ایجاد یک زبان مشترک

در 15 سال از زمان Kaiming او دانشجوی دکترا بود.

وی می گوید: “وقتی در مرحله دکترا هستید ، بین رشته ها و موضوعات مختلف دیوار بالایی وجود دارد و حتی یک دیوار بلند در علم کامپیوتر نیز وجود دارد.” “مردی که در کنار من نشسته است می تواند کارهایی را انجام دهد که من کاملاً نتوانستم درک کنم.”

در هفت ماه از زمان پیوستن به دانشکده محاسبات MIT Schwarzman به عنوان استاد توسعه شغلی داگلاس راس (1954) در گروه مهندسی برق و علوم کامپیوتر ، او می گوید که او چیزی را تجربه می کند که به نظر وی “بسیار نادر است در تاریخ علمی انسانی ” – پایین آمدن دیوارها که در رشته های مختلف علمی گسترش می یابد.

او می گوید: “هیچ راهی وجود ندارد که بتوانم فیزیک ، شیمی با انرژی بالا ، یا مرز تحقیقات زیست شناسی را درک کنم ، اما اکنون ما چیزی را می بینیم که می تواند به ما در شکستن این دیوارها کمک کند.” زبان متداول که در هوش مصنوعی یافت شده است. “

ساخت پل AI

به گفته وی ، این تغییر در سال 2012 به دلیل “انقلاب یادگیری عمیق” آغاز شد ، نکته ای که متوجه شد این مجموعه از روش های یادگیری ماشین روی شبکه های عصبی چنان قدرتمند بودند که می توان از آن بیشتر استفاده کرد.

“در این مرحله ، چشم انداز رایانه – کمک به رایانه ها برای دیدن و درک جهان به گونه ای که آنها انسان هستند – خیلی سریع شروع به رشد کردند ، زیرا به نظر می رسد که شما می توانید همین روش را در بسیاری از مشکلات مختلف و بسیاری از مناطق مختلف اعمال کنید.” او “بنابراین جامعه دید رایانه به سرعت بسیار بزرگ شد زیرا این زیرگروه های مختلف اکنون قادر به صحبت کردن به یک زبان مشترک بودند و مجموعه ای از ابزارها را به اشتراک می گذارند.”

از آنجا ، وی می گوید این روند به سایر زمینه های علوم رایانه ، از جمله پردازش زبان طبیعی ، تشخیص گفتار و روباتیک ، گسترش یافته و پایه و اساس پیشرفت را به سمت هوش عمومی مصنوعی (AGI) ایجاد می کند.

وی می گوید: “همه این موارد طی یک دهه گذشته اتفاق افتاده است و ما را به سمت روند جدیدی که من واقعاً منتظر آن هستم ، سوق داده است ، و این تماشای روش هوش مصنوعی است که سایر رشته های علمی را تبلیغ می کند.”

به گفته وی ، یکی از مشهورترین نمونه ها ، Alphafold است ، یک برنامه هوش مصنوعی که توسط Google DeepMind تهیه شده است ، که پیش بینی های ساختار پروتئین را انجام می دهد.

او می گوید: “این یک رشته علمی بسیار متفاوت ، یک مشکل بسیار متفاوت است ، اما مردم نیز از همان مجموعه ابزارهای هوش مصنوعی استفاده می کنند ، همان روش برای حل این مشکلات.” و فکر می کنم این فقط آغاز است. “

آینده هوش مصنوعی در علم

از زمان آمدن به MIT در فوریه 1403 ، وی می گوید تقریباً در هر بخش با اساتید صحبت کرده است. بعضی روزها او خود را در گفتگو با دو یا چند استاد از پیشینه های بسیار متفاوت پیدا می کند.

“من مطمئناً حوزه تحقیق آنها را کاملاً درک نمی کنم ، اما آنها فقط زمینه ای را معرفی می کنند و سپس می توانیم در مورد یادگیری عمیق ، یادگیری ماشین صحبت کنیم. [and] مدل های شبکه عصبی در مشکلات خود هستند. ” “به این معنا ، این ابزارهای هوش مصنوعی مانند یک زبان مشترک بین این زمینه های علمی هستند: ابزارهای یادگیری ماشین” اصطلاحات و مفاهیم خود را ترجمه می کنند که می توانم درک کنم ، و سپس می توانم مشکلات آنها را بیاموزم و تجربه خود را به اشتراک بگذارم ، و بعضی اوقات راه حل ها یا فرصت هایی را برای کشف آنها پیشنهاد دهید. “

گسترش به رشته های علمی مختلف ، از استفاده از تجزیه و تحلیل فیلم گرفته تا پیش بینی روند آب و هوا و آب و هوا گرفته تا تسریع چرخه تحقیق و کاهش هزینه ها در رابطه با کشف مواد مخدر جدید ، پتانسیل قابل توجهی دارد.

در حالی که ابزارهای AI فواید روشنی برای کار همکاران دانشمند او دارند ، وی همچنین به تأثیر متقابل آنها می تواند و داشته باشد ، روی ایجاد و پیشرفت AI.

وی می گوید: “دانشمندان مشکلات و چالش های جدیدی را ارائه می دهند که به ما کمک می کند تا این ابزارها را تکامل دهیم.” “اما همچنین یادآوری این نکته حائز اهمیت است که بسیاری از ابزارهای هوش مصنوعی امروزی ناشی از مناطق علمی قبلی است – به عنوان مثال ، شبکه های عصبی مصنوعی از مشاهدات بیولوژیکی الهام گرفته شده اند. مدل های انتشار برای تولید تصویر از اصطلاح فیزیک انگیزه داده شد. “

“علم و هوش مصنوعی موضوعات منزوی نیستند. ما از دیدگاه های مختلف به همان هدف نزدیک شده ایم و اکنون با هم جمع می شویم. “

و چه مکانی بهتر برای جمع شدن آنها از MIT.

وی می گوید: “جای تعجب آور نیست که MIT می تواند این تغییر را زودتر از بسیاری از مکان های دیگر ببیند.” “[The MIT Schwarzman College of Computing] محیطی را ایجاد کرد که افراد مختلفی را به هم وصل می کند و به آنها اجازه می دهد در کنار هم بنشینند ، با هم صحبت کنند ، با هم کار کنند ، ایده های خود را تبادل کنند ، در حالی که به همان زبان صحبت می کنند – و من می بینم که این اتفاق می افتد. “

از نظر زمانی که دیوارها کاملاً پایین تر می شوند ، وی خاطرنشان می کند که این یک سرمایه گذاری بلند مدت است که یک شبه اتفاق نمی افتد.

وی می گوید: “دهه ها پیش ، رایانه ها فناوری پیشرفته محسوب می شدند و شما برای درک آنها به دانش خاصی نیاز دارید ، اما اکنون همه از رایانه استفاده می کنند.” “من در 10 سال یا بیشتر انتظار دارم ، همه به نوعی از نوعی هوش مصنوعی برای تحقیقات خود استفاده می کنند – این فقط ابزارهای اساسی آنها ، زبان اساسی آنها است و می توانند از هوش مصنوعی برای حل مشکلات خود استفاده کنند.”