AI эмийн “зохиогч”, сансрын толь ба сэтгэдэг экскаватор

Insilico Medicine зэрэг компаниуд AI платформ нь хүний санаанд ороогүй байж болох молекулын хувилбаруудыг хурдан санал болгодог гэж үздэг. Гэхдээ тухайн санааг лабораторид турших, аюулгүй байдал ба үр нөлөөг нотлох ажлыг хүмүүс хийсээр байна. Эмийн “нээлт” гэдэг үгийг хэнд хэрэглэх нь зүгээр нэг хэл найруулгын асуудал биш. Патентын эрх, эрдэм шинжилгээний зохиогчийн нэр, хөрөнгө оруулагчдад тавих амлалт AI эмийн ажлууд туршилтын шатнаас клиникт олноор шилжих тусам илүү хурц сэдэв болно.

Сансрын нарны эрчим хүчний гол амлалт нь үүл, шөнө, улирлаас үл хамааран нарны энергийг цуглуулах боломж юм. Харин гэрлийг зорилтот бүс рүү чиглүүлдэг том толь нь ажиглалтын дуранд саад болж, аль хэдийн олон хиймэл дагуултай болсон тэнгэрийг улам төвөгтэй болгож магадгүй. Технологийн боломжийг бодит нөлөөллөөс нь салгаж болохгүйг энэ санаа сануулж байна. Төслийн зөвшөөрөл, гэрлийн тархалтын стандарт, одон орончидтой хийх урьдчилсан зөвшилцөл нь пуужин, толиноос дутахааргүй чухал болно.

Экскаватор удирдах нь joystick хөдөлгөхөөс илүү нарийн ур чадвар шаарддаг: гарын хэд хэдэн команд нэгэн зэрэг шанаганы байрлал, өнцөг, хурдыг өөрчилнө. Шинэ удирдлагын арга нь операторын хийхийг зорьсон хөдөлгөөнийг илүү шууд хөрвүүлэхэд чиглэж байна. Барилгын талбайн автоматжуулалт үргэлж “хүнийг солих” гэсэн утгатай биш. Ялангуяа туршлагатай оператор ховор салбарт сургалтыг богиносгож, аюулгүй ажиллагааг дэмждэг хагас автомат туслахууд түрүүлж хэрэгжих магадлалтай.

Тоглоомын орчин дүрэмтэй, хэмжигдэхүйц, бас гэнэтийн нөхцөл ихтэй учраас AI-ийн төлөвлөлт, суралцах, хамтрах чадварыг шалгахад тохиромжтой. DeepMind-ийн өмнөх тоглоомын судалгаанууд ерөнхий зориулалтын AI аргын хөгжлийг ч түлхэж байсан. Харин тоглоомд AI оруулахад бүтээлч эрх чөлөө, шударга өрсөлдөөн, тоглогчийн хяналт гэсэн асуулт дагалдана. Дараагийн сонирхолтой зүйл нь илүү ухаалаг дайсан биш, тоглогчийн санаанд нийцэн өөрчлөгддөг ертөнц гарч чадах эсэх байх болно.

Өнөөдөр аммиакийн ихэнхийг устөрөгч гаргахдаа байгалийн хий ашигладаг аргаар үйлдвэрлэдэг тул нүүрстөрөгчийн ул мөр өндөр. Илүү үр ашигтай цахилгаан-химийн аргууд хөгжвөл бордооны үйлдвэрлэлийн ялгарлыг бууруулах боломж нээгдэнэ. Гэхдээ лабораторийн материал үйлдвэрт нэвтрэх хүртэл урт зам бий: найдвартай ажиллагаа, өртөг, цахилгааны эх үүсвэр, үйлдвэрлэлийн цар хүрээ бүгд шийдвэрлэх хүчин зүйл. Аммиак “ногоон түлш” болохоосоо өмнө хүнс үйлдвэрлэлийн нүүрстөрөгчийг багасгах бодит гарц болж магадгүй.

Судлаачид моделээс тодорхой сургалтын жишээг “мэс заслын” аргаар хасч үзэхэд, үүсгэсэн олон зураг нэг эх зурагтай шууд холбоогүй болох нь ажиглагдсан. Өөрөөр хэлбэл модель олон жишээний хэв маяг, хамаарлыг холин шинэ үр дүн гаргаж болно. Энэ нь уран бүтээлчдийн бүтээлийг зөвшөөрөлгүй ашиглах асуудлыг үгүйсгэхгүй. Харин “энэ зураг яг тэр зургийг хуулсан уу?” гэх шалгуур дангаараа хангалтгүйг харуулна; сургалтын өгөгдлийн зөвшөөрөл, ил тод байдал, нөхөн төлбөрийн тогтолцоо илүү чухал сэдэв болно.

Хоёр багт ачаалал хуваах, серверүүдэд ажил тараах, санхүүгийн эрсдэлийг багцлах зэрэг нь бүгд “аль болох тэнцвэртэй хуваарилалт” гэсэн нэгэн цөм асуудлын өөр өөр хувилбар юм. Шинэ үр дүн нь ийм хуваарилалтыг олох алгоритмын чанарыг сайжруулжээ. Эндээс маргааш шууд хэрэглээний апп гарахгүй байж болно. Гэхдээ суурь математикийн жижиг мэт ахиц олон жилийн дараа чипийн тооцоолол, сүлжээний удирдлага, AI системийн нөөц хуваарилалтад нөлөөлдөг нь энэ мэдээний хамгийн сонирхолтой тал юм.