Zamislite da koristite veštačku inteligenciju da uporedite dve naizgled nepovezane kreacije — biološko tkivo i Betovenovu „Simfoniju br. 9“. Na prvi pogled, živi sistem i muzičko remek-delo mogu izgledati kao da nemaju nikakve veze. Međutim, nova metoda veštačke inteligencije koju je razvio Markus J. Buehler, McAfee profesor inženjerstva i profesor građevinskog i ekološkog inženjerstva i mašinstva na MIT-u, premošćuje ovaj jaz, otkrivajući zajedničke obrasce složenosti i reda.
„Kombiniranjem generativne AI sa računarskim alatima zasnovanim na grafovima, ovaj pristup otkriva potpuno nove ideje, koncepte i dizajne koji su ranije bili nezamislivi. Možemo ubrzati naučna otkrića podučavanjem generativne AI da pravi nova predviđanja o nikada ranije viđenim idejama, konceptima i dizajne“, kaže Buehler.
Istraživanje otvorenog pristupa, nedavno objavljeno u časopisu Mašinsko učenje: Nauka i tehnologija, pokazuje naprednu AI metodu koja integriše generativno izvlačenje znanja, predstavljanje zasnovano na grafu i multimodalno inteligentno grafsko rezonovanje.
U radu se koriste grafovi razvijeni korišćenjem metoda inspirisanih teorijom kategorija kao centralnog mehanizma za podučavanje modela da razume simboličke odnose u nauci. Teorija kategorija, grana matematike koja se bavi apstraktnim strukturama i odnosima između njih, pruža okvir za razumevanje i objedinjavanje različitih sistema kroz fokus na objekte i njihove interakcije, a ne na njihov specifičan sadržaj.
U teoriji kategorija, sistemi se posmatraju u smislu objekata (koji mogu biti bilo šta, od brojeva do apstraktnijih entiteta kao što su strukture ili procesi) i morfizama (strelice ili funkcije koje definišu odnose između ovih objekata). Koristeći ovaj pristup, Buehler je bio u mogućnosti da nauči AI model da sistematski razmišlja o složenim naučnim konceptima i ponašanjima. Simbolični odnosi uvedeni morfizmima jasno pokazuju da AI ne povlači samo analogije, već se bavi dubljim rasuđivanjem koje mapira apstraktne strukture u različitim domenima.
Buehler je koristio ovu novu metodu da analizira zbirku od 1.000 naučnih radova o biološkim materijalima i pretvorio ih u mapu znanja u obliku grafikona. Grafikon je otkrio kako su različite informacije povezane i uspeo je da pronađe grupe povezanih ideja i ključnih tačaka koje povezuju mnoge koncepte zajedno.
„Ono što je zaista zanimljivo je da graf prati prirodu bez skale, da je visoko povezan i da se može efikasno koristiti za razmišljanje grafa“, kaže Buehler. „Drugim rečima, učimo AI sisteme da razmišljaju o podacima zasnovanim na grafovima kako bismo im pomogli da izgrade bolje modele predstavljanja sveta i da poboljšaju sposobnost razmišljanja i istraživanja novih ideja kako bi omogućili otkrivanje.
Istraživači mogu da koriste ovaj okvir da odgovore na složena pitanja, pronađu praznine u trenutnom znanju, predlažu nove dizajne materijala i predvide kako bi se materijali mogli ponašati i povezivali koncepte koji nikada ranije nisu bili povezani.
AI model je otkrio neočekivane sličnosti između bioloških materijala i „Simfonije br. 9“, sugerišući da oba slede obrasce složenosti. „Slično kao što ćelije u biološkim materijalima interaguju na složene, ali organizovane načine za obavljanje funkcije, Betovenova 9. simfonija raspoređuje muzičke note i teme kako bi stvorila složeno, ali koherentno muzičko iskustvo“, kaže Buehler.
U drugom eksperimentu, model veštačke inteligencije zasnovan na grafovima je preporučio stvaranje novog biološkog materijala inspirisanog apstraktnim obrascima koji se nalaze na slici Vasilija Kandinskog, „Kompozicija VII“. AI je predložio novi kompozitni materijal na bazi micelijuma. „Rezultat ovog materijala kombinuje inovativni skup koncepata koji uključuje ravnotežu haosa i reda, podesivu osobinu, poroznost, mehaničku čvrstoću i složenu hemijsku funkcionalnost“, napominje Buehler.
Crpeći inspiraciju iz apstraktne slike, AI je stvorio materijal koji balansira da bude jak i funkcionalan, a istovremeno je prilagodljiv i sposoban da obavlja različite uloge. Aplikacija bi mogla dovesti do razvoja inovativnih održivih građevinskih materijala, biorazgradivih alternativa plastici, nosive tehnologije, pa čak i biomedicinskih uređaja.
Sa ovim naprednim AI modelom, naučnici mogu da izvuku uvide iz muzike, umetnosti i tehnologije kako bi analizirali podatke iz ovih oblasti kako bi identifikovali skrivene obrasce koji bi mogli da izazovu svet inovativnih mogućnosti za dizajn materijala, istraživanje, pa čak i muziku ili vizuelnu umetnost.
„Grafički zasnovana generativna AI postiže daleko veći stepen novine, istraživačkog kapaciteta i tehničkih detalja od konvencionalnih pristupa, i uspostavlja široko koristan okvir za inovacije otkrivanjem skrivenih veza“, kaže Buehler.
„Ova studija ne samo da doprinosi oblasti bio-inspirisanih materijala i mehanike, već postavlja scenu za budućnost u kojoj interdisciplinarno istraživanje zasnovano na AI i grafikonima znanja može postati alat naučnog i filozofskog istraživanja dok gledamo na druge buduće radove.“
