ИИ‑агент DeepMind тестирует научные гипотезы
Кевин Мерфи из Google DeepMind представил Model Discovery Agent — систему, которая генерирует механизмы, выбирает следующий эксперимент и обновляет гипотезы по результатам.
Исследователь Google DeepMind Кевин Мерфи представил Model Discovery Agent (MDA) — программный агент для тестирования научных гипотез. Система генерирует возможные механизмы, выбирает следующий наиболее информативный эксперимент и обновляет вероятности гипотез на основе полученных данных.
MDA формирует набор гипотез о механизмах, способных объяснить наблюдаемые данные. Для каждой гипотезы агент оценивает, какой эксперимент даст наибольшую информацию для различения вариантов, и предлагает его выполнить. После получения результатов модель автоматически корректирует вероятности гипотез и может предлагать новые структуры моделей.
Систему протестировали на задачах, моделирующих проблемы в физике, химии и биологии. По информации автора, агент обучает модели на экспериментальных данных эффективнее существующих методов, то есть требует меньшее число экспериментов для достижения сопоставимой точности. Конкретные численные метрики и наборы тестов в описании не приводятся.
С технической точки зрения MDA сочетает генерацию кандидатов моделей и стратегию активного отбора экспериментов, ориентированную на получение максимальной информации для дискриминации гипотез. Такой подход позволяет направлять экспериментальные ресурсы на сценарии, которые дают наибольшую пользу для уточнения моделей, вместо случайного или полного перебора вариантов.
Возможные области применения включают лабораторные исследования с ограничениями по времени и бюджету, а также задачи, где требуется быстро уточнять модели сложных систем. В описании проекта подчеркивается, что агент предназначен для помощи в проектировании и интерпретации экспериментов, а окончательная проверка и выводы остаются за исследователями.
MDA описывается как продолжение исследований по автоматизации дизайна экспериментов и интеграции методов машинного обучения в научный процесс. В отличие от ранних проектов, которые фокусировались преимущественно на отборе экспериментов и оптимизации, этот агент объединяет генерацию гипотез и активное обучение для итеративного построения моделей на основе экспериментальных данных.
Материалы на GNcrypto предоставляются исключительно в информационных целях и не являются финансовой рекомендацией. Мы стремимся публиковать точные и актуальные данные, однако не можем гарантировать их абсолютную достоверность, полноту или надёжность. GNcrypto не несёт ответственности за возможные ошибки, упущения или финансовые потери, возникшие вследствие использования данной информации. Все действия вы совершаете на свой страх и риск. Всегда проводите собственный анализ и консультируйтесь с профессионалами. Подробнее см. в наших страницах Условия, Политика конфиденциальности и Отказ от ответственности.
Статьи этого автора
