Meta запускает инструменты для научных исследований и открытий

Компания Meta представила серию инструментов и исследований, разработанных в лаборатории Fundamental Artificial Intelligence Research (FAIR). Цель релизов - внести вклад в развитие технологий, применяемых в химии, нейронауках и языковом моделировании. Один из основных релизов - Open Molecules 2025 (OMol25), набор данных, позволяющий моделировать поведение молекул на атомарном уровне. Он призван облегчить разработку новых материалов, например, для хранения энергии или фармацевтической промышленности. По словам Meta, это крупнейший на сегодняшний день набор данных такого рода, включающий моделирование конфигураций, в десять раз более сложных, чем доступные ранее. "Вместе с этим ресурсом Meta представила Универсальную модель для атомов (UMA), модель машинного обучения, позволяющую предсказывать взаимодействие атомов в различных материалах и молекулах. Она была обучена на основе информации о более чем 30 миллиардах атомов и предлагается в качестве инструмента, который можно использовать и адаптировать в различных научных и промышленных исследовательских проектах«. »Компания также поделилась достижениями в области адъюнкт-сэмплинга - метода, который позволяет обучать генеративные модели в ситуациях, когда большие базы данных недоступны. Этот подход основан на корректировке реакций модели с помощью системы вознаграждения, а не исключительно на предыдущих примерах. Мета утверждает, что эта техника может быть применена в таких областях, как создание изображений, видео или химических образцов«. »Еще одним прорывом стало исследование, проведенное в сотрудничестве с Больницей Фонда Ротшильда, в котором изучается, как человеческий мозг представляет язык. Исследование выявляет сходство между этим представлением и функционированием больших языковых моделей (БЯМ), но также предупреждает о различиях в эффективности обучения: человек овладевает языком с чрезвычайной эффективностью, используя примерно в 1000 раз меньше слов, чем БЯМ. "Реальность такова, что искусственный интеллект уже используется в научной сфере, в основном для написания рукописей. Новая технология помогает в разработке черновиков, редактировании и организации контента, экономя время и ресурсы исследователей. Кроме того, она участвует в процессе рецензирования, который традиционно проводят коллеги в данной области. Искусственный интеллект ускоряет этот этап и предлагает свои предложения, а также выявляет технические несоответствия. Однако наиболее глубокие изменения происходят в сфере доступа и синтеза научных знаний. "Инструменты искусственного интеллекта способны глубоко прочитывать тысячи документов, обнаруживая закономерности и связи, на выявление которых у человека ушли бы месяцы. Это открывает путь к новым типам открытий, более междисциплинарным, более интегрированным и потенциально более быстрым", - сказал LA NACION научный сотрудник Самуэль Йоссеф. Игнасио Спиусас, исследователь из Conicet и Университета Сан-Андрес, объяснил, что первый риск - это проникновение галлюцинаций в научные публикации. «Поскольку это модели, которые генерируют язык, опираясь на его форму, а не на содержание, проблема заключается в том, что они выражают эти галлюцинации с той же уверенностью, что и истинные факты», - сказал он. Как следствие, может произойти увеличение объема ложной информации или воспроизведение заблуждений, которые искусственный интеллект включает в свою внутреннюю структуру и воспроизводит, не различая их достоверность«. »Более того, предубеждения, присутствующие в структуре данных, усиливают необходимость постоянного человеческого контроля. Очевидно, что инструменты ИИ будут продолжать интегрироваться в научные процессы, однако профессиональный надзор должен оставаться ясным, чтобы выявлять ошибки или галлюцинации, уже структурированные в системах. "Научные решения должны оставаться человеческими. ИИ - мощный инструмент, но ему не хватает рассудительности и ответственности", - предупреждает Йоссеф. «Игнорировать этот предел рискованно как для науки, так и для общества», - заключил он.