网站首页百科全书 > 正文

平衡训练数据和人类知识让人工智能更像科学家

2024-03-11 10:33:50 百科全书来源：

导读当你教孩子如何解决难题时，你可以让他们通过反复试验来解决问题，也可以用一些基本规则和技巧来指导他们。同样，将规则和技巧纳入人工智能...

当你教孩子如何解决难题时，你可以让他们通过反复试验来解决问题，也可以用一些基本规则和技巧来指导他们。同样，将规则和技巧纳入人工智能训练(例如物理定律)可以使它们更加高效并且更能反映现实世界。然而，帮助人工智能评估不同规则的价值可能是一项棘手的任务。

研究人员3 月 8 日在《Nexus》杂志上报道称，他们已经开发了一个框架，用于评估“知情机器学习模型”中规则和数据的相对价值，并将两者结合起来。他们表明，通过这样做，他们可以帮助人工智能融入现实世界的基本规律，并更好地解决科学问题，例如解决复杂的数学问题和优化化学实验中的实验条件。

“将人类知识嵌入人工智能模型有可能提高其效率和推理能力，但问题是如何平衡数据和知识的影响，”北京大学的第一作者徐浩说。“我们的框架可用于评估不同的知识和规则，以增强深度学习模型的预测能力。”

像 ChatGPT 和 Sora 这样的生成式 AI 模型纯粹是数据驱动的——这些模型会获得训练数据，并通过反复试验进行自学。然而，由于只有数据可供使用，这些系统无法学习物理定律，例如重力或流体动力学，而且它们在与训练数据不同的情况下也很难执行。

另一种方法是知情机器学习，研究人员为模型提供一些基本规则来帮助指导其训练过程，但人们对规则与数据在驱动模型准确性方面的相对重要性知之甚少。

“我们正在尝试教授人工智能模型物理定律，以便它们能够更好地反映现实世界，这将使它们在科学和工程中更有用，”宁波东部理工学院的资深作者云天陈说。

版权说明： 本文由用户上传，如有侵权请联系删除！

标签：