今日应用
今日话题
如何把大量物理知识塞给AI?EIT和北大团队提出「规则重要性」概念
重点标签 深度学习、物理定律、知识嵌入、规则重要性、人工智能
文章摘要
深度学习模型通过从大量数据中学习潜在关系,已在科学研究领域取得显著进展。然而,这些模型存在局限性,如过度依赖数据、泛化能力受限,以及与物理现实的一致性问题。例如,OpenAI的文本到视频模型Sora虽然能生成逼真图像,但未掌握物理定律。为解决这些问题,研究者提出将人类知识融入模型,创建“知情机器学习”模型,以提升模型的泛化能力和理解物理规律。
东方理工和北京大学的研究团队提出了“规则重要性”的概念,并开发了一套框架,用于计算每个规则对模型预测精度的贡献。该框架揭示了数据和知识之间的复杂关系,并为知识嵌入提供了理论指导。通过评估规则的边际贡献,研究团队发现数据和先验规则在不同任务中的作用不同。他们还提出了一种动态调整规则权重的策略,以提升嵌入效率并筛选不适宜的先验知识。
该框架在工程、物理和化学领域具有广泛的实际应用,通过融入有效规则,模型性能得到显著提升。研究团队计划将框架开发成插件工具,并最终开发出能够自我完善的模型,打造从知识发现到知识嵌入的闭环系统,使模型成为真正的人工智能科学家。
文章来源
原文地址: 点我阅读全文
原文作者: 机器之心
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...