AI ໃໝ່ສາມາດຄົ້ນພົບກົດໝາຍທາງກາຍທີ່ເຊື່ອງໄວ້

ເທັກໂນໂລຍີປັນຍາປະດິດໃໝ່ (AI) ທີ່ສາມາດຄົ້ນພົບກົດໝາຍທາງກາຍະພາບທີ່ເຊື່ອງໄວ້ໄດ້ຖືກພັດທະນາໂດຍນັກຄົ້ນຄວ້າຢູ່ມະຫາວິທະຍາໄລ Kobe ແລະມະຫາວິທະຍາໄລ Osaka. AI ສາມາດສະກັດສົມຜົນການເຄື່ອນໄຫວທີ່ເຊື່ອງໄວ້ຈາກຂໍ້ມູນການສັງເກດການປົກກະຕິ, ເຊິ່ງຫຼັງຈາກນັ້ນຖືກນໍາໃຊ້ເພື່ອສ້າງຕົວແບບໂດຍອີງໃສ່ກົດຫມາຍຂອງຟີຊິກ. 

ການພັດທະນາໃຫມ່ສາມາດເຮັດໃຫ້ຜູ້ຊ່ຽວຊານຄົ້ນພົບສົມຜົນທີ່ເຊື່ອງໄວ້ຂອງການເຄື່ອນໄຫວທີ່ຢູ່ເບື້ອງຫຼັງປະກົດການທີ່ບໍ່ສາມາດອະທິບາຍໄດ້. 

ທີມງານຄົ້ນຄ້ວາປະກອບມີຮອງສາດສະດາຈານ Yaguchi Takaharu ແລະ Ph.D. ນັກສຶກສາ Chen Yuhan ຈາກມະຫາວິທະຍາໄລ Kobe, ເຊັ່ນດຽວກັນກັບຮອງສາດສະດາຈານ Matsubara Takashi ຈາກມະຫາວິທະຍາໄລ Osaka.

ການຄົ້ນຄວ້າໄດ້ຖືກນໍາສະເຫນີໃນເດືອນແລ້ວນີ້ຢູ່ທີ່ ກອງປະຊຸມສາມສິບຫ້າກ່ຽວກັບລະບົບປະມວນຂໍ້ມູນທາງປະສາດ (NeurlPS2021).

ການຄາດເດົາປະກົດການທາງດ້ານຮ່າງກາຍ 

ເພື່ອເຮັດໃຫ້ການຄາດເດົາກ່ຽວກັບປະກົດການທາງດ້ານຮ່າງກາຍ, ຜູ້ຊ່ຽວຊານປົກກະຕິແລ້ວອີງໃສ່ການຈໍາລອງກັບ supercomputers. ການຈໍາລອງໃຊ້ແບບຈໍາລອງທາງຄະນິດສາດໂດຍອີງໃສ່ກົດຫມາຍຂອງຟີຊິກ, ແຕ່ຜົນໄດ້ຮັບສາມາດບໍ່ຫນ້າເຊື່ອຖືຖ້າຕົວແບບມີຄໍາຖາມ. ນີ້ແມ່ນເຫດຜົນທີ່ວ່າມັນເປັນສິ່ງສໍາຄັນທີ່ຈະມີວິທີການຜະລິດແບບຈໍາລອງທີ່ເຊື່ອຖືໄດ້ຈາກຂໍ້ມູນການສັງເກດການຂອງປະກົດການ. 

ການຄົ້ນຄວ້າໃຫມ່ໄດ້ພັດທະນາວິທີການຄົ້ນພົບສົມຜົນໃຫມ່ຂອງການເຄື່ອນໄຫວໃນຂໍ້ມູນການສັງເກດການ. ການຄົ້ນຄວ້າທີ່ຜ່ານມາໄດ້ສຸມໃສ່ການຄົ້ນພົບສົມຜົນຂອງການເຄື່ອນໄຫວຈາກຂໍ້ມູນ, ແຕ່ບາງອັນຮຽກຮ້ອງໃຫ້ຂໍ້ມູນຢູ່ໃນຮູບແບບທີ່ເຫມາະສົມ. ບັນຫາແມ່ນວ່າມີຫຼາຍໆກໍລະນີທີ່ຜູ້ຊ່ຽວຊານບໍ່ຮູ້ຮູບແບບຂໍ້ມູນທີ່ດີທີ່ສຸດທີ່ຈະນໍາໃຊ້, ດັ່ງນັ້ນມັນກໍ່ເປັນການຍາກທີ່ຈະນໍາໃຊ້ຂໍ້ມູນທີ່ແທ້ຈິງ.

