Ne oldu?
DongA Science, Güney Kore Bilim ve BİT Bakanlığı'nın, veriye dayalı öğrenmeyi fizik ve matematik ilkeleriyle birleştiren yapay zekayı geliştirmeyi amaçlayan 2026-2031 araştırma programını başlattığını bildirdi. Bakanlık, KAIST, DGIST ve Seul Ulusal Üniversitesi ekipleri tarafından yönetilen dört projeyi seçti; altı yıl boyunca 20 milyar won tahsis edildi ve 2026 için 2 milyar won bütçe ayrıldı.
DongA Science, Bilim ve BİT Bakanlığının 24 Ağustos'ta bir başlangıç brifingi düzenlediğini ve "Yeni Nesil Yapay Zeka+Bilim ve Teknoloji Temel Teknoloji Geliştirme Projesi" kapsamında yeni seçilen dört proje üzerinde araştırma ve geliştirmeye başladığını bildirdi. Makale, hükümetin 2026'dan 2031'e kadar 20 milyar won yatırım yapacağını, bunun 2 milyar wonunun ilk yıl olacağını söylüyor. Rapor, girişimi ticari bir ürün lansmanı veya hemen kullanılabilir bir yapay zeka sistemi yerine temel bir araştırma olarak tanımlıyor.
Projelerden ikisi, değişen koşullar altında bilimsel olayları yorumlamak ve tahmin etmek için fizik ve matematik kullanan yapay zeka modellerine odaklanacak. DongA Science'a göre, Profesör Hau Seok liderliğindeki bir KAIST ekibi, koşullar veya ortamlar değiştiğinde bile verilerden nedensel yapılar çıkarmayı ve denklemleri yönetmeyi amaçlayan matematik ve fizik temelli bir nedensel yapay zeka modeli geliştirecek. Profesör Yoo Jae-seok liderliğindeki bir DGIST ekibi, farklı olaylara hangi fiziksel yasaların hakim olduğunu göstermek ve bir yapay zeka sisteminin yorumlama stratejilerini seçmesine yardımcı olmak için tasarlanmış bir "Yapay Zeka dinamiği uzmanı" geliştirecek.
Diğer iki proje ise yapay zeka mimarisi ve eğitimiyle ilgili. DongA Science, Profesör Oh Min-hwan liderliğindeki bir Seul Ulusal Üniversitesi ekibinin, uzun bağlamları daha verimli bir şekilde ele alan mimariler ve eğitim yöntemleri oluşturmak amacıyla, bağlam uzunluğu arttıkça hesaplama talepleri artan mevcut yapay zeka modellerindeki sınırlamaları matematiksel olarak inceleyeceğini bildirdi. Profesör Yoon Cheol-hee liderliğindeki bir KAIST ekibi, üretken yapay zekanın öğrenme yoluyla nasıl geliştiğini inceleyecek ve bu çalışmayı mimari tasarım, eğitim ve güvenilirlik doğrulamasını kapsayan bir metodoloji geliştirmek için kullanacak. Bakanlık, GPU hesaplama altyapısını sağlamayı planlıyor ve makalede, projeler tarafından üretilen araştırma verilerinin ve modellerinin açık bir platform aracılığıyla kullanıma sunulacağı belirtiliyor.
Kaynak ayrıntıları: dongascience.com ↗
Neden önemli?
Program, veriye dayalı yapay zekanın pratik bir zayıflığını ele alıyor: Koşullar eğitim verilerinden farklı olduğunda sistemler düşük performans gösterebilir ve çoğu zaman çıktıları için sınırlı açıklamalar sunar. Bildirilen araştırma başarılı olursa, bilimsel araştırmalarda ve yarı iletkenler ve piller gibi endüstrilerde kullanılan yapay zekanın güvenilirliğini ve aktarılabilirliğini artırabilir.
Program önemlidir çünkü mevcut birçok yapay zeka sisteminin merkezi bir sınırlamasını hedef alır: tanıdık modellerde güçlü performans, altta yatan koşullar değiştiğinde mutlaka güvenilir davranış anlamına gelmez. DongA Science, bakanlığın farklı ortamlardaki bilimsel olayları yorumlarken sabit kalan modeller istediğini bildirdi. Denklemlerin ve fiziksel kısıtlamaların önemli olduğu bilim ve mühendislik ortamlarında böyle bir yetenek, çalışma koşulları değiştiğinde bir yapay zeka sisteminin yeniden tasarlanması, yeniden yorumlanması veya doğrulanması ihtiyacını azaltabilir.
