Система Discovery (исследование ИИ)

Система обнаружения — это система искусственного интеллекта , которая пытается открыть новые научные концепции или законы. Целью систем обнаружения является автоматизация анализа научных данных и процесса научного открытия. В идеале система искусственного интеллекта должна быть способна систематически искать в пространстве всех возможных гипотез и выдавать гипотезу — или набор равновероятных гипотез — которая наилучшим образом описывает сложные закономерности в данных. ^{[1] [2]}

В эпоху, известную как второе лето ИИ (приблизительно 1978-1987), были разработаны различные системы, родственные доминирующим экспертным системам той эпохи , для решения проблемы извлечения научных гипотез из данных, с взаимодействием с ученым-человеком или без него. Эти системы включали Autoclass, ^[3] Automated Mathematician , ^{[4] [5]} Eurisko , ^[6] которые были нацелены на универсальное обнаружение гипотез, и более конкретные системы, такие как Dalton , который раскрывает молекулярные свойства из данных.

Мечта о создании систем, которые открывают научные гипотезы, была отодвинута на второй план второй зимой ИИ и последующим возрождением субсимволических методов, таких как нейронные сети . Субсимволические методы делают акцент на предсказании, а не на объяснении, и выдают модели, которые хорошо работают, но их трудно или невозможно объяснить, что принесло им название « черный ящик ИИ». Модель черного ящика не может считаться научной гипотезой, и это развитие даже привело некоторых исследователей к предположению, что традиционная цель науки — раскрытие гипотез и теорий о структуре реальности — устарела. ^{[7] [8]} Другие исследователи не согласны и утверждают, что субсимволические методы полезны во многих случаях, но не для создания научных теорий. ^{[9] [10] [11]}

• Autoclass — байесовская система классификации, написанная в 1986 году ^[3]
• Automated Mathematician был одной из самых ранних успешных систем обнаружения. Он был написан в 1977 году и работал, генерируя модифицирующие небольшие программы Lisp
• Eurisko была продолжением Automated Mathematician, написанной в 1984 году.
• Dalton — это до сих пор поддерживаемая программа, способная рассчитывать различные молекулярные свойства, изначально запущенная в 1983 году и доступная в открытом исходном коде с 2017 года.
• Глаубер — это метод научного открытия, написанный в контексте вычислительной философии науки, запущенный в 1983 году.

После пары десятилетий отсутствия интереса к системам открытий интерес к использованию ИИ для раскрытия естественных законов и научных объяснений возобновился благодаря работе Михаэля Шмидта, тогда аспиранта по вычислительной биологии в Корнелльском университете . Шмидт и его научный руководитель Ход Липсон изобрели Eureqa , которую они описали как подход символической регрессии для «извлечения свободных естественных законов из экспериментальных данных». ^[12] Эта работа эффективно продемонстрировала, что символическая регрессия является многообещающим путем вперед для научных открытий, основанных на ИИ.

С 2009 года символическая регрессия стала еще более зрелой, и сегодня различные коммерческие и открытые системы активно используются в научных исследованиях. Известные примеры включают Eureqa, теперь часть DataRobot AI Cloud Platform, AI Feynman, ^[13] и QLattice . ^[14]

• Революция ИИ в научных исследованиях

Эта статья, связанная с искусственным интеллектом , является заглушкой . Вы можете помочь Википедии, расширив ее.

• в
• т
• е

Эта статья, связанная с математикой, является заглушкой . Вы можете помочь Википедии, расширив ее.

• в
• т
• е