Sciencemag.cz
Doporučujeme
Zatímco dnešní nejpopulárnější modely AI, jako je ChatGPT, jsou trénovány na jazyku (eventuálně fotografiích), nové modely vytvořené výzkumníky z kolaborace Polymathic AI se učí pomocí vědeckých datových sad. Jinak řečeno: tým, jehož součástí jsou i výzkumníci z Univerzity v Cambridge, má na mysli AI trénovanou na fyzice. Modely již využívají znalosti z jedné oblasti k řešení zdánlivě zcela odlišných problémů v jiné oblasti.
Vědci z projektu Polymathic AI nedávno konkrétně představili dva nové modely AI trénované pomocí skutečných vědeckých datových sad, které řeší problémy v astronomii a systémech podobných tekutinám. Modely Walrus a AION-1 mohou ale znalosti získané z jedné třídy fyzikálních systémů aplikovat i na zcela odlišné problémy. Walrus například dokáže řešit systémy od explodujících hvězd přes Wi-Fi signály až po pohyb bakterií.
„Tato mezioborová sada dovedností může urychlit vědecké objevy a poskytnout výzkumníkům výhodu, když čelí malým vzorkům nebo omezeným rozpočtům,“ uvádí Michael McCabe, vedoucí vývojář projektu Walrus.
Walrus a AION-1 jsou „základní modely“, což znamená, že jsou trénovány na obřích souborech trénovacích dat z různých oblastí výzkumu nebo experimentů. To je na rozdíl od většiny současných modelů AI ve vědě, které se učí s ohledem na konkrétní podoblast nebo problém.
Základní modely se učí základy fyzikálních procesů („tak, jak tyto fungují“). Jelikož jsou tyto fyzikální procesy univerzální, lze znalosti, které AI získá, aplikovat na různé oblasti nebo problémy sdílející stejné základní fyzikální principy. Základní modely mají mít proto řadu výhod – od zrychlení výpočtů přes dobré výsledky i v režimech s malým množstvím dat až po nalezení fyzikálních zákonitostí sdílených napříč různými obory.
„Model Walrus je podle mě skutečným krokem směrem k univerzální umělé inteligenci pro fyzickou/fyzikální simulaci – jediný základní model, který lze přizpůsobit mnoha vědeckým problémům, místo aby se pokaždé musel trénovat od začátku,“ řekl spoluautor nové studie Payel Mukhopadhyay z Cambridge Institute of Astronomy.
Michael McCabe et al, Walrus: A Cross-Domain Foundation Model for Continuum Dynamics, arXiv (2025). DOI: 10.48550/arxiv.2511.15684
Zdroj: University of Cambridge / TechXplore.com, přeloženo / zkráceno
