'AI Scientist' Akan Gabungkan Teori dan Data untuk Temukan Persamaan Ilmiah
 |
| Sumber gambar: LinkedIn |
Sekarang, sekitar seratus tahun kemudian, sebuah robot bernama "AI Scientist" atau "ilmuwan AI" yang dikembangkan oleh para peneliti di IBM Research, Samsung AI, dan University of Maryland, Baltimore County (UMBC) telah mereproduksi bagian penting dari karya pemenang Hadiah Nobel Langmuir.
Sistem kecerdasan buatan (AI) yang berfungsi sebagai ilmuwan — juga menemukan kembali hukum ketiga Kepler tentang gerak planet, yang dapat menghitung waktu yang dibutuhkan satu objek luar angkasa untuk mengorbit objek lain dengan jarak yang memisahkan mereka, dan menghasilkan perkiraan waktu relativistik Einstein yang baik. -hukum dilatasi, yang menunjukkan bahwa waktu melambat untuk objek yang bergerak cepat.
Penelitian ini didukung oleh Defense Advanced Research Projects Agency (DARPA). Makalah yang menjelaskan hasilnya akan dipublikasikan di jurnal Nature Communications pada 12 April.
Alat pembelajaran mesin yang beralasan
Ilmuwan AI baru — dijuluki "AI-Descartes" oleh para peneliti — bergabung dengan orang-orang seperti AI Feynman dan alat komputasi lain yang dikembangkan baru-baru ini yang bertujuan untuk mempercepat penemuan ilmiah. Inti dari sistem ini adalah konsep yang disebut regresi simbolik, yang menemukan persamaan agar sesuai dengan data.
Mengingat operator dasar, seperti penjumlahan, perkalian, dan pembagian, sistem dapat menghasilkan ratusan hingga jutaan kandidat persamaan, mencari yang paling akurat menggambarkan hubungan dalam data.
AI-Descartes menawarkan beberapa keunggulan dibandingkan sistem lain, tetapi fitur yang paling khas adalah kemampuannya untuk bernalar secara logis, kata Cristina Cornelio, seorang ilmuwan riset di Samsung AI di Cambridge, Inggris yang menjadi penulis pertama di atas kertas.
Jika ada beberapa persamaan kandidat yang sesuai dengan data dengan baik, sistem akan mengidentifikasi persamaan mana yang paling cocok dengan teori ilmiah latar belakang. Kemampuan untuk bernalar juga membedakan sistem dari program "AI generatif" seperti ChatGPT, yang model bahasanya yang besar memiliki keterampilan logis yang terbatas dan terkadang mengacaukan matematika dasar.
“Dalam pekerjaan kami, kami menggabungkan pendekatan prinsip pertama, yang telah digunakan oleh para ilmuwan selama berabad-abad untuk memperoleh formula baru dari teori latar belakang yang ada, dengan pendekatan berbasis data yang lebih umum di era pembelajaran mesin,” kata Cornelio . “Kombinasi ini memungkinkan kami memanfaatkan kedua pendekatan dan membuat model yang lebih akurat dan bermakna untuk berbagai aplikasi.”
Nama AI-Descartes mengacu pada ahli matematika dan filsuf abad ke -17 René Descartes, yang berpendapat bahwa alam dapat dijelaskan oleh beberapa hukum fisika dasar dan deduksi logis memainkan peran kunci dalam penemuan ilmiah.
Cocok untuk data dunia nyata
Sistem ini bekerja sangat baik pada data dunia nyata yang berisik, yang dapat mengacaukan program regresi simbolik tradisional yang mungkin mengabaikan sinyal sebenarnya dalam upaya menemukan formula yang menangkap setiap zig dan zag data yang salah. Itu juga menangani set data kecil dengan baik, bahkan menemukan persamaan yang andal ketika diberi sedikitnya sepuluh titik data.
Salah satu faktor yang mungkin memperlambat adopsi alat seperti AI-Descartes untuk ilmu perbatasan adalah kebutuhan untuk mengidentifikasi dan mengkodekan teori latar belakang terkait untuk pertanyaan ilmiah terbuka.
Tim bekerja untuk membuat kumpulan data baru yang berisi data pengukuran nyata dan teori latar belakang terkait untuk menyempurnakan sistem mereka dan mengujinya di medan baru.
Mereka juga ingin melatih komputer untuk membaca makalah ilmiah dan membangun teori latar belakang sendiri.
“Dalam pekerjaan ini, kami membutuhkan pakar manusia untuk menuliskan, dalam istilah formal yang dapat dibaca komputer, apa aksioma dari teori latar belakang, dan jika manusia melewatkan salah satu atau melakukan kesalahan, sistem tidak akan bekerja, ” kata rekan penulis Tyler Josephson, asisten profesor Teknik Kimia, Biokimia, dan Lingkungan di UMBC.
“Di masa mendatang,” katanya, “kami juga ingin mengotomatiskan bagian pekerjaan ini, sehingga kami dapat menjelajahi lebih banyak bidang sains dan teknik.”
Tujuan ini memotivasi penelitian Josephson tentang alat AI untuk memajukan teknik kimia.
Pada akhirnya, tim berharap AI-Descartes mereka, seperti manusia aslinya, dapat menginspirasi pendekatan baru yang produktif terhadap sains. “Salah satu aspek yang paling menarik dari pekerjaan kami adalah potensi untuk membuat kemajuan signifikan dalam penelitian ilmiah,” kata Cornelio.
