Τι έγινε
Η DongA Science αναφέρει ότι το Υπουργείο Επιστημών και ΤΠΕ της Νότιας Κορέας ξεκίνησε ένα ερευνητικό πρόγραμμα 2026–2031 με στόχο την ανάπτυξη τεχνητής νοημοσύνης που συνδυάζει τη μάθηση βάσει δεδομένων με αρχές από τη φυσική και τα μαθηματικά. Το υπουργείο επέλεξε τέσσερα έργα με επικεφαλής ομάδες στο KAIST, το DGIST και το Εθνικό Πανεπιστήμιο της Σεούλ, με 20 δισεκατομμύρια γουόν να διατίθενται σε έξι χρόνια και 2 δισεκατομμύρια γουόν να έχουν προϋπολογιστεί για το 2026.
Η DongA Science αναφέρει ότι το Υπουργείο Επιστημών και ΤΠΕ διοργάνωσε εναρκτήρια ενημέρωση στις 24 Αυγούστου και ξεκίνησε την έρευνα και την ανάπτυξη σε τέσσερα πρόσφατα επιλεγμένα έργα στο πλαίσιο του «Επόμενης γενιάς AI+Science and Technology Foundational Technology Development Project». Το άρθρο αναφέρει ότι η κυβέρνηση θα επενδύσει 20 δισεκατομμύρια γουόν από το 2026 έως το 2031, συμπεριλαμβανομένων 2 δισεκατομμυρίων γουόν κατά το πρώτο έτος. Η έκθεση περιγράφει την πρωτοβουλία ως θεμελιώδη έρευνα και όχι ως λανσάρισμα εμπορικού προϊόντος ή ως άμεσα διαθέσιμο σύστημα τεχνητής νοημοσύνης.
Δύο από τα έργα θα επικεντρωθούν σε μοντέλα τεχνητής νοημοσύνης που χρησιμοποιούν τη φυσική και τα μαθηματικά για να ερμηνεύουν και να προβλέψουν επιστημονικά φαινόμενα υπό μεταβαλλόμενες συνθήκες. Σύμφωνα με την DongA Science, μια ομάδα KAIST με επικεφαλής τον καθηγητή Hau Seok θα αναπτύξει ένα μοντέλο αιτιώδους τεχνητής νοημοσύνης με βάση τα μαθηματικά και τη φυσική με σκοπό να συνάγει αιτιακές δομές και εξισώσεις που διέπουν τα δεδομένα ακόμα και όταν αλλάζουν οι συνθήκες ή τα περιβάλλοντα. Μια ομάδα DGIST με επικεφαλής τον καθηγητή Yoo Jae-seok θα αναπτύξει έναν «δυναμικό τεχνητής νοημοσύνης» που έχει σχεδιαστεί για να δείξει ποιοι φυσικοί νόμοι κυριαρχούν σε διαφορετικά φαινόμενα και να βοηθήσει ένα σύστημα τεχνητής νοημοσύνης να επιλέξει στρατηγικές ερμηνείας.
Τα άλλα δύο έργα αφορούν την αρχιτεκτονική και την εκπαίδευση AI. Η DongA Science αναφέρει ότι μια ομάδα του Εθνικού Πανεπιστημίου της Σεούλ με επικεφαλής τον καθηγητή Oh Min-hwan θα μελετήσει μαθηματικά τους περιορισμούς σε τρέχοντα μοντέλα τεχνητής νοημοσύνης των οποίων οι υπολογιστικές απαιτήσεις αυξάνονται καθώς αυξάνεται το μήκος του περιβάλλοντος, με στόχο τη δημιουργία αρχιτεκτονικών και μεθόδων εκπαίδευσης που χειρίζονται πιο αποτελεσματικά μεγάλα περιβάλλοντα. Μια ομάδα KAIST με επικεφαλής τον καθηγητή Yoon Cheol-hee θα μελετήσει πώς η γενετική τεχνητή νοημοσύνη βελτιώνεται μέσω της εκμάθησης και της χρήσης αυτής της εργασίας για την ανάπτυξη μιας μεθοδολογίας που καλύπτει τον σχεδιασμό αρχιτεκτονικής, την εκπαίδευση και την επαλήθευση αξιοπιστίας. Το υπουργείο σχεδιάζει να παράσχει υποδομή υπολογιστών GPU και το άρθρο αναφέρει ότι τα ερευνητικά δεδομένα και τα μοντέλα που παράγονται από τα έργα θα διατίθενται μέσω μιας ανοιχτής πλατφόρμας.
