「サイエンス」が今年の躍進トップ 10 を発表、AIGC と AI for Science が優勝

先ほど、「サイエンス」が 2022 年の科学的進歩トップ 10 を選出しました。

今年、人工知能の地位を獲得した 2 つの人気のある研究方向は、AI 生成コンテンツ (AIGC) と AI によって加速される科学的発見です。

芸術的創造と科学的発見は、人間の知性と創造性を必要とするため、かつては人工知能が参入するのが難しい 2 つの分野と考えられていました。しかし現在、AI はすでに両方向で素晴らしい仕事をしています。

2022 年の AIGC 分野で最も研究されているのは、間違いなくテキストから画像への生成モデルです。このようなモデルは、機械学習を使用してテキストと画像の組み合わせをオンラインで分析し、新しいテキストに基づいて新しい画像を作成するパターンを見つけます。

「アボカド型の椅子」を生成する DALL・E の 2021 年の OpenAI デモから始まり、テキストから画像への生成モデルは新たな段階に入りました。

#2022 年 4 月、OpenAI はモデル DALL・E 2 のアップグレード バージョンをリリースしました。 DALL・E 2 は CLIP 上に構築されており、拡散と呼ばれるプロセスを使用して「ノイズ」から画像を生成します。

#DALL・E 2 は、リアルな映像を効率的に制作できます。今年はさまざまな普及モデルがリリースされており、MetaやGoogleといった企業も動画を生成できる普及モデルをリリースしている。

下の写真は、テキストから画像への生成モデル Midjourney によって生成された「スペース オペラ」です。39 歳のゲーム デザイナー、ジェイソン アレン氏が米国コロラド州で開催された賞を受賞しましたこの AI 生成の絵画は、アートフェア デジタル アート部門で優勝しました。

2022 年の AIGC モデルの開発は、AI 作成の技術に対する人々の注目と倫理的思考を引き起こしました。

一方で、科学、数学、プログラミングにおける AI モデルも、2021 年も進歩を続けました。 Science の 2021 年のブレークスルー トップ 10 には、タンパク質構造を予測する AI モデル AlphaFold が含まれています。この研究に基づいて、研究者たちは現在、人工知能を使用して、ワクチン、建築材料、またはナノマシンに使用できるまったく新しいタンパク質を設計しています。

今年 9 月に Science 誌に掲載された論文の中で、ワシントン大学医学部の生化学教授であるデイビッド ベイカーなどの研究者は、AI がタンパク質をゼロから設計し、 2つのアイデア。 「ファンタジー」と呼ばれる技術の 1 つは、ランダムな配列から始まり、他の AI ツールが安定したタンパク質に折り畳まれると確信できる配列にそれらを変異させます。

彼らは、アミノ酸配列を生成するための新しいアルゴリズム「ProteinMPNN」を設計し、1 秒以内に計算を開始でき、これは以前のトップ ソフトウェアよりも 200 倍以上高速です。

同時に、DeepMind は

AlphaTensor というツールをリリースしました。人間の数学者が何十年も無視してきたショートカットを発見し、行列乗算ブロックのより効率的なアルゴリズムの設計を可能にします。行列乗算は、コンピュータ グラフィックス、デジタル通信、ニューラル ネットワーク トレーニング、科学計算など、多くのコンピューティング タスクの中核コンポーネントであり、AlphaTensor によって発見されたアルゴリズムは、これらの分野のコンピューティング効率を大幅に向上させることができます。

DeepMind によると、AlphaTensor は AlphaZero 上に構築されています。この作品は、AlphaZero がゲーム用から、難しい数学的問題を解決するために初めて使用されるまでの移行を示しています。

AlphaTensor は当初、行列の乗算という特定の問題に焦点を当てていましたが、DeepMind は、より多くの人々が AI を使用して他の基本的なコンピューティング タスクのアルゴリズム発見をガイドできるようにしたいと述べています。さらに、DeepMind の研究は、AlphaZero の強力なアルゴリズムが従来のゲームの領域をはるかに超えており、数学分野の未解決の問題の解決に役立つことも示しています。

DeepMind は、指定された長さのバイナリ文字列のうち、連続するゼロが何個あるかを数えるなど、数値の問題を解決するようにプログラムできるシステムである AlphaCode も立ち上げました。 AlphaCode は、以前のプログラムとその説明でトレーニングされたモデルを使用して、多数の候補プログラムを生成し、最も有望なものを選択します。

先週、AlphaCode の研究が Science 誌に正式に掲載されました。

AlphaCode のパフォーマンスは、人間のプログラマーと比較すると平均的です。 DeepMind の研究者は、プログラミング コンテスト プラットフォームである Codeforces チャレンジで AlphaCode をテストしました。AlphaCode は、Codeforces Web サイトで 5,000 人のユーザーが解決した 10 の課題に対してテストされました。全体のランキングは上位 54.3% で、出場者の 46% を上回りました。

競争には勝てませんでしたが、この結果は人工知能の問題解決能力の大幅な飛躍を示しており、深層学習モデルが優れていることを証明しています。クリティカルシンキングのタスクに潜在的な能力が必要です。

DeepMind は、AlphaCode の現在のスキルセットは現在、競技プログラミング分野にのみ適用可能であるが、その機能は、プログラミングをより簡単に、そして 1 日で完全に自動化できる将来のツールを作成するための新たな扉を開くと述べました。

これらの偉業は真の創造性とみなされるかどうかについての議論に加えて、実際的かつ倫理的なジレンマも引き起こします。一部の観察者は、こうした人工的に作られたプログラマーやアーティストが著作権を侵害し、固定観念を永続させ、誤った情報を広め、雇用を奪う可能性があると懸念している。しかし、織機やカメラ、その他かつて不穏な発明をしたのと同じように、人類が創造性を拡張するためにこれらのツールを使用するようになるのは疑いの余地がありません。

以上が「サイエンス」が今年の躍進トップ 10 を発表、AIGC と AI for Science が優勝の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。