آیا مدل هوش مصنوعی شما در ارجاعات منابع تقلب میکند؟
پژوهشگران ابزاری ساختهاند که مشخص میکند یک مدل یادگیری ماشین واقعاً شیمی مواد را یاد گرفته یا فقط الگوهای انتشارات علمی را حفظ کرده. خیلی از مدلهای فعلی بهجای درک خواص شیمیایی، یاد گرفتهاند نویسنده و مجله و سال مقاله را با نتیجه مرتبط کنند. ابزار مذکور با استفاده از آزمون جعل داده این مشکل را فاش میکند.
چرا مهمه؟
مدلهای هوش مصنوعی در علم مواد قرار است مواد جدیدی مثل باتری بهتر یا تراشههای پیشرفتهتر پیشنهاد بدهند. اگر این مدلها فقط نام مجله و نویسنده را حدس بزنند و نه شیمی واقعی را، پیشنهادهایشان در دنیای واقعی بیارزش خواهد بود. محققان، صنعتگران و سرمایهگذارانی که به این مدلها اعتماد میکنند باید بدانند نتایج واقعیاند یا فقط بازی با اعداد.
به درد کی میخوره؟
پژوهشگران علم مواد و شیمی توسعهدهندگان مدلهای یادگیری ماشین در حوزه علوم پایه استارتاپهای فناوری مواد و باتری سرمایهگذاران حوزه فناوری پیشرفته استادان و دانشجویان تحصیلات تکمیلی
تو عمل چی کار کنیم؟
اگر روی مدلی سرمایهگذاری میکنید یا از خروجی آن برای پژوهش استفاده میکنید، اول باید مطمئن شوید مدل واقعاً یاد گرفته. این ابزار به تیمهای تحقیقاتی کمک میکند قبل از اتلاف وقت و بودجه، اعتبار مدلشان را بسنجند. صنایع داروسازی و الکترونیک هم میتوانند هنگام خرید خدمات پیشبینی مواد، از فروشنده بخواهند این آزمون را اجرا کند.
نظر Blue IT News
وقتی هوش مصنوعی وارد علوم پایه میشود، باید معیار سنجش دقیقتر از حوزههای دیگر باشد. این ابزار یادآوری میکند که «دقت بالای آزمونگشایی» همیشه به معنای «یادگیری واقعی» نیست.