Maaari bang Maging Hinaharap ng Pananaliksik ang AI Scientist?

Ang Sakana AI Labs ay nagpasabog ng alon sa komunidad ng agham sa pamamagitan ng pinakabagong anunsyo nito. Natapos ng kumpanya ang paglikha at paglulunsad ng kauna-unahang ganap na autonomong AI scientist sa mundo. Ang bagong algorithm ay kayang bumuo ng mga teorya, magsagawa ng mga pagsubok, at iba pa. Narito ang mga dapat mong malaman.

Kapag iniisip mo ang mga sistemang AI na pumapalit sa mga manggagawa sa larangan, maraming karera ang maaaring mapanganib. Gayunpaman, bihira ang inaasahan ng karamihan na mapalitan ang mga siyentipiko. Bagaman ang pinakabagong algorithm ng AI scientist na inilabas ng Sakana ay hindi pa ganap na kayang palitan ang mga siyentipiko, nagdadala ito ng ilang natatanging katangian na maaaring magpatingin nang mabuti ng maraming propesyonal sa pag-unlad nito.

Ang Kasalukuyang Pamamaraan ng Paglikha ng Siyentipikong Teorya

Ang paglikha ng mga siyentipikong teorya at pagsubok dito ay isa sa mga pangunahing sangkap ng pananaliksik at pag-unlad. Ang mga siyentipiko ngayon ay gumugugol ng taon sa pagsisiyasat ng mga tanong at pagbuo ng mga eksperimento upang subukan ang kanilang mga konsepto sa pamamagitan ng eksperimento. Sa huli, inilalathala ang mga resulta at sumasailalim sa peer review bago ilathala sa publiko. Ang prosesong ito ay nanatiling pareho sa loob ng higit isang siglo.

Ayon sa mga pampublikong pahayag ng Sakana AI Labs, ang kanilang bagong AI system ay kayang ganap na i-automate ang mga gawaing ito. Maaaring salain ng system ang kasalukuyang mga siyentipikong papel, ikonekta ang mga teorya o konsepto na maaaring may hindi pa natuklasang resulta, lumikha ng mga bagong algorithm upang subukan ang mga teoryang ito, at ilahad ang lahat ng eksperimento para sa susunod na peer review. Kapansin-pansin, nakatuon ang koponan sa computational research bilang pangunahing larangan dahil ito ay nagpapahintulot na maisagawa ang mga eksperimento nang virtual.

Paggamit ng AI ng mga Siyentipiko

Hindi na lihim na natagpuan ng AI ang komportableng puwang sa loob ng komunidad ng agham. Makikita ang teknolohiyang ito na isinasama sa iba’t ibang sistema na ginagamit ng mga mananaliksik ngayon. Noong una, ginagamit ang mga AI system upang lutasin ang mga komplikadong ekwasyon at simulasyon. Ngayon, ang AI ay ginagamit sa buong industriya, kung saan nagsisilbi ito ng mas mahalagang mga tungkulin.

Isa sa mga pangunahing gamit ng AI ngayon ay ang pagsasala sa lahat ng kasalukuyang papel upang makahanap ng kaugnay na pananaliksik. Daang-daang papel na pananaliksik ang inilalabas lingguhan, at ang napakalaking dami ng mga ito ay nangangahulugang ang karamihan ng mga makabuluhang pananaliksik ay maaaring tumagal ng taon bago matuklasan. Ang mga tool tulad ng Elicit, Research Rabbit, Scite, at Consensus ay tumutulong sa mga siyentipiko na ikonekta ang mga papel na ito sa isang kaugnay na paraan upang mapalawig ang nakaraang datos.

Mayroon ding mga AI tool na ginagamit ngayon na maaaring magsuri at tukuyin ang mga tiyak na punto ng interes sa loob ng mga papel. Halimbawa, maaaring mayroon kang koponan ng mga inhinyero na naghahanap ng mga mutasyon sa genetika na nagdudulot ng sakit. Ang mga tool tulad ng PubTator ay maaaring mangalap ng mga katulad na tema upang makatulong na ilahad ang mga kaugnay na paksa ng pananaliksik at mga eksperimento.