ການສ່ອງແສງຄຸນສົມບັດເລຂາຄະນິດທີ່ບໍ່ຮູ້ຈັກ 

ນັກຄົ້ນຄວ້າໄດ້ແກ້ໄຂສິ່ງທ້າທາຍນີ້ໂດຍການສ່ອງແສງຄຸນສົມບັດເລຂາຄະນິດທີ່ບໍ່ຮູ້ຈັກທີ່ຢູ່ເບື້ອງຫຼັງປະກົດການ. ນີ້ເຮັດໃຫ້ພວກເຂົາພັດທະນາ AI ທີ່ສາມາດຊອກຫາຄຸນສົມບັດເລຂາຄະນິດເຫຼົ່ານີ້ຢູ່ໃນຂໍ້ມູນ. ຖ້າ AI ສາມາດສະກັດສົມຜົນການເຄື່ອນໄຫວຈາກຂໍ້ມູນ, ສົມຜົນສາມາດຖືກນໍາໃຊ້ເພື່ອສ້າງແບບຈໍາລອງແລະການຈໍາລອງທີ່ປະຕິບັດຕາມກົດຫມາຍທາງດ້ານຮ່າງກາຍ. 

ການຈຳລອງທາງກາຍະພາບເກີດຂຶ້ນໃນຂົງເຂດຕ່າງໆ ເຊັ່ນ: ການພະຍາກອນອາກາດ, ການຄົ້ນພົບຢາ ແລະ ການອອກແບບລົດ. ຢ່າງໃດກໍຕາມ, ພວກເຂົາເຈົ້າປົກກະຕິແລ້ວຮຽກຮ້ອງໃຫ້ມີການຄິດໄລ່ຢ່າງກວ້າງຂວາງ. ຖ້າ AI ສາມາດຮຽນຮູ້ຈາກຂໍ້ມູນຂອງປະກົດການສະເພາະ, ເຊັ່ນດຽວກັນກັບການສ້າງແບບຈໍາລອງຂະຫນາດນ້ອຍໂດຍໃຊ້ວິທີການໃຫມ່, ຫຼັງຈາກນັ້ນການຄິດໄລ່ສາມາດງ່າຍດາຍ, ເລັ່ງ, ແລະຊື່ສັດຕໍ່ກົດຫມາຍຂອງຟີຊິກ. 

ວິທີການດັ່ງກ່າວຍັງສາມາດຖືກນໍາໃຊ້ກັບພື້ນທີ່ທີ່ບໍ່ກ່ຽວຂ້ອງກັບຟີຊິກ, ເຮັດໃຫ້ການສືບສວນກ່ຽວກັບຄວາມຮູ້ຟີຊິກແລະການຈໍາລອງສໍາລັບປະກົດການທີ່ຜ່ານມາຖືວ່າບໍ່ສາມາດອະທິບາຍໄດ້. ຕົວຢ່າງເຊັ່ນຫນຶ່ງແມ່ນວ່າມັນສາມາດຖືກນໍາໃຊ້ເພື່ອຊອກຫາສົມຜົນການເຄື່ອນໄຫວທີ່ເຊື່ອງໄວ້ໃນຂໍ້ມູນປະຊາກອນສັດທີ່ສະແດງໃຫ້ເຫັນການປ່ຽນແປງຂອງຈໍານວນບຸກຄົນ, ເຊິ່ງສາມາດຊ່ວຍໃຫ້ຄວາມເຂົ້າໃຈກ່ຽວກັບຄວາມຍືນຍົງຂອງລະບົບນິເວດ.