نموذج الذكاء الاصطناعي الثوري يتنبأ بالأنظمة المادية دون معرفة محددة مسبقًا

أظهرت دراسة حديثة أجراها باحثون من نموذج الذكاء الاصطناعي كشفت دراسة حديثة عن نموذج رائد للذكاء الاصطناعي قادر على التعميم عبر إشارات وظواهر فيزيائية متنوعة، مما يمثل قفزة كبيرة إلى الأمام في مجال الذكاء الاصطناعي. "نموذج أساسي للذكاء الاصطناعي الظاهراتي للإشارات الفيزيائية،" يقترح نهجًا جديدًا لبناء نموذج موحد للذكاء الاصطناعي يمكنه التنبؤ بالعمليات الفيزيائية وتفسيرها من مجالات مختلفة، كل ذلك دون معرفة مسبقة بالقوانين الفيزيائية الأساسية.

نهج جديد للذكاء الاصطناعي للأنظمة المادية

تهدف الدراسة إلى تطوير نموذج أساسي للذكاء الاصطناعي يمكنه التعامل مع الإشارات الفيزيائية من مجموعة واسعة من الأنظمة، بما في ذلك التيارات الكهربائية وتدفقات السوائل وبيانات المستشعرات البصرية. من خلال تبني نموذج أساسي للذكاء الاصطناعي، يمكننا أن نستنتج أن الذكاء الاصطناعي قادر على التعامل مع الإشارات الفيزيائية من مجموعة واسعة من الأنظمة، بما في ذلك التيارات الكهربائية وتدفقات السوائل وبيانات المستشعرات البصرية. ظواهر ومن خلال هذا النهج، تجنب الباحثون تضمين قوانين فيزيائية محددة في النموذج، مما يسمح له بالتعميم على ظواهر فيزيائية جديدة لم يواجهها من قبل.

تدرب على 0.59 مليار قياسات الاستشعار من مجالات مختلفة، أظهر النموذج أداءً استثنائيًا في التنبؤ بسلوكيات الأنظمة الفيزيائية. تتراوح هذه الأنظمة من المذبذبات الميكانيكية البسيطة إلى العمليات المعقدة مثل ديناميكيات الشبكة الكهربائية، مما يُظهر تنوع النموذج.

إطار عمل الذكاء الاصطناعي الظاهراتي

يعتمد نهج الدراسة على إطار ظاهراتي. وعلى عكس نماذج الذكاء الاصطناعي التقليدية التي تعتمد على تحيزات استقرائية محددة مسبقًا (مثل قوانين الحفاظ)، درب الباحثون الذكاء الاصطناعي الخاص بهم فقط على البيانات الرصدية من أجهزة الاستشعار. وهذا يسمح للنموذج بتعلم الأنماط الجوهرية للظواهر الفيزيائية المختلفة دون افتراض أي معرفة مسبقة بالمبادئ الفيزيائية الحاكمة.

ومن خلال التركيز على الكميات الفيزيائية مثل درجة الحرارة والتيار الكهربائي وعزم الدوران، تمكن النموذج من التعميم عبر أنواع وأنظمة الاستشعار المختلفة، مما فتح الباب أمام التطبيقات في الصناعات التي تتراوح من إدارة الطاقة إلى البحث العلمي المتقدم.

إطار عمل Ω: مسار نحو النماذج الفيزيائية العالمية

في قلب هذا الاختراق هو إطار عمل Ω، وهي منهجية منظمة طورها الباحثون لإنشاء نماذج الذكاء الاصطناعي التي يمكنها استنتاج العمليات الفيزيائية والتنبؤ بها. في هذا الإطار، يتم تمثيل جميع العمليات الفيزيائية كمجموعات من الكميات القابلة للملاحظة. يكمن التحدي المتمثل في بناء نموذج عالمي في حقيقة أنه لا يمكن قياس جميع الكميات الفيزيائية الممكنة أو تضمينها في التدريب. على الرغم من ذلك، يسمح إطار عمل Ω للنموذج باستنتاج السلوكيات في الأنظمة الجديدة بناءً على البيانات التي واجهها.

وتأتي هذه القدرة على التعميم من الطريقة التي يتعامل بها النموذج مع بيانات الاستشعار غير المكتملة أو المشوشة، وهو أمر نموذجي في التطبيقات في العالم الحقيقي. ويتعلم الذكاء الاصطناعي فك تشفير هذه الإشارات وإعادة بنائها، والتنبؤ بالسلوكيات المستقبلية بدقة مذهلة.

هندسة تعتمد على المحولات للإشارات المادية

يعتمد تصميم النموذج على شبكات المحولات، شائع الاستخدام في معالجة اللغة الطبيعية ولكن الآن يتم تطبيق ذلك على الإشارات المادية. حيث تقوم هذه الشبكات بتحويل بيانات المستشعر إلى بقع أحادية البعد، والتي يتم تضمينها بعد ذلك في مساحة كامنة موحدة. ويسمح هذا التضمين للنموذج بالتقاط الأنماط الزمنية المعقدة للإشارات المادية، بغض النظر عن نوع المستشعر المحدد.

مع التيار فك رموز الظواهر ثم يتم تمكين النموذج من إعادة بناء السلوك الماضي أو التنبؤ بالأحداث المستقبلية، مما يجعله قابلاً للتكيف مع مجموعة واسعة من الأنظمة المادية. كما تسمح أجهزة فك التشفير خفيفة الوزن أيضًا بضبط دقيق لمهمة محددة دون إعادة تدريب النموذج بالكامل.