Pag-aaral sa AI Scientist

Ang mga nakaraang pakikipag-ugnayan sa AI ay nakatulong sa komunidad ng agham na palawakin ang kanilang pananaw at naging kritikal sa maraming pinakabagong tagumpay. Gayunpaman, ang pagpapakilala ng isang ganap na awtomatikong algorithm na kayang magsaliksik at maglathala ng mga papel ay isang malaking pagbabago. Ang sistemang ito ay may potensyal na matuklasan ang mga pagkakapareho at iba pang mahirap mapansing mga salik na nag-uugnay sa pagitan ng mga pag-aaral na maaaring magdala ng mga breakthrough sa larangan ng computational research.

Paano Gumagana ang AI Scientist?

Ang AI scientist ay nag-iintegrate ng ilang karaniwang AI system tulad ng Large Language Models bilang bahagi ng kanyang pamamaraan. Patuloy na sinusuri ng system ang napakaraming siyentipikong papel na makukuha online sa mga repositoryo tulad ng arXiv at PubMed. Dito, ginamit ang milyun-milyong siyentipikong papel upang i-program ang LLM para sa isang bagong AI algorithm. Ang hakbang na ito ay nagtiyak na ang system ay kayang magsalita ng wikang siyentipiko at makabuo ng mga katulad na resulta.

Pinagmulan – Sakana AI Labs

Mula roon, hinahanap ng system ang mga pattern, paulit-ulit na pananaliksik, o magkakaugnay na tema. Ang bawat papel ay sumasailalim sa maraming pagsusuri upang matiyak ang kalidad, status ng peer review, oras ng paglabas, at paksa. Kapansin-pansin, ang system ay magkokros-refer pa sa mga siyentipikong papel gamit ang mga site tulad ng openreview.net. Ang hakbang na ito ay nagsisilbing maraming tungkulin, kabilang ang pagtiyak ng de-kalidad na nilalaman. Bukod dito, tumutulong ang galaw na ito upang i-program ang internal na peer review system ng AI.

Pangalawang AI Model

Kapag nasuri na ng AI ang mga repositoryo upang makahanap ng kawili-wiling eksperimento at mga teorya na susubukan, sinusuri ang bawat papel batay sa maraming salik. Ang iskor ay sumasalamin sa mga bagay tulad ng pagkakapareho ng papel sa ibang proyekto, propesyonalismo, layout, resulta, at mga mananaliksik. Mula roon, sinusuri ng AI system ang pagiging natatangi ng konsepto at iba pang mahahalagang salik na tumutulong sa system na matukoy kung may karagdagang pananaliksik na dapat tuklasin o iba pang papel na konektado sa katulad na teorya.

Pagbuo ng Siyentipikong Teorya

Pinapayagan ng mga hakbang na ito ang AI scientist na mangalap ng pananaliksik at maglabas ng mga magkakaugnay na konsepto na binubuo ang nakalap na datos. Ang kamangha-manghang bagay tungkol sa prosesong ito ay ganap itong awtomatiko. Walang pangangailangan ng interaksyon ng tao para sa algorithm na ito na makagawa ng mga papel na pananaliksik. Kapansin-pansin, nakatuon ang AI sa computational research, na nagpapahintulot nitong magsagawa ng mga simulasyon ng eksperimento nang walang pisikal na pangangailangan sa pagsubok, na nagpapalawak ng kakayahan nito. Dahil dito, lahat ng pagsubok ay ginagawa gamit ang code simulations. Ang hakbang na ito ay nangangahulugang mas mababa ang gastos ng mga pagsubok at maaaring gawin nang mas mabilis.

Mga Alalahanin tungkol sa AI Scientist

Ang konsepto ng AI scientist ay nagdulot ng mga alalahanin sa industriya. Una, may ilan na nakikita ang pamamaraang ito bilang tamad na paraan upang palitan ang mga siyentipiko. Ipinagtatanggol nila na ang system ay masyadong bago pa at ang AI ay hindi sapat na konsistente. May batayan ang kanilang mga argumento, dahil paulit-ulit na nagkaroon ng mga pagkakataon ng kamalian ng AI. Gayunpaman, ang pinakabagong algorithm ay naglalaman ng maraming pagsusuri at balanse, na makakatulong upang mabawasan ang mga isyung ito sa hinaharap.

