AI for Science의 새로운 오픈 소스 프로젝트 'Polymathic AI', Yann LeCun이 컨설턴트로 활동

다시 작성해야 하는 콘텐츠는 다음과 같습니다. Editor | Zi Luo

지난 몇 년 동안 비전 및 자연어 처리(NLP) 기계 학습 분야는 다양한 데이터 세트에 대한 교육을 통해 엄청난 발전을 이루었습니다. . 진전. 이로 인해 "기본 모델"이 등장하게 되었습니다.

예를 들어 "대규모 언어 모델"은 NLP의 르네상스를 촉발했습니다. 이제 특수 모델을 처음부터 훈련하는 것이 아니라 일반 모델을 미세 조정하거나 프롬프트하는 것이 표준 관행이 되었습니다.

그러나 과학 데이터 세트에 기계 학습을 적용하는 것은 아직 유사한 패러다임 전환을 거치지 않았습니다.

이것은 "Polymathic AI"(Polymathic AI) 연구 프로그램이 해결하려는 실현되지 않은 기회입니다.

Turing Award 수상자이자 Meta의 수석 과학자인 Yann LeCun은 "새로운 AI for Science 프로젝트(Polymathic AI)의 컨설턴트가 되어서 매우 기쁩니다."라고 말했습니다.

Cambridge 대학의 AI+ 천문학/물리학 조교수인 Miles Cranmer는 자신이 참여하고 있는 새로운 프로젝트인 Polymathic AI를 트위터에 공유했습니다!

"우리는 학문 전반에 걸쳐 공유된 개념을 활용할 수 있도록 과학 [데이터]의 기본 모델을 개발하고 있습니다."

네티즌들은 다음과 같이 말했습니다. "이거 정말 멋지네요! 흥미롭네요! 이 연구는 놀랍습니다…"

Versatile AI Initiative는 수치 데이터세트와 과학적인 기계 학습 작업에 맞춰진 기본 모델의 개발을 가속화하는 것을 목표로 합니다.

과제는 이러한 분야와 달리 이기종 세트의 데이터와 다양한 과학 분야의 정보를 활용하는 AI 모델을 구축하는 것입니다. 자연어 처리로서 이러한 모델은 통합된 표현(예: 텍스트)을 공유하지 않습니다.

이러한 모델은 강력한 기준으로 사용되거나 특정 응용 분야에 대해 과학자가 추가로 미세 조정할 수 있습니다. 이 접근 방식은 인과 관계, 측정, 신호 처리와 같은 공유된 일반 개념 또는 선험적(예: 배경 지식)과 같은 더욱 전문화된 공유 개념에 대해 더욱 강력한 기성 모델을 제공함으로써 과학 분야에서 AI를 민주화할 수 있는 잠재력을 가지고 있습니다. 그렇지 않으면 이러한 개념을 처음부터 배워야 합니다.

이 목표를 달성하기 위해 이 연구 프로그램은 다양한 분야의 순수 기계 학습 연구원과 도메인 과학자로 구성된 팀을 구성합니다. 또한 세계 최고의 전문가로 구성된 과학 자문 패널

연구팀으로부터 지침을 받아보세요.

과학 자문단.

읽을 내용 다시 작성: 기관 참여

진정으로 과학적 기반 모델을 구축하려면 광범위한 사전 연구가 필요합니다. 우리 연구 프로그램은 이 분야의 기초에 집중하고 있습니다. 현재까지 우리는 주요 아키텍처 구성 요소에 대한 연구를 발표했습니다. 우리의 연구는 숫자 데이터에 대한 언어 모델 적용, 다양한 물리적 시스템에서 훈련된 대리 모델의 전달 가능성 입증, 다중 모드 과학 데이터에 대한 공유 임베딩 학습을 포괄합니다.

이 연구 프로그램은 과학적 기계 학습 환경을 재정의하는 데 중요한 역할을 합니다. 우리는 그 잠재력에 매우 기대하고 있습니다. , 그리고 Polymathic AI는 이 목표를 향한 야심찬 발걸음을 나타냅니다.

프로젝트 오픈 소스 주소: https://github.com/PolymathicAI/

다음을 참조하십시오: https://polymathic-ai.org/blog/announcement/

https://polymathic-ai.org/

https://twitter.com/MilesCranmer/status/1711429121220465037

위 내용은 AI for Science의 새로운 오픈 소스 프로젝트 'Polymathic AI', Yann LeCun이 컨설턴트로 활동의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!