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

AIGC动态8个月前发布 机器之心
30 0 0

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

AIGC动态欢迎阅读

原标题: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
关键字:规则,模型,知识,数据,重要性
文章来源:机器之心
内容字数:5565字

内容摘要:


将 ScienceAI设为星标
第一时间掌握
新鲜的 AI for Science 资讯编辑 |ScienceAI
深度学习模型因其能够从大量数据中学习潜在关系的能力而「彻底改变了科学研究领域」。然而,纯粹依赖数据驱动的模型逐渐暴露出其局限性,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,美国OpenAI公司开发的文本到视频模型Sora因深刻理解事物在现实中的存在方式而受赞誉,被视为AI领域的飞跃。尽管能利用大量视觉数据生成逼真图像和视频,Sora却被认为未掌握物理定律,如重力和玻璃破碎等。
面对这一问题,将人类知识融入深度学习模型是一个潜在的解决方案。将先验知识与数据一起使用,能够提升模型的泛化能力,从而创建能够理解物理规律的「知情机器学习」(Informed machine
learning)模型。
然而,目前对深度学习中知识的价值仍缺乏深入理解,确定哪些先验知识(包括函数关系、等式和逻辑关系等)能有效地融入模型以进行「预学习」,已成为一项亟待解决的难题。同时,盲目地整合多项规则可能会引发模型的崩溃。这种局限性制约了对数据与知识关系的进一步探索。
针对这一问题,东


原文链接: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

联系作者

文章来源:机器之心
作者微信:almosthuman2014
作者简介:专业的人工智能媒体和产业服务平台

阅读原文
© 版权声明

相关文章

暂无评论

暂无评论...