Ugnayang Pabalik ng AI

Isa sa mga pinakamalaking alalahanin na patuloy na lumilitaw sa komunidad ay ang panganib ng paglikha ng isang AI feedback loop. Ang panganib na ito ay napaka-tunay kapag may AI system na awtomatikong lumilikha, nagsusuri, at bumubuo ng mga bagong modelo ng datos mula sa ibang AI system. Ang loop na ito ay maaaring magdulot ng mga error, makitid na pananaw, at hindi paggalang sa mga pangangailangan ng tao. Upang maiwasan ang sitwasyong ito, naniniwala ang marami na kinakailangan ang tao sa loop.

Napakalaking Dami

Napakaraming siyentipikong papel ang inilalathala lingguhan na halos imposibleng salain ang mga repositoryo upang mahanap ang pinaka-kaugnay na datos. Sa kasalukuyan, mahalaga ang papel ng AI sa pagtulong sa mga siyentipiko na maisakatuparan ang gawaing ito. Gayunpaman, kung mabubuo ang isang AI feedback loop, masyadong maraming papel ang maipapasok nang napakabilis, na magreresulta sa pagwawalang-bisa ng kasalukuyang mga AI search system.

Mga Benepisyo ng AI Scientist

Maraming benepisyo ang nagpapasigla sa merkado tungkol sa posibilidad ng AI scientist na magtrabaho 24/7 sa paghahanap ng mga tuklas. Walang katapusang potensyal ang sistemang ito na magbukas ng mga bagong siyentipikong teorya. Habang nadadagdagan ang pananaliksik sa AI model, susubukan ng system ang mga bagong konsepto at palalawakin ang kakayahan nito. Dahil dito, ang AI scientist ngayon ay walang katumbas kumpara sa mga susunod na bersyon nito.

Malaking Pag-save sa Gastos

Isa sa mga pangunahing dahilan kung bakit ang AI scientist ay inaasahang magiging pangunahing bahagi ng merkado ay ang malaking pag-save sa gastos. Ayon sa research team, ang kanilang AI ay maaaring lumikha, sumubok, maglathala, at magsagawa ng peer review ng isang siyentipikong papel sa halagang $15 lamang. Ang mababang gastusing ito ay kumakatawan sa napakalaking pagbaba sa gastos ng pananaliksik at pag-unlad na hindi maikakaila. Dahil dito, maaaring maging pangunahing pagpipilian ang AI scientist para sa mga naghahangad na mapakinabangan ang kanilang budget.

Ang Malawak na Larawan

Isa sa mga pangunahing dahilan kung bakit maraming inhinyero ang nasasabik sa proyektong ito ay dahil pinapayagan nito ang mga mananaliksik na madaling iugnay ang mga datos mula sa maraming siyentipikong pag-aaral. Madalas na tila ang mga larangan ng agham ay umuunlad sa isang bula. Gayunpaman, hindi ito totoo. Sa karamihan ng mga pagkakataon, ang mga breakthrough sa isang larangan ng agham ay nagdudulot ng mga bagong oportunidad sa ibang mga larangan.

Tutulungan ng mga AI scientist na matuklasan ang mga magkakaugnay na teorya at palawakin ang mga ito kung maaari. Dahil dito, maaaring makita mo ang AI scientist na nag-iipon ng mga papel upang lumikha ng ganap na bago at mas magkakaibang mga konsepto na maaaring nakalusot sa mata ng tao. Sa pinakamaikling salita, tutulong ang sistemang ito na pagsamahin ang mga kaugnay na pananaliksik, na magpapakita sa mga siyentipiko ngayon ng mga bagong phenomena.

Mga Mananaliksik

Sakana AI ang koponan sa likod ng AI scientist. Kilala ang kumpanya sa kanilang mga AI science model. Kabilang sa kanilang mga nakaraang pag-unlad ang isang system na awtomatikong pinagsasama ang mga LLM upang lumikha ng mas advanced na mga system. Naglunsad din sila ng isang mekanismo na nagpapahintulot sa paggamit ng mga LLM upang i-tune ang iba pang mga algorithm.

