Rumah Peranti teknologi AI 'Saintis AI” baharu menggabungkan teori dan data untuk menemui persamaan saintifik

'Saintis AI” baharu menggabungkan teori dan data untuk menemui persamaan saintifik

May 18, 2023 am 10:49 AM
ai sains

Para saintis menyasarkan untuk menemui formula bermakna yang menerangkan data percubaan dengan tepat. Model matematik fenomena semula jadi boleh dibuat secara manual berdasarkan pengetahuan domain, atau ia boleh dibuat secara automatik daripada set data besar menggunakan algoritma pembelajaran mesin. Komuniti akademik telah mengkaji masalah penggabungan pengetahuan terdahulu yang berkaitan dan model fungsi yang berkaitan, dan percaya bahawa mencari model yang selaras dengan pengetahuan terdahulu mengenai aksiom logik am adalah masalah yang tidak dapat diselesaikan.

Penyelidik daripada pasukan penyelidik IBM dan pasukan AI Samsung membangunkan kaedah "AI-Descartes" yang menggabungkan penaakulan logik dengan regresi simbolik untuk mengekstrak data daripada pengetahuan aksiomatik dan data eksperimen dalam derivasi prinsip model fenomena alam.

Penyelidikan yang bertajuk "Menggabungkan data dan teori untuk penemuan saintifik boleh terbit dengan AI-Descartes", diterbitkan pada 12 April 2023 dalam "Nature Komunikasi》.

Saintis AI” baharu menggabungkan teori dan data untuk menemui persamaan saintifik

Rangkaian saraf tiruan (NN) dan regresi statistik sering digunakan untuk menemui corak dan perhubungan dalam data secara automatik. NN mengembalikan model "kotak hitam" di mana fungsi asas biasanya digunakan hanya untuk ramalan. Dalam regresi standard, bentuk kefungsian telah ditetapkan, jadi penemuan model berjumlah pada pemasangan parameter. Dalam regresi simbolik (SR), bentuk fungsian tidak ditentukan terlebih dahulu tetapi terdiri daripada operator (cth., +, -, ×, dan ÷) daripada senarai yang diberikan dan dikira daripada data.

Model SR biasanya lebih "boleh ditafsir" berbanding model NN dan memerlukan kurang data. Oleh itu, untuk menemui undang-undang semula jadi secara simbolik daripada data eksperimen, SR mungkin lebih berkesan daripada NN atau regresi bentuk tetap, penyepaduan NN dan SR telah menjadi subjek penyelidikan terkini dalam AI neurosimbolik; Cabaran utama dalam SR ialah mengenal pasti model yang bermakna secara saintifik daripada banyak model yang sesuai dengan data. Para saintis mentakrifkan fungsi yang bermakna sebagai fungsi yang mengimbangi ketepatan dan kerumitan. Walau bagaimanapun, banyak ungkapan sedemikian wujud untuk set data tertentu, dan tidak semuanya konsisten dengan teori latar belakang yang diketahui.

Pendekatan lain ialah bermula dengan teori latar belakang yang diketahui, tetapi pada masa ini tiada alat inferens praktikal yang boleh menjana teorem yang konsisten dengan data eksperimen daripada set aksiom yang diketahui. Automatic Theorem Provers (ATP) ialah alat penaakulan yang paling banyak digunakan yang boleh membuktikan tekaan untuk teori logik tertentu. Kerumitan pengiraan adalah cabaran utama untuk ATP untuk beberapa jenis logik, membuktikan sangkaan tidak dapat ditentukan.

Tambahan pula, mendapatkan model daripada teori logik menggunakan alat penaakulan formal amat sukar apabila operator aritmetik dan kalkulus terlibat. Teknik pembelajaran mesin telah digunakan untuk meningkatkan prestasi ATP, contohnya, dengan menggunakan pembelajaran pengukuhan untuk membimbing proses carian.

Model boleh terbitan bukan sahaja harus tepat secara empirik, tetapi model tersebut harus bersifat ramalan dan berwawasan.

Penyelidik dari pasukan penyelidik IBM dan pasukan Samsung AI cuba mendapatkan model sedemikian dengan menggabungkan kaedah SR berasaskan pengoptimuman matematik baharu dengan sistem inferens. Ini menghasilkan sistem penemuan hujung ke hujung "AI-Descartes" yang mengekstrak formula daripada data melalui SR dan kemudian memberikan bukti terbitan formula daripada set aksiom, atau memberikan bukti ketidakkonsistenan. Apabila model terbukti tidak boleh terbit, penyelidik mencadangkan langkah baharu yang menunjukkan betapa hampir formula itu dengan formula terbitan, dan menggunakan sistem inferens mereka untuk mengira nilai ukuran ini.

