基於圖形的人工智能模型描繪創新未來
一種由麻省理工學院的馬庫斯·比勒教授開發的人工智能方法，發現科學與藝術之間的隱藏聯繫，並建議創造新材料。
想像一下，利用人工智能比較兩個看似無關的創作——生物組織和貝多芬的《第九交響曲》。乍一看，活生生的系統和音樂傑作似乎沒有任何聯繫。然而，麻省理工學院土木與環境工程及機械工程的麥卡菲工程學教授馬庫斯·比勒所開發的一種新型人工智能方法，正是彌補了這一差距，揭示了複雜性和秩序之間的共同模式。
比勒表示：“通過將生成式人工智能與基於圖形的計算工具相結合，這種方法揭示了以前無法想像的全新想法、概念和設計。我們可以通過教導生成式人工智能對從未見過的想法、概念和設計進行新穎的預測，來加速科學發現。”
這項最近發表於《機器學習：科學與技術》的開放存取研究，展示了一種先進的人工智能方法，該方法整合了生成知識提取、基於圖形的表示和多模態智能圖形推理。
該研究使用受範疇理論啟發的方法來開發圖形，作為教導模型理解科學中符號關係的核心機制。範疇理論是數學的一個分支，涉及抽象結構及其之間的關係，通過關注對象及其交互，而非具體內容，提供了一個理解和統一各種系統的框架。在範疇理論中，系統是從對象（可以是數字或更抽象的實體，如結構或過程）和形態（定義這些對象之間關係的箭頭或函數）來看待的。通過這種方法，比勒能夠教導人工智能模型系統性地推理複雜的科學概念和行為。形態引入的符號關係清楚地表明，人工智能不僅僅是在進行類比，而是在進行更深層的推理，映射不同領域之間的抽象結構。
比勒利用這種新方法分析了1000篇關於生物材料的科學論文，並將其轉化為圖形形式的知識地圖。該圖形揭示了不同信息之間的聯繫，並能夠找到相關想法和關鍵點的組合，將許多概念聯繫在一起。
比勒表示：“真正有趣的是，這個圖形遵循無尺度的特性，高度連接，並可以有效地用於圖形推理。換句話說，我們教導人工智能系統以圖形數據為基礎思考，幫助它們建立更好的世界表徵模型，增強思考和探索新想法的能力，以促進發現。”
研究人員可以利用這一框架回答複雜問題，發現當前知識中的空白，建議新的材料設計，預測材料的行為，並聯繫之前未曾聯繫的概念。
這個人工智能模型發現生物材料和《第九交響曲》之間的意外相似之處，表明兩者都遵循複雜的模式。比勒指出：“就像生物材料中的細胞以複雜而有序的方式相互作用以執行功能一樣，貝多芬的第九交響曲也將音符和主題編排在一起，創造出一種複雜而連貫的音樂體驗。”
在另一個實驗中，基於圖形的人工智能模型建議創造一種受瓦西里·康丁斯基的抽象畫《第七組曲》啟發的新生物材料。人工智能建議了一種新的基於菌絲體的複合材料。比勒指出：“這種材料的結果結合了一套創新的概念，包括混沌與秩序的平衡、可調性、孔隙率、機械強度和複雜的化學功能性。”通過從一幅抽象畫中汲取靈感，人工智能創造了一種在強度和功能性之間取得平衡的材料，同時還具有適應性和執行不同角色的能力。這一應用有可能促進創新可持續建築材料、生物可降解塑料替代品、可穿戴技術，甚至生物醫學設備的發展。
憑藉這一先進的人工智能模型，科學家可以從音樂、藝術和技術中汲取見解，分析這些領域的數據，以識別隱藏的模式，從而激發材料設計、研究，甚至音樂或視覺藝術的創新可能性。
比勒表示：“基於圖形的生成式人工智能在新穎性、探索能力和技術細節上達到了遠高於傳統方法的程度，並通過揭示隱藏的聯繫建立了一個廣泛有用的創新框架。”他還補充道：“這項研究不僅對生物啟發材料和力學領域作出貢獻，還為未來可能由人工智能和知識圖譜驅動的跨學科研究設置了舞臺，成為科學和哲學探究的工具。”
在當今快速變化的科技環境中，這項研究不僅展示了人工智能在材料科學中的潛力，還強調了跨學科合作的重要性。將藝術、科學和技術相結合，無疑能為未來的創新開啟新的大門，這對於解決當前的環境和社會挑戰至關重要。這樣的發展不僅能推動材料科學的進步，同時也能為我們的生活帶來更多的創新與變革。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
