AI for Science neues Open-Source-Projekt „Polymathic AI“, Yann LeCun fungiert als Berater

Der Inhalt, der neu geschrieben werden muss, ist: Herausgeber | Zi Luo setzt Fortschritte. Dies hat zur Entstehung von „Basismodellen“ geführt

Beispielsweise haben „große Sprachmodelle“ eine Renaissance im NLP ausgelöst: Die Feinabstimmung oder Anregung generalistischer Modelle ist mittlerweile gängige Praxis, anstatt spezialisierte Modelle von Grund auf zu trainieren.

Allerdings muss die Anwendung von maschinellem Lernen auf wissenschaftliche Datensätze noch einen ähnlichen Paradigmenwechsel durchlaufen.

Dies ist eine nicht realisierte Chance, die das Forschungsprogramm „Polymathic AI“ (Polymathic AI) lösen möchte.

Yann LeCun, Gewinner des Turing-Preises und Chefwissenschaftler von Meta, sagte: „Ich freue mich sehr, Berater für das neue AI for Science-Projekt (Polymathic AI) zu werden.“

Miles Cranmer, Assistenzprofessor für KI+-Astronomie/Physik an der Universität Cambridge, teilte auf Twitter ein neues Projekt, an dem er beteiligt ist: Polymathic AI!

„Wir entwickeln grundlegende Modelle wissenschaftlicher [Daten], damit sie von gemeinsamen Konzepten verschiedener Disziplinen profitieren können.“

Internetnutzer sagten: „Das ist großartig! Das sieht interessant aus! Diese Forschung ist erstaunlich…“

Die Versatile AI Initiative zielt darauf ab, die Entwicklung grundlegender Modelle zu beschleunigen, die auf numerische Datensätze und wissenschaftliche maschinelle Lernaufgaben zugeschnitten sind.

Die Herausforderung besteht darin, KI-Modelle zu erstellen, die Daten aus heterogenen Mengen und Informationen aus verschiedenen wissenschaftlichen Bereichen nutzen Als Verarbeitung natürlicher Sprache verfügen diese Modelle nicht über eine einheitliche Darstellung (d. h. Text).

Diese Modelle können dann als leistungsstarke Basislinien verwendet oder von Wissenschaftlern für bestimmte Anwendungen weiter verfeinert werden. Dieser Ansatz hat das Potenzial, die KI in der Wissenschaft zu demokratisieren, indem er vorgefertigte Modelle bereitstellt, die für gemeinsame allgemeine Konzepte wie Kausalität, Messung, Signalverarbeitung oder sogar speziellere gemeinsame Konzepte wie A-priori (d. h. Hintergrundwissen) geeignet sind. Andernfalls müssen diese Konzepte von Grund auf erlernt werden.

Um dieses Ziel zu erreichen, bringt dieses Forschungsprogramm ein Team aus Forschern des reinen maschinellen Lernens und Fachwissenschaftlern aus verschiedenen Disziplinen zusammen. Erhalten Sie außerdem Beratung von einem wissenschaftlichen Beratungsgremium aus weltweit führenden Experten

Forschungsteam.

Wissenschaftliche Beratergruppe.

Umgeschriebener Inhalt zum Lesen: Institutionelle Beteiligung

Der Aufbau eines wirklich wissenschaftlich fundierten Modells erfordert umfangreiche Vorrecherchen. Unser Forschungsprogramm konzentriert sich auf die Grundlagen dieses Bereichs. Bisher haben wir Forschungsergebnisse zu wichtigen Architekturkomponenten veröffentlicht. Unsere Forschung umfasst die Anpassung von Sprachmodellen an numerische Daten, den Nachweis der Übertragbarkeit von Ersatzmodellen, die auf verschiedenen physikalischen Systemen trainiert wurden, und das Erlernen gemeinsamer Einbettungen für multimodale wissenschaftliche Daten.

Dieses Forschungsprogramm trägt maßgeblich zur Neudefinition der wissenschaftlichen Landschaft des maschinellen Lernens bei. Wir sind sehr gespannt auf das Potenzial , und Polymathic AI stellt einen ehrgeizigen Schritt in Richtung dieses Ziels dar

Open-Source-Adresse des Projekts: https://github.com/PolymathicAI/

Bitte beachten Sie Folgendes: https://polymathic-ai.org/blog/announcement/

https://polymathic-ai.org/

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

Das obige ist der detaillierte Inhalt vonAI for Science neues Open-Source-Projekt „Polymathic AI“, Yann LeCun fungiert als Berater. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!