Saintis AI” baharu menggabungkan teori dan data untuk menemui persamaan saintifik

Ilustrasi: Gambaran keseluruhan sistem. (Sumber: kertas)

Dalam kerja awal menggabungkan pembelajaran mesin dengan inferens, saintis menggunakan penerangan berasaskan logik untuk mengekang output seni bina saraf GAN yang menjana imej. Terdapat juga pasukan yang menggabungkan alat pembelajaran mesin dan enjin inferens untuk mencari bentuk berfungsi yang memenuhi kekangan yang telah ditetapkan. Ini adalah untuk menambah set data awal dengan mata baharu, sekali gus meningkatkan kecekapan kaedah pembelajaran dan ketepatan model akhir. Sesetengah pasukan juga memanfaatkan pengetahuan sedia ada untuk mencipta titik data tambahan. Walau bagaimanapun, kajian ini hanya mempertimbangkan kekangan pada bentuk fungsian untuk dipelajari dan tidak termasuk aksiom teori latar belakang umum (kekangan logik yang menerangkan undang-undang lain dan pembolehubah tidak terukur yang terlibat dalam fenomena).

Cristina Cornelio, pengarang utama kertas kerja dan saintis penyelidikan di Samsung AI, berkata AI-Descartes menawarkan beberapa kelebihan berbanding sistem lain, tetapi ciri yang paling membezakannya ialah ia keupayaan penaakulan logik. Jika terdapat berbilang persamaan calon yang sesuai dengan data dengan baik, sistem mengenal pasti persamaan yang paling sesuai dengan teori saintifik latar belakang. Keupayaan untuk menaakul juga membezakan sistem daripada program "AI generatif" seperti ChatGPT, yang model bahasanya yang besar mempunyai keupayaan logik yang terhad dan kadangkala bercelaru dengan matematik asas.

"Dalam kerja kami, kami menggabungkan kaedah prinsip pertama dengan kaedah dipacu data yang lebih biasa dalam era pembelajaran mesin, yang telah digunakan oleh saintis selama berabad-abad. "Gabungan ini membolehkan kami memanfaatkan kedua-dua pendekatan dan mencipta model yang lebih tepat dan bermakna untuk pelbagai aplikasi." >

Nama AI-Descartes ialah penghormatan kepada ahli matematik dan ahli falsafah abad ke-17, René Descartes, yang percaya bahawa dunia semula jadi boleh digambarkan oleh beberapa undang-undang fizikal asas dan kesimpulan logik memainkan peranan penting dalam penemuan saintifik.

Saintis AI” baharu menggabungkan teori dan data untuk menemui persamaan saintifik

Ilustrasi: Penjelasan kaedah saintifik pelaksanaan sistem. (Sumber: Kertas)

Penyelidik dari pasukan ini telah menunjukkan bahawa menggabungkan penaakulan logik dengan regresi simbolik adalah sangat bernilai dalam mendapatkan model simbolik yang bermakna bagi fenomena fizikal konsisten dengan teori latar belakang dan umumkan dengan baik kepada domain yang jauh lebih besar daripada data eksperimen. Gabungan regresi dan inferens menghasilkan model yang lebih baik daripada sama ada SR atau inferens logik sahaja.

Penambahbaikan atau penggantian komponen sistem individu dan pengenalan modul baharu, seperti penaakulan abduktif atau reka bentuk eksperimen akan mengembangkan fungsi keseluruhan sistem. Penyepaduan inferens dan regresi yang lebih mendalam boleh membantu mensintesis model berasaskan data dan berasaskan prinsip pertama dan membawa kepada revolusi dalam proses penemuan saintifik. Menemui model yang konsisten dengan pengetahuan sedia ada akan mempercepatkan penemuan saintifik dan mengatasi paradigma penemuan sedia ada.

Pasukan menggunakan model untuk menyimpulkan undang-undang ketiga pergerakan planet Kepler, undang-undang pelebaran masa relativistik Einstein, dan teori penjerapan Langmuir menunjukkan bahawa apabila penaakulan logik digunakan untuk Apabila membezakan formula calon dengan ralat serupa pada data, model boleh menemui corak dominan daripada sebilangan kecil titik data.