Dalawang Kumpanya na Maaaring Pakinabangan ng AI Scientist

Ang pagpapakilala ng AI scientist sa merkado ay simula lamang ng maaaring magdala balang araw ng isang malaking rebolusyon sa AI scientist. May ilang kumpanya na maaaring gamitin ang paglikhang ito upang pababain ang kanilang gastusin sa operasyon at magbigay ng mas mataas na kalidad ng serbisyo sa merkado. Narito ang dalawang kumpanya na handang samantalahin ang pananaliksik na ito.

1. AbCellera Biologics Inc

ABCL Tsart ng Presyo

Ang Abcellera Biologics Inc. ay pumasok sa merkado noong 2012, na naglalayong mas mapabuti ang pagmomodelo ng mga human antibody para magamit sa paglaban sa mga sakit. Opisyal na naging pampubliko ang kumpanya noong 2020, kung saan nakalikom ito ng $555M na pondo upang itaguyod ang kanilang mga pagsisikap. Sa kasalukuyan, ang kumpanya ay may mahalagang papel sa pananaliksik at pagmomodelo ng immune system. Kapansin-pansin, karamihan ng pagmomodelong ito ay ginagawa sa pamamagitan ng mga simulasyon. Dahil dito, ang AI scientist ay perpektong angkop upang tumulong sa mga pagsubok na ito.

Ang Abcellera ay may prominenteng posisyon sa sektor ng biomedics. Dahil dito, ang integrasyon ng AI scientist ay maaaring magbigay-daan sa kumpanya na mas mahusay na matukoy, subukan, at ihambing ang datos ng immune antibody mula sa kanilang nakaraang pananaliksik. Ang hakbang na ito ay maaaring magbunyag ng mga pagkakataong dati ay hindi napansin. Ang mga salik na ito, kasama ang posisyon ng Abcellera Biologics, ay ginagawang matibay na “hold” para sa mga mangangalakal.

2. Super Micro Computer

SMCI Tsart ng Presyo

Ang Super Micro Computer (SMCI ) ay itinatag noong 1993 nina Charles Liang at Sara Liu at maaaring makakita ng ilang positibong resulta sa pamamagitan ng pag-integrate ng AI scientists sa kanilang mga proseso. Kilala ang kumpanya sa kanilang AI workload-optimized high-performance servers. Sa kasalukuyan, nakabase ito sa California at may maraming operasyon sa pagmamanupaktura na matatagpuan sa Netherlands, Taiwan, at Estados Unidos.

Ang Super Micro Computer ay isa sa mga nangungunang provider ng service management systems. Ginagamit nito ang AI upang pigilan ang mga pag-hack, subaybayan ang mga sistema, at pagbutihin ang performance na nagpatunay sa kumpanya bilang pangunahing pagpipilian para sa mga malalaking kumpanya na naghahanap ng maaasahan at subok na mga provider. Kapansin-pansin, nailista ang Super Micro Computer sa Fortune Magazine bilang isa sa World’s Fastest Growing IT Infrastructure Company.

Ang mga naghahanap ng maaasahang AI-powered na solusyon sa software bilang karagdagan sa kanilang portfolio ay maaaring seryosong isaalang-alang ang SMCI. May malakas na presensya ang kumpanya sa merkado at kamakailan lamang nakipagkasundo upang magbigay ng mga server sa xAI ni Elon Musk, at sa Gigafactory ng Tesla (TSLA ), na lumipat sa Texas. Ang lahat ng mga salik na ito ay nagbigay-daan sa SMCI na makatanggap ng rating na “buy” mula sa mga analyst.

AI Scientist Nagbubukas ng Mababang Gastos na Pananaliksik

Anuman ang iyong saloobin tungkol sa AI scientist na naglalabas ng mga papel na pananaliksik na parang komiks, maraming benepisyo ang nagpapakilala sa algorithm na ito bilang isang game changer. Ang napakalaking pag-save sa gastos at mga potensyal na kakayahan ng pamamaraang ito ay nagdudulot ng pag-asa sa merkado para sa isang mas maliwanag na kinabukasan kung saan araw-araw ang mga tuklas habang natutulog ang mga siyentipiko ngayon. Sa ngayon, ang pag-unlad na ito ay karapat-dapat na subaybayan nang mabuti, dahil tiyak na maglalabas ito ng ilang kawili-wiling pananaliksik sa hinaharap.

Maaari kang matuto pa tungkol sa mga kapanapanabik na AI proyekto dito.