Στοιχεία πηγής: dongascience.com ↗
Γιατί έχει σημασία
Το πρόγραμμα αντιμετωπίζει μια πρακτική αδυναμία της τεχνητής νοημοσύνης που βασίζεται σε δεδομένα: τα συστήματα μπορούν να έχουν κακή απόδοση όταν οι συνθήκες διαφέρουν από τα δεδομένα εκπαίδευσής τους, ενώ συχνά προσφέρουν περιορισμένες εξηγήσεις για τα αποτελέσματά τους. Εάν η αναφερόμενη έρευνα πετύχει, θα μπορούσε να βελτιώσει την αξιοπιστία και τη δυνατότητα μεταφοράς της τεχνητής νοημοσύνης που χρησιμοποιείται στην επιστημονική έρευνα και σε βιομηχανίες όπως ημιαγωγοί και μπαταρίες.
Το πρόγραμμα είναι σημαντικό επειδή στοχεύει έναν κεντρικό περιορισμό πολλών σημερινών συστημάτων τεχνητής νοημοσύνης: η ισχυρή απόδοση σε γνωστά μοτίβα δεν σημαίνει απαραίτητα αξιόπιστη συμπεριφορά όταν αλλάζουν οι υποκείμενες συνθήκες. Η DongA Science αναφέρει ότι το υπουργείο θέλει μοντέλα που παραμένουν σταθερά ενώ ερμηνεύουν επιστημονικά φαινόμενα σε διαφορετικά περιβάλλοντα. Σε επιστημονικές και μηχανολογικές ρυθμίσεις, όπου οι εξισώσεις και οι φυσικοί περιορισμοί έχουν σημασία, μια τέτοια ικανότητα θα μπορούσε να μειώσει την ανάγκη επανασχεδιασμού, επανερμηνείας ή επικύρωσης ενός συστήματος AI κάθε φορά που αλλάζουν οι συνθήκες λειτουργίας του.
Η προτεινόμενη εργασία εστιάζει επίσης στην αιτιότητα και την εξήγηση και όχι μόνο στην πρόβλεψη. Η DongA Science λέει ότι το έργο KAIST θα αναζητήσει εξισώσεις και αιτιακές δομές ενσωματωμένες σε δεδομένα, ενώ το έργο DGIST θα εξετάσει ποιοι φυσικοί νόμοι κυριαρχούν σε συγκεκριμένα φαινόμενα. Εάν επιτευχθούν αυτοί οι στόχοι, οι ερευνητές θα μπορούσαν να αποκτήσουν σαφέστερους τρόπους για να εξετάσουν γιατί ένα μοντέλο έφτασε σε ένα αποτέλεσμα και εάν η έκδοσή του είναι συνεπής με γνωστές επιστημονικές αρχές. Αυτό θα μπορούσε να διευκολύνει τον έλεγχο της έρευνας με τη βοήθεια τεχνητής νοημοσύνης, αν και το άρθρο δεν παρέχει στοιχεία ότι τα προτεινόμενα συστήματα έχουν ακόμη επιτύχει αυτά τα αποτελέσματα.
Το έργο της αρχιτεκτονικής θα μπορούσε να έχει ευρύτερες επιπτώσεις για το κόστος και την πρακτικότητα της τεχνητής νοημοσύνης. Η επεξεργασία μεγάλου πλαισίου απαιτεί πόρους και το έργο του Εθνικού Πανεπιστημίου της Σεούλ προορίζεται να διερευνήσει εναλλακτικές λύσεις στα τρέχοντα σχέδια. Η DongA Science αναφέρει επίσης ότι το δεύτερο έργο KAIST στοχεύει στην υποστήριξη σταθερών μοντέλων χρησιμοποιώντας σχετικά μικρές ποσότητες δεδομένων και υπολογιστικών πόρων. Το υπουργείο συνδέει αυτές τις προσπάθειες με την ανταγωνιστικότητα της τεχνητής νοημοσύνης της Νότιας Κορέας και με πιθανά οφέλη για ημιαγωγούς και μπαταρίες, αλλά η έκθεση δεν παρέχει στόχους απόδοσης, συγκρίσεις βάσης, δεσμεύσεις ανάπτυξης ή στοιχεία βιομηχανικής χρήσης.
Διαδραστικός Μηχανισμός: Πώς λειτουργεί στην πραγματικότητα
Εξερευνήστε την υποκείμενη τεχνολογία πίσω από αυτήν την εξέλιξη διαδραστικά.