Saintis AI” baharu menggabungkan teori dan data untuk menemui persamaan saintifik

Ilustrasi: Visualisasi set berkaitan dan jaraknya. (Sumber: kertas)

"Dalam karya ini, kita memerlukan pakar manusia untuk menulis dalam cara yang formal dan boleh dibaca komputer apakah aksiom teori latar belakang, jika Jika manusia terlepas salah satu daripada mereka atau salah satu daripadanya, sistem itu tidak akan berfungsi," kata Tyler Josephson, penolong profesor kimia, biokimia dan kejuruteraan alam sekitar di UMBC. "Pada masa hadapan, kami juga berharap untuk mengautomasikan bahagian ini kerja supaya kita boleh menerokai lebih banyak bidang sains dan kejuruteraan 》

Akhirnya, pasukan berharap AI-Descartes mereka dapat memberi inspirasi kepada pendekatan saintifik baharu yang produktif, sama seperti saintis sebenar. "Salah satu aspek yang paling menarik dalam kerja kami ialah potensi untuk kemajuan yang ketara dalam penyelidikan saintifik," kata Cornelio.

Pautan kertas: https://www.nature.com/articles/s41467-023-37236-y

Laporan berkaitan: https://techxplore.com/news/2023-04-ai-scientist-combines-theory-scientific.html

Atas ialah kandungan terperinci 'Saintis AI” baharu menggabungkan teori dan data untuk menemui persamaan saintifik. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Kaedah apa yang digunakan untuk menukar rentetan ke dalam objek dalam vue.js? Kaedah apa yang digunakan untuk menukar rentetan ke dalam objek dalam vue.js? Apr 07, 2025 pm 09:39 PM

Apabila menukar rentetan ke objek dalam vue.js, json.parse () lebih disukai untuk rentetan json standard. Untuk rentetan JSON yang tidak standard, rentetan boleh diproses dengan menggunakan ungkapan biasa dan mengurangkan kaedah mengikut format atau url yang dikodkan. Pilih kaedah yang sesuai mengikut format rentetan dan perhatikan isu keselamatan dan pengekodan untuk mengelakkan pepijat.

Vue.js Bagaimana untuk menukar pelbagai jenis rentetan ke dalam pelbagai objek? Vue.js Bagaimana untuk menukar pelbagai jenis rentetan ke dalam pelbagai objek? Apr 07, 2025 pm 09:36 PM

Ringkasan: Terdapat kaedah berikut untuk menukar array rentetan vue.js ke dalam tatasusunan objek: Kaedah asas: Gunakan fungsi peta yang sesuai dengan data yang diformat biasa. Permainan lanjutan: Menggunakan ungkapan biasa boleh mengendalikan format yang kompleks, tetapi mereka perlu ditulis dengan teliti dan dipertimbangkan. Pengoptimuman Prestasi: Memandangkan banyak data, operasi tak segerak atau perpustakaan pemprosesan data yang cekap boleh digunakan. Amalan Terbaik: Gaya Kod Jelas, Gunakan nama dan komen pembolehubah yang bermakna untuk memastikan kod ringkas.

Cara menyelesaikan MySQL tidak dapat dimulakan Cara menyelesaikan MySQL tidak dapat dimulakan Apr 08, 2025 pm 02:21 PM

Terdapat banyak sebab mengapa permulaan MySQL gagal, dan ia boleh didiagnosis dengan memeriksa log ralat. Penyebab umum termasuk konflik pelabuhan (periksa penghunian pelabuhan dan ubah suai konfigurasi), isu kebenaran (periksa keizinan pengguna yang menjalankan perkhidmatan), ralat fail konfigurasi (periksa tetapan parameter), rasuah direktori data (memulihkan data atau membina semula ruang meja), isu ruang jadual InnoDB (semak fail ibdata1) Apabila menyelesaikan masalah, anda harus menganalisisnya berdasarkan log ralat, cari punca utama masalah, dan mengembangkan tabiat sandaran data secara teratur untuk mencegah dan menyelesaikan masalah.

Cara Menggunakan MySQL Selepas Pemasangan Cara Menggunakan MySQL Selepas Pemasangan Apr 08, 2025 am 11:48 AM

Artikel ini memperkenalkan operasi pangkalan data MySQL. Pertama, anda perlu memasang klien MySQL, seperti MySqlworkbench atau Command Line Client. 1. Gunakan perintah MySQL-Uroot-P untuk menyambung ke pelayan dan log masuk dengan kata laluan akaun root; 2. Gunakan CreateTatabase untuk membuat pangkalan data, dan gunakan Pilih pangkalan data; 3. Gunakan createtable untuk membuat jadual, menentukan medan dan jenis data; 4. Gunakan InsertInto untuk memasukkan data, data pertanyaan, kemas kini data dengan kemas kini, dan padam data dengan padam. Hanya dengan menguasai langkah -langkah ini, belajar menangani masalah biasa dan mengoptimumkan prestasi pangkalan data anda boleh menggunakan MySQL dengan cekap.

