AI for Science 開源新專案'Polymathic AI”，Yann LeCun擔任顧問

需要改寫的內容是：編輯| 紫羅

在過去的幾年裡，透過在各種不同的資料集上進行訓練，視覺和自然語言處理（NLP）機器學習領域取得了巨大的進展。這導致了「基礎模型」的出現

例如，「大型語言模型」引發了 NLP 的復興：微調或提示通才模型現在已成為標準做法，而不是從頭開始訓練專業模型。

然而，機器學習在科學資料集上的應用尚未發生類似的範式轉移。

這就是「Polymathic AI」（博學人工智慧）研究計畫尋求解決的一個未實現的機會。

圖靈獎得主、Meta 首席科學家 Yann LeCun 表示：「很高興能成為 AI for Science 新計畫（Polymathic AI）的顧問」。

劍橋大學AI 天體/物理助理教授Miles Cranmer在Twitter上分享了他參與的一個新計畫：Polymathic AI！

「我們正在開發科學[數據]的基礎模型，以便它們可以利用跨學科的共享概念。」

網友紛紛表示：「這太厲害了！這看起來很有趣！這項研究令人驚嘆…」

#多功能人工智慧計畫旨在加快開發專為數值資料集和科學機器學習任務定制的基礎模型

面臨的挑戰是建立人工智慧模型，利用來自異質資料集和不同科學領域的信息，與自然語言處理等領域相反，這些模型不共享統一的表示（即文字）。

然後，這些模型可以被用作強大的基準，或者由科學家針對特定的應用進行進一步微調。這種方法有可能透過提供現成的模型來實現科學中人工智慧的民主化，這些模型對於共享的一般概念（如因果關係、測量、訊號處理，甚至更專業的共享概念，如波）具有更強的先驗（即背景知識）。否則，這些概念需要從頭開始學習

為了實現這個目標，研究計畫匯集了一支由純機器學習研究人員和領域科學家組成的團隊，涵蓋各個學科。此外，也接受由世界領先專家組成的科學諮詢小組的指導

研究團隊。

科學諮商小組。

重寫內容為：機構參與

建立真正的科學基礎模型需要大量的初步研究。我們的研究計劃正在集中精力研究這個領域的基礎知識。迄今為止，我們已經發表了關於關鍵架構組件的研究成果。我們的研究涵蓋了適應數值資料的語言模型，展示在不同物理系統上訓練的代理模型的可轉移性，以及學習多模態科學資料的共享嵌入

這項研究計劃對於重新定義科學機器學習前景的潛力感到非常興奮，而Polymathic AI代表了朝著這一目標邁出的雄心勃勃的一步

專案開源位址：https://github.com/PolymathicAI/

請參考以下內容：https://polymathic-ai.org/blog/announcement/

#https://polymathic-ai.org/

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

以上是AI for Science 開源新專案'Polymathic AI”，Yann LeCun擔任顧問的詳細內容。更多資訊請關注PHP中文網其他相關文章！