A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
Τι να παρακολουθήσετε στη συνέχεια
Το βασικό τεστ θα είναι εάν τα έργα παράγουν μετρήσιμα κέρδη εκτός των συνθηκών εκπαίδευσής τους και εάν τα προκύπτοντα μοντέλα είναι πραγματικά πιο ερμηνεύσιμα, αποτελεσματικά και αξιόπιστα. Η DongA Science αναφέρει ότι τα δεδομένα και τα μοντέλα έργων προορίζονται για κυκλοφορία μέσω μιας ανοιχτής πλατφόρμας, αλλά η αναφορά δεν καθορίζει χρονοδιαγράμματα εκδόσεων, όρους αδειοδότησης, σημεία αναφοράς, μεγέθη μοντέλων, απαιτήσεις υπολογιστών ή ανεξάρτητα σχέδια αξιολόγησης.
Το πρώτο θέμα που πρέπει να παρακολουθήσετε είναι η τεχνική επικύρωση. Η DongA Science αναφέρει στόχους που περιλαμβάνουν σταθερότητα υπό αλλαγμένες συνθήκες, αιτιώδη συναγωγή, ερμηνεία φυσικών νόμων και αποτελεσματική επεξεργασία μακροπρόθεσμου πλαισίου, αλλά δεν αποκαλύπτει τα σύνολα δεδομένων, τα περιβάλλοντα δοκιμών, τα βασικά μοντέλα ή τα κριτήρια επιτυχίας που θα χρησιμοποιηθούν. Η ουσιαστική αξιολόγηση θα πρέπει να διακρίνει τη γνήσια γενίκευση από τα κέρδη απόδοσης που περιορίζονται σε προσεκτικά επιλεγμένα ερευνητικά καθήκοντα. Είναι επίσης άγνωστο εάν τα έργα θα δοκιμαστούν από ανεξάρτητους ερευνητές ή θα συγκριθούν με κορυφαία συστήματα μηχανικής μάθησης που ενημερώνονται από τη φυσική και επιστημονικά.
Το δεύτερο ζήτημα είναι εάν η προγραμματισμένη ανοιχτή πλατφόρμα παρέχει χρησιμοποιήσιμους δημόσιους πόρους. Το άρθρο αναφέρει ότι δεδομένα έργων και μοντέλα τεχνητής νοημοσύνης θα είναι διαθέσιμα, αλλά δεν προσδιορίζει την πλατφόρμα, το χρονοδιάγραμμα δημοσίευσης, τους όρους αδειοδότησης, τα πρότυπα τεκμηρίωσης ή τους περιορισμούς σε ευαίσθητα ή ιδιόκτητα ερευνητικά δεδομένα. Η διαθεσιμότητα βαρών κώδικα και μοντέλων μπορεί επίσης να εξαρτάται από τις υπολογιστικές απαιτήσεις, καθώς η έκθεση λέει ότι οι ομάδες θα λάβουν υποδομή GPU, αλλά δεν δίνει λεπτομέρειες σχετικά με την κλίμακα αυτής της υποστήριξης.
Το τρίτο ζήτημα είναι η εφαρμογή και η λογοδοσία. Το πρόγραμμα του υπουργείου έχει προγραμματιστεί να διαρκέσει έως το 2031, επομένως η έκθεση περιγράφει μια μακρά ερευνητική προσπάθεια και όχι μια ολοκληρωμένη ικανότητα. Παραμένει άγνωστο ποια έργα θα παράγουν συστήματα ανάπτυξης, πώς θα αντιμετωπίζονται τα επιστημονικά λάθη, εάν τα μοντέλα θα χρησιμοποιηθούν σε βιομηχανικές αποφάσεις υψηλών συνεπειών και πώς θα ελέγχονται οι εξηγήσεις τους από ειδικούς του τομέα. Ως εκ τούτου, οι προσδοκίες του υπουργείου σχετικά με τα οφέλη για την έρευνα, τους ημιαγωγούς και τις μπαταρίες παραμένουν προοπτικές έως ότου δημοσιευτούν τα αποτελέσματα, τα σημεία αναφοράς και οι πραγματικές επιδείξεις. Ο λογαριασμός της DongA Science είναι η βάση για τις λεπτομέρειες εδώ. αυτοί οι ισχυρισμοί δεν έχουν επιβεβαιωθεί ανεξάρτητα από δημόσιο πρωτογενές έγγραφο στο παρεχόμενο υλικό.