Cara menetapkan masa tamat vue axios Cara menetapkan masa tamat vue axios Apr 07, 2025 pm 10:03 PM

Untuk menetapkan masa untuk Vue Axios, kita boleh membuat contoh Axios dan menentukan pilihan masa tamat: dalam tetapan global: vue.prototype. $ Axios = axios.create ({timeout: 5000}); Dalam satu permintaan: ini. $ axios.get ('/api/pengguna', {timeout: 10000}).

Geospatial Laravel: Pengoptimuman peta interaktif dan sejumlah besar data Geospatial Laravel: Pengoptimuman peta interaktif dan sejumlah besar data Apr 08, 2025 pm 12:24 PM

Cecair memproses 7 juta rekod dan membuat peta interaktif dengan teknologi geospatial. Artikel ini meneroka cara memproses lebih dari 7 juta rekod menggunakan Laravel dan MySQL dan mengubahnya menjadi visualisasi peta interaktif. Keperluan Projek Cabaran Awal: Ekstrak Wawasan berharga menggunakan 7 juta rekod dalam pangkalan data MySQL. Ramai orang mula -mula mempertimbangkan bahasa pengaturcaraan, tetapi mengabaikan pangkalan data itu sendiri: Bolehkah ia memenuhi keperluan? Adakah penghijrahan data atau pelarasan struktur diperlukan? Bolehkah MySQL menahan beban data yang besar? Analisis awal: Penapis utama dan sifat perlu dikenalpasti. Selepas analisis, didapati bahawa hanya beberapa atribut yang berkaitan dengan penyelesaiannya. Kami mengesahkan kemungkinan penapis dan menetapkan beberapa sekatan untuk mengoptimumkan carian. Carian Peta Berdasarkan Bandar

Jurutera Backend Senior Remote (Platform) memerlukan kalangan Jurutera Backend Senior Remote (Platform) memerlukan kalangan Apr 08, 2025 pm 12:27 PM

Jurutera Backend Senior Remote Company Kekosongan Syarikat: Lokasi Lokasi: Jauh Pejabat Jauh Jenis: Gaji sepenuh masa: $ 130,000- $ 140,000 Penerangan Pekerjaan Mengambil bahagian dalam penyelidikan dan pembangunan aplikasi mudah alih Circle dan ciri-ciri berkaitan API awam yang meliputi keseluruhan kitaran hayat pembangunan perisian. Tanggungjawab utama kerja pembangunan secara bebas berdasarkan rubyonrails dan bekerjasama dengan pasukan react/redux/relay front-end. Membina fungsi teras dan penambahbaikan untuk aplikasi web dan bekerjasama rapat dengan pereka dan kepimpinan sepanjang proses reka bentuk berfungsi. Menggalakkan proses pembangunan positif dan mengutamakan kelajuan lelaran. Memerlukan lebih daripada 6 tahun backend aplikasi web kompleks

Cara mengoptimumkan prestasi pangkalan data selepas pemasangan MySQL Cara mengoptimumkan prestasi pangkalan data selepas pemasangan MySQL Apr 08, 2025 am 11:36 AM

Pengoptimuman prestasi MySQL perlu bermula dari tiga aspek: konfigurasi pemasangan, pengindeksan dan pengoptimuman pertanyaan, pemantauan dan penalaan. 1. Selepas pemasangan, anda perlu menyesuaikan fail my.cnf mengikut konfigurasi pelayan, seperti parameter innodb_buffer_pool_size, dan tutup query_cache_size; 2. Buat indeks yang sesuai untuk mengelakkan indeks yang berlebihan, dan mengoptimumkan pernyataan pertanyaan, seperti menggunakan perintah menjelaskan untuk menganalisis pelan pelaksanaan; 3. Gunakan alat pemantauan MySQL sendiri (ShowProcessList, ShowStatus) untuk memantau kesihatan pangkalan data, dan kerap membuat semula dan mengatur pangkalan data. Hanya dengan terus mengoptimumkan langkah -langkah ini, prestasi pangkalan data MySQL diperbaiki.

See all articles