Önerilen çalışma aynı zamanda yalnızca tahminden ziyade nedensellik ve açıklamaya da odaklanmaktadır. DongA Science, KAIST projesinin verilere gömülü denklemleri ve nedensel yapıları yöneteceğini, DGIST projesinin ise belirli fenomenlere hangi fiziksel yasaların hakim olduğunu inceleyeceğini söyledi. Bu hedefler karşılanırsa araştırmacılar, bir modelin neden bir sonuca ulaştığını ve çıktısının bilinen bilimsel ilkelerle tutarlı olup olmadığını incelemenin daha net yollarını bulabilirler. Makale, önerilen sistemlerin henüz bu sonuçlara ulaştığına dair kanıt sunmasa da, bu, yapay zeka destekli araştırmaların denetlenmesini kolaylaştırabilir.
Mimari çalışmanın yapay zekanın maliyeti ve pratikliği üzerinde daha geniş etkileri olabilir. Uzun bağlamlı işleme kaynak yoğundur ve Seul Ulusal Üniversitesi projesi mevcut tasarımlara alternatifleri araştırmayı amaçlamaktadır. DongA Science ayrıca ikinci KAIST projesinin nispeten küçük miktarlarda veri ve bilgi işlem kaynakları kullanan kararlı modelleri desteklemeyi hedeflediğini bildirdi. Bakanlık, bu çabaları Güney Kore'nin yapay zeka rekabetçiliğine ve yarı iletkenler ile pillere yönelik potansiyel faydalara bağlıyor ancak raporda performans hedefleri, temel karşılaştırmalar, dağıtım taahhütleri veya endüstriyel kullanıma ilişkin kanıtlar sunulmuyor.
İnteraktif Mekanizma: Aslında Nasıl Çalışıyor?
Bu gelişmenin arkasında yatan teknolojiyi etkileşimli olarak keşfedin.
A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
Bundan sonra ne izlenecek?
Temel test, projelerin eğitim koşulları dışında ölçülebilir kazanımlar üretip üretmediği ve ortaya çıkan modellerin gerçekten daha yorumlanabilir, verimli ve güvenilir olup olmadığı olacaktır. DongA Science, proje verilerinin ve modellerinin açık bir platform aracılığıyla yayınlanmasının amaçlandığını bildirdi ancak raporda sürüm programları, lisans koşulları, kıyaslamalar, model boyutları, bilgi işlem gereksinimleri veya bağımsız değerlendirme planları belirtilmedi.
İzlenecek ilk konu teknik doğrulamadır. DongA Science, değişen koşullar altında kararlılık, nedensel çıkarım, fizik kanunu yorumlama ve etkili uzun bağlam işlemeyi içeren hedefleri rapor ediyor, ancak kullanılacak veri kümelerini, test ortamlarını, temel modelleri veya başarı kriterlerini açıklamıyor. Anlamlı bir değerlendirmenin, gerçek genellemeyi dikkatle seçilmiş araştırma görevleriyle sınırlı performans kazanımlarından ayırması gerekir. Projelerin bağımsız araştırmacılar tarafından mı test edileceği yoksa önde gelen fizik bilgili ve bilimsel makine öğrenimi sistemleriyle mi karşılaştırılacağı da bilinmiyor.
İkinci konu ise planlanan açık platformun kullanılabilir kamu kaynakları sağlayıp sağlamadığıdır. Makale, proje verilerinin ve yapay zeka modellerinin kullanıma sunulacağını söylüyor ancak platformu, yayın takvimini, lisans koşullarını, belgeleme standartlarını veya hassas veya özel araştırma verilerine ilişkin kısıtlamaları tanımlamıyor. Kod ve model ağırlıklarının mevcudiyeti bilgi işlem gereksinimlerine de bağlı olabilir; çünkü raporda ekiplerin GPU altyapısını alacağı belirtiliyor ancak bu desteğin ölçeği hakkında hiçbir ayrıntı yok.
Üçüncü konu uygulama ve hesap verebilirliktir. Bakanlığın programının 2031 yılına kadar sürmesi planlanıyor, dolayısıyla raporda tamamlanmış bir yetenek yerine uzun bir araştırma çalışması anlatılıyor. Hangi projelerin konuşlandırılabilir sistemler üreteceği, bilimsel hataların nasıl ele alınacağı, sonuçları yüksek endüstriyel kararlarda modellerin kullanılıp kullanılmayacağı ve açıklamalarının alan uzmanları tarafından nasıl kontrol edileceği henüz bilinmiyor. Bakanlığın araştırma, yarı iletkenler ve pillere yönelik faydalara ilişkin beklentileri bu nedenle sonuçlar, kıyaslamalar ve gerçek dünya gösterileri yayınlanana kadar ileriye dönük olmaya devam edecek. DongA Science'ın açıklaması buradaki ayrıntıların temelini oluşturuyor; bu iddialar, sağlanan materyaldeki kamuya açık bir birincil belgeden bağımsız olarak doğrulanmamıştır.