人工智能将如何改变科学?

人工智能之年对天体生物学或材料科学的工作有何影响?
2023年5月23日

ARTIFICIAL_INTELLIGENCE

计算机代码墙后面是一个机器人模样的女人的脸。

分享

问题

2023年将作为人工智能之年载入史册,不是吗?在今年的前六个月,几乎是六个月,它占据了比过去六年更多的头条新闻。我认为人们都意识到,这似乎正在达到某种分水岭时刻。这是你认为与你的工作直接相关和有用的东西吗?

回答

Chris Smith向材料科学家Anna Ploszajski、天体生物学家Lewis Dartnell、数学家Ems Lord和材料科学家Anna Ploszajski提出了这个问题。

赞德:当然。我的意思是,天文学是一个数据驱动的领域,我们拥有的数据比我们知道该怎么做的要多。尤其是机器学习,这个人工智能的特殊学科,对于在所有的噪音中挑选出有趣的模式,从我们得到的这些数据群中找到有用的信息特别有用。

Chris - EMS是政府意识到我们需要很多擅长制作,使用和部署这类软件的人,这也是他们对数学如此感兴趣的原因,因为如果你不精通数学,你就写不出计算机代码。

艾米-我想这是原因之一。但是当我们看到这些聊天机器人,你可以提出你的问题,它们实际上是非常有价值的。

克里斯:你试过用它解数学方程吗?

嗯,我所做的是,我一直在输入NRICH问题,我还输入了一些针对小学年龄儿童的问题。我给五岁的孩子们出了一些问题,只是想看看结果如何。

克里斯-我没想到这一点。它是做什么的?

艾米,我是说,它在不断学习。首先,我可以问一个问题。我们有一个叫“鸡蛋和篮子”的,你会得到每个篮子里有多少鸡蛋的线索。你必须为五岁的孩子解决这个问题。它第一次得到的答案与普通中等教育证书的问题相当。很多x, y和z。我说,‘嗯,你知道,谢谢你。不过,你能不能用一个五岁孩子的方式回答这个问题?”然后它开始使用文字而不是代数。然后因为这看起来很啰嗦,而且这些都是五岁的孩子,我说,‘好吧,你会画什么样的图呢? What kind of sketch?' And so it's that little skill about knowing what questions to ask. So it's not just typing something in, but it's asking the question that will be helpful. So, not just what's the answer, but how did you get it? What strategies might I use?

克里斯-它显示出它起作用了吗?从考试的角度来看,它是否显示出它在起作用?因为这是许多人对人工智能的批评之一,他们认为人工智能无法解释。他们无法告诉你他们是如何得到答案的,除非他们已经从互联网上的其他地方得到了答案,看到了你之前提出的问题,他们只是挖出了一点信息,然后鹦鹉学舌地重复它。

他们确实提出了一个很好的推理解释,这与我们已经在网站上得到的任何解释都不一样。我担心的是目前缺乏可视化,但这也是他们正在努力的领域。所以我很看重图表和视觉效果。它们很适合向人们解释问题背后的想法。而且,如果我在看一些更学术性的东西,我在他们正在看的地方找不到参考资料。所以他们会思考我们自己的问题吗?他们从哪弄来的?但实际的策略范围,你可以鼓励它提出不同的方法。这对陷入困境的学生来说真的很有价值,因为他们没有办法找到另一种方法。开头的几行可以作为提示。 So if you're learning to problem solve, if you use it the right way, it can be really useful.

克里斯-在天体生物学方面,路易斯,有用吗?

Lewis -是的,原因和Xander说的天体物理学相似。翻阅数据,寻找规律。但是,我的大学职位实际上做了很多讲座和批阅学生的论文,我们现在基本上已经通过了一个门槛,这些语言模型足够好,几乎不可能判断一个学生是否作弊。如果他们抄袭了,而且明显是从维基百科上剪切粘贴了一段,你只能很容易地找到,但要证明确实如此。如果他们用语言模型来写一篇文章,你不能证明这已经发生了,因为你可以在同一个提示上运行相同的语言模型第二次,它会得出完全不同的结果。

克里斯-你显然比迈克尔·克莱顿的老师更了解你的主题,也更精通,克莱顿是《侏罗纪公园》的作者,因为在他的自传中,他说,当他在哈佛时,他最初开始学习英语,然后转学医学。他说他对他的老师感到沮丧和失望。最后,他开始交一些著名诗人和著名作家的作品,<笑>,他们也会在上面做标记。他说,“当布莱克得了C的时候,我意识到英语不适合我”,至少在哈佛,然后转学医学。所以这是医学。最终,他在好莱坞做到了。材料科学一定是这种机器学习技术的巨大受益者,安娜,因为用原子做工程,为你的学科所涉及的新材料和原子排列找出配方。

安娜:当然。事实上,我记得在我读博士期间,很多材料科学都与,你说的,材料内部原子的排列有关,机器学习可以帮助我们预测这些原子的位置,因为有很多非常独特的对称性和原子的大小,例如。所以这些机器学习算法真的可以帮助我们预测原子的位置如果你给它们这些不同的参数,例如。在我读博士的时候,我用这些来解决我们以前不知道的新的晶体结构。

评论

添加注释