼란스러운 발명품을 사용했던 것처럼 이러한 도구를 사용하여 창의성을 확장할 것이라는 점에는 의심의 여지가 없습니다.

위 내용은 '사이언스(Science)', 올해의 10대 혁신 발표, AIGC와 과학용 AI가 승리의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!