التحقق عبر الأنظمة الفيزيائية المتنوعة

أجرى الباحثون تجارب مكثفة لاختبار قدرات النموذج على التعميم. وفي مجموعة واحدة من الاختبارات، تم تقييم النموذج على مذبذب توافقي ذو كتلة زنبركية ونظام حراري كهربائي. وكان كلا النظامين معروفين بسلوكياتهما الفوضوية أو المعقدة، مما يجعلهما مرشحين مثاليين لاختبار دقة التنبؤ بالنموذج.

وقد نجحت الذكاء الاصطناعي في التنبؤ بسلوك هذه الأنظمة بأقل قدر من الخطأ، حتى خلال المراحل الفوضوية. ويسلط هذا النجاح الضوء على إمكاناته في التنبؤ بالأنظمة الفيزيائية التي تظهر ديناميكيات غير خطية.

وأجريت تجارب أخرى باستخدام بيانات العالم الحقيقي، بما في ذلك:

• استهلاك الطاقة الكهربائية في بلدان مختلفة.
• تغيرات درجة الحرارة في ملبورن ، أستراليا.
• بيانات درجة حرارة الزيت من المحولات الكهربائية.

وفي كل حالة، تفوق النموذج على النماذج التقليدية الخاصة بمجال محدد، مما يدل على قدرته على التعامل مع الأنظمة المعقدة في العالم الحقيقي.

التعميم والتنوع في إطلاق النار بدون رصاصة

ومن بين النتائج الأكثر إثارة للاهتمام لهذه الدراسة قدرة النموذج على التعميم دون أخطاء. إذ يمكن للذكاء الاصطناعي التنبؤ بالسلوكيات في الأنظمة التي لم يسبق له مواجهتها أثناء التدريب، مثل السلوك الحراري الكهربائي وديناميكيات المحولات الكهربائية، بدرجة عالية من الدقة.

تعكس هذه القدرة الإنجازات التي تحققت في نماذج اللغة الطبيعية، مثل GPT-4، حيث يمكن لنموذج واحد مدرب على مجموعة بيانات ضخمة أن يتفوق على النماذج المتخصصة في مهام محددة. وقد يكون لهذا الاختراق آثار بعيدة المدى على قدرة الذكاء الاصطناعي على تفسير العمليات الفيزيائية.

التأثيرات على الصناعات والبحوث

التطبيقات المحتملة لهذا نموذج مؤسسة الذكاء الاصطناعي واسعة النطاق. من خلال تمكين الأنظمة المستقلة عن المستشعراتيمكن استخدام النموذج في المجالات التي يصعب فيها جمع مجموعات كبيرة من البيانات المتخصصة. وقد تؤدي قدرته على التعلم بشكل مستقل من البيانات الرصدية إلى تطوير أنظمة الذكاء الاصطناعي ذاتية التعلم التي تتكيف مع البيئات الجديدة دون تدخل بشري.

وعلاوة على ذلك، يحمل هذا النموذج وعداً كبيراً فيما يتصل بالاكتشافات العلمية. ففي مجالات مثل الفيزياء، وعلوم المواد، والبحوث التجريبية، حيث تكون البيانات غالباً معقدة ومتعددة الأبعاد، قد يعمل النموذج على تسريع عملية التحليل، وتقديم رؤى لم تكن متاحة من قبل بالطرق التقليدية.

التوجهات المستقبلية

بينما يُمثل النموذج تقدمًا ملحوظًا في مجال الذكاء الاصطناعي للأنظمة الفيزيائية، تُحدد الدراسة أيضًا مجالاتٍ لمزيد من البحث. وتشمل هذه المجالات تحسين تعامل النموذج مع الضوضاء الخاصة بالمستشعر، واستكشاف أدائه مع الإشارات غير الدورية، ومعالجة الحالات الاستثنائية التي كانت فيها التنبؤات أقل دقة.

يمكن أن يركز العمل المستقبلي أيضًا على تطوير أجهزة فك تشفير أكثر قوة لمهام محددة، مثل اكتشاف الشذوذ، أو التصنيف، أو التعامل مع الحالات الحافة في الأنظمة المعقدة.

خاتمة

مقدمة من هذا نموذج الأساس الظاهراتي للذكاء الاصطناعي للإشارات الفيزيائية يمثل هذا النموذج فصلاً جديدًا في قدرة الذكاء الاصطناعي على فهم العالم المادي والتنبؤ به. وبفضل قدرته على التعميم عبر مجموعة واسعة من الظواهر وأنواع المستشعرات، يمكن لهذا النموذج أن يحول الصناعات والبحث العلمي وحتى التقنيات اليومية. تفتح قدرة التعلم السريع التي تم توضيحها في الدراسة الباب أمام نماذج الذكاء الاصطناعي التي يمكنها التعلم بشكل مستقل والتكيف مع التحديات الجديدة، دون الحاجة إلى إعادة تدريب محددة للمجال.

هذا البحث الرائد، بقيادة نموذج الذكاء الاصطناعيمن المرجح أن يكون للذكاء الاصطناعي تأثيرات دائمة على كيفية تطبيق الذكاء الاصطناعي على الأنظمة المادية، مما يؤدي إلى إحداث ثورة في المجالات التي تعتمد على التنبؤات الدقيقة والقابلة للتطوير.