Il a été largement salué pour ses représentations avancées et réalistes des choses et salué comme un énorme pas en avant pour IA générativemais la société a admis qu’elle avait encore du mal à simuler certains aspects du monde réel et qu’elle ne pouvait pas « modéliser avec précision la physique de nombreuses interactions fondamentales, comme le bris de verre ».
Sora est entraîné à l’aide de grandes quantités de données visuelles, ce qui lui permet de détecter des modèles pour générer des images et des vidéos qui imitent la réalité. Mais il n’est pas formé pour comprendre les lois physiques telles que la gravité.
“Sans une compréhension fondamentale du monde, un modèle est essentiellement une animation plutôt qu’une simulation”, a déclaré Chen Yuntian, auteur de l’étude et professeur à l’Eastern Institute of Technology.
L’écart entre la Chine et les États-Unis en matière d’IA se creuse : « nous sommes tous très anxieux »
Les modèles d’apprentissage profond sont généralement formés à l’aide de données et non de connaissances préalables, qui peuvent inclure des éléments tels que les lois de la physique ou la logique mathématique, selon l’article.
Mais les scientifiques de l’Université de Pékin et de l’EIT ont écrit que lors de la formation des modèles, les connaissances antérieures pourraient être utilisées parallèlement aux données pour les rendre plus précises, créant ainsi des modèles « d’apprentissage automatique éclairé » capables d’incorporer ces connaissances dans leurs résultats.
Décider quelles connaissances préalables – qui peuvent inclure des éléments tels que des relations fonctionnelles, des équations et de la logique – à intégrer dans un modèle pour le « pré-apprendre » était un défi et l’incorporation de plusieurs règles pourrait également conduire à l’effondrement des modèles, a écrit l’équipe.
« Face à un volume élevé de connaissances et de règles – ce qui est souvent le cas, les modèles actuels d’apprentissage automatique informé ont tendance à connaître des difficultés, voire à échouer », a déclaré Chen.
Pour résoudre ce problème, les chercheurs ont créé un cadre permettant d’évaluer la valeur des règles et de déterminer quelles combinaisons ont abouti aux modèles les plus prédictifs.
“L’intégration des connaissances humaines dans les modèles d’IA a le potentiel d’améliorer leur efficacité et leur capacité à faire des inférences, mais la question est de savoir comment équilibrer l’influence des données et des connaissances”, a déclaré Xu Hao, premier auteur et chercheur à l’Université de Pékin, dans une cellule. Déclaration de presse.
03:48
Les jeunes célibataires chinois se tournent vers des partenaires générés par l’IA
Les jeunes célibataires chinois se tournent vers des partenaires générés par l’IA
“Notre cadre peut être utilisé pour évaluer différentes connaissances et règles afin d’améliorer la capacité prédictive des modèles d’apprentissage profond.”
Le cadre calcule « l’importance des règles », en examinant comment une règle ou une ou plusieurs règles spécifiques affectent la précision prédictive d’un modèle, selon l’article.
Enseigner aux modèles d’IA de telles règles – par exemple les lois de la physique – pourrait les rendre « plus représentatifs du monde réel, ce qui les rendrait plus utiles en science et en ingénierie », a déclaré Chen de l’EIT, dans le communiqué.
Les chercheurs ont testé leur cadre en l’utilisant pour optimiser un modèle de résolution d’équations multivariées et un autre utilisé pour prédire les résultats d’une expérience chimique.
Chen a déclaré qu’à court terme, ce cadre serait le plus utile dans les modèles scientifiques « où la cohérence entre le modèle et les règles physiques est cruciale pour éviter des conséquences potentiellement désastreuses ».
De l’IA aux véhicules électriques, comment se déroule la rivalité sino-américaine dans les domaines clés de la haute technologie ?
L’équipe espère pousser plus loin son cadre pour permettre à l’IA d’identifier ses propres connaissances et règles directement à partir des données, sans interférence humaine.
“Nous voulons en faire une boucle fermée en faisant du modèle un véritable scientifique en IA”, a déclaré Chen dans le communiqué. L’équipe développe un outil plug-in open source pour les développeurs d’IA qui pourrait leur permettre d’y parvenir.
Cependant, l’équipe a déjà identifié au moins un problème.
05:03
Comment l’IA chinoise se compare-t-elle à ChatGPT ?
Comment l’IA chinoise se compare-t-elle à ChatGPT ?
Au cours de l’étude, l’équipe a découvert que lorsque davantage de données sont ajoutées à un modèle, les règles générales deviennent plus importantes que les règles locales spécifiques, mais cela n’aide pas dans des domaines tels que la biologie et la chimie, car « il leur manque souvent des règles générales facilement disponibles, telles que celles-ci ». régissant les équations ».
2024-03-10 01:00:11
1710022933
#Des #chercheurs #chinois #espèrent #créer #vrais #scientifiques #grâce #apprentissage #automatique #éclairé