Googleの元CEOがOpenAIの目標達成に向けたAI+サイエンスのムーンショット計画を立ち上げる

元 Google CEO エリック シュミットは、人工知能を利用して科学研究が直面する課題に対処することを目的とした大規模な AI サイエンス非営利スタートアップを立ち上げます

##写真

彼は、この非営利イニシアチブを主導するために 2 人の優れた科学者を招待しました。ロチェスター大学の教授であり、化学における人工知能の使用の先駆者です。彼らは皆、それぞれの分野で比較的若い学術界のスターであり、すでに優れた業績を達成しています

シュミット、ロドリゲス、ホワイトは全員、人工知能が科学研究の未来を変えると信じています

「MIT Technology Review」に掲載された「AI が科学のやり方をどう変えるか」というタイトルの記事で、シュミット氏は自身のビジョンを表明しました

人工知能の進歩により、科学はより刺激的になり、ある意味では認識できなくなるでしょう。この変化の影響は研究室の範囲をはるかに超えて広がり、私たち全員に影響を与えるでしょう。

写真

On一方、ロドリクス氏とホワイト氏は、自身の実験ウェブサイトや街頭演説で、人工知能が科学を破壊するという予測や仮定を提唱している

ロドリクス氏は、「我々には中核となるAI Aチームが必要だ」と述べた。研究者と中心となる科学者が協力し、迅速な反復サイクルを採用して、最先端のテクノロジーを活用し、科学者に真の価値をもたらすツールを構築します。」

Jim ·Fan は、この会社が大きな可能性。 LLM とインテリジェント ロボットが将来の科学研究のインフラになれば、LK-99 のような実験はもはや手作業の錬金術のレベルに留まることはありません。

写真

事情に詳しい関係者によると、シュミット氏が行っている仕事はテンプレートとしてOpenAIに基づいているが、資金はシュミット氏が妻のウェンディ氏と共同設立したシュミット・フューチャーズから出ているという。基本的に、活動資金はシュミット個人によって支払われました

ジムもシュミットの組織が継続できるかどうかについて懸念を表明しました

AI Science Moonshot

科学的洞察と理論を形成するための基礎を決定するのは、データを収集、変換、理解する方法です。

その中で、データの収集と分析が重要です。科学的な理解と発見の基礎です。

1950 年代、デジタル テクノロジの導入により、科学研究におけるコンピュータの普及への道が開かれました。

2010 年以降、コンピュータの普及が進みました。深層学習の活用により、人工知能は大規模なデータセットから科学的に関連するパターンを特定することで価値のあるガイダンスを提供できるようになります。これにより、科学的発見のプロセスの範囲と野心が大幅に拡大されます

科学的発見は、仮説策定、実験計画、データ収集、分析など、相互に関連する複数の段階を含む多面的なプロセスです

科学研究のさまざまな段階で科学的実践や手順には違いがありますが、人工知能アルゴリズムは従来孤立していた分野にまたがる能力を備えています

# 人工知能 ( AI) は、分野や分野にわたる大量のデータセットの統合、正確な測定、実験ガイダンス、データ互換の理論空間の探索にますます使用されるようになっていると同時に、実用的で信頼性の高いモデルや科学ワークフローとの統合も提供しています。 AI の応用により、科学研究の設計と実行を強化できます。パラメーターと関数を最適化し、多数の候補仮説を探索して理論的観点を形成するための手順を自動化することにより、データを収集、視覚化、処理し、仮説を生成してその不確実性を推定して、関連する実験を推奨することができます

写真

AI時代の科学

ただし、人工知能を使用して科学研究を行うことは、気軽に実施できるという意味ではありません。

最大の課題の 1 つは、科学的疑問における膨大な仮説空間です。これにより、系統的な探索が不可能になります。

生化学の分野では、探索する必要がある薬物分子の数は約 10 の 60 乗であると推定されています。

AI システムは、プロセスを高速化し、実験に近い精度で予測を提供することで科学ワークフローに革命を起こすことができますが、

注釈付きのデータセットを確実に取得することは、AI モデルにとっての課題です。実験やシミュレーションに多くの時間とリソースを必要とするかなり大規模なプロジェクト

最近の開発では、AlphaFold が Google DeepMind によって開発され、50 年来の問題の解決に成功しました。折りたたみパズル

AI を活用した AlphaFold を活用した数百万の粒子の分子システム シミュレーション 16 は、難しい科学的問題を解決する際の人工知能の可能性を示しています

問題の 1 つは、AI の内部動作について人々が不透明であるため、予測結果の信頼性が低下し、特定の分野での適用性も制限されることです。

たとえば、モデルの出力は次の条件に準拠する必要があります。実用化前の実際の状況。たとえば、有人宇宙探査や、気候科学などの政策立案に情報を提供する分野などです。

将来の科学研究

AI 専攻をお探しの方向け将来的には、知識への需要は 2 つの力の影響を受けるでしょう。

まず、AI アプリケーションから恩恵を受ける分野の 1 つは自動運転です。第二に、AI スマート ツールの導入により、最先端技術が強化され、核融合反応の研究に AI を使用するなど、生物学的、化学的、または物理的プロセスでの応用などの新たな機会が創出されます。

将来の研究チームの構成は、Al の専門家、ソフトウェアおよびハードウェアのエンジニアを含むこれら 2 つの力と、あらゆるレベルの政府、教育機関、企業が関与する新しい形態の協力に基づいて変化します。

最先端のモデルがスケールし続けるにつれて、エネルギー消費量が増加し、計算コストがますます高価になります。その結果、大手テクノロジー企業はコンピューティング インフラストラクチャとクラウド サービスに投資し、規模と効率の限界を常に押し上げています。これは、営利組織と非学術組織の両方が大規模なコンピューティング インフラストラクチャを使用することを意味します

# は、高等教育機関が複数の分野をより適切に統合できるようにするために必要です。さらに、学術機関は、他には存在しないかもしれないが、Al Science にとって不可欠な独自の歴史的データベースや測定技術を所有していることがよくあります。

これらの補完的な資産は、産学協力の新しいモデルを促進します。研究の質問の選択に影響を与えます。 ##

以上がGoogleの元CEOがOpenAIの目標達成に向けたAI+サイエンスのムーンショット計画を立ち上げるの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。