מדענים מלמדים בינה מלאכותית כללים ותקנות כדי להפוך אותה ליעילה יותר

This post is also available in: English (אנגלית)

בדיוק כפי שיותר קל ללמד מישהו מאשר לצפות ממנו ללמוד באופן עצמאי תוך כדי עשייה, כך גם מומחי AI טוענים שניתן לשפר תפקוד של מנגנוני AI על ידי שילוב כללים בסיסיים (כמו של חוקי הפיזיקה) לתוך ההכשרה שלהם. בעוד שהרעיון יכול להפוך את האלגוריתמים והכלים ליותר טובים בהבנת העולם האמיתי, קשה לקבוע אילו כללים הם בעלי הערך הרב ביותר.

למידה עמוקה שינתה מאוד את האופן בו מדענים חוקרים בכך שהיא מאפשרת מציאת קשרים חשובים בתוך סבך של הרבה נתונים, אבל עדיין יש בעיות כאשר משתמשים בנתונים בלבד. בעוד שמודלי GenAI הלומדים אך ורק מנתונים מתקשים להבין חוקי פיזיקה ונאבקים עם סיטואציות לא מוכרות, למידת מכונה "מושכלת" מציעה חלופה המשלבת כללים בתהליך הלמידה. עם זאת, החשיבות של כללים וחוקים לעומת נתונים עדיין לא ברורה.

על פי Interesting Engineering, החוקרים פיתחו מסגרת להערכת התרומה של החוקים לרמת הדיוק של המודל, אשר ממוטבת על ידי התאמת השפעת הכללים וסינון כללים מיותרים. גישה זו התגלתה כמשפרת משמעותית את ביצועי המודל ויכולה למטב את תנאי הניסוי.

המחבר הראשי של המחקר האו שו מאוניברסיטת פקין מסביר: "להטמעת ידע אנושי במודלי AI יש פוטנציאל לשפר את היעילות והיכולת שלהם להסיק מסקנות, אבל השאלה היא כיצד לאזן את השפעת הנתונים והידע. ניתן להשתמש במסגרת שלנו כדי להעריך ידע וכללים שונים כדי לשפר את יכולת החיזוי של מודלים של למידה עמוקה".

בעוד שמודלים מונחי נתונים טובים במשימות עליהן הוכשרו ומתקשים להתמודד עם שינויים, מודלים שהונחו ע"י כללים וחוקים למעשה מראים שיעורי הצלחה גבוהים יותר בסיטואציות משתנות. "אנחנו מנסים ללמד מודלי AI את חוקי הפיזיקה כך שיוכלו להיות יותר תגובתיים למצבים בעולם האמיתי, מה שיגרום להם להיות יותר שימושיים במדע ובהנדסה", מסביר מחבר בכיר במחקר יונטיאן צ'ן.

החוקרים סיכמו שהמטרה שלהם היא להפוך את המודל למדען AI אמיתי. צ'ן אמר על כך: "אנחנו עובדים על פיתוח מודל שיכול לחלץ ידע ישירות מהנתונים ולאחר מכן להשתמש בידע זה כדי ליצור כללים ולשפר את עצמו".