HyperAIHyperAI

Command Palette

Search for a command to run...

مختبر شنغهاي يطلق إطار ساغ للاستشعار العلمي ذاتي التحسين

أطلق مختبر شنغهاي للذكاء الاصطناعي مؤخرا الإطار العلمي متعدد الوسائط ساج سايت بيرسبشن بوصفه تطورا في طبقة النماذج الأساسية ضمن بنية ساج للتقريب بين الذكاء العام والمتخصص. يعتمد الإطار على وحدات إسقاط قابلة للتدريب لتحويل الطيفيات والتسلسلات وبنى البلورات والإشارات الزمنية إلى تمثيلات يفهمها نموذج اللغة الكبير، ثم يعالج أسئلة الباحثين العلمية بلغة طبيعية داخل سلسلة الاستدلال ذاتها. ويضيف الإطار نمطا للتحسين الذاتي المتكرر يمكّن النموذج من تحليل أدائه واكتشاف قصور المعمارية واقتراح تعديلات في وحدات الإسقاط واختبارها بالتدريب والتقييم، فتحول التطوير من تصميم يدوي ثابت إلى حلقة مغلقة من الاقتراح والتدريب والتقييم والتحسين. يعتمد التصميم على تجميد نموذج اللغة الأساسي وتدريب وحدات إسقاط خفيفة، بحيث يمكن في تجربة القراءة الخاصة بالحمض النووي الريبوزي غير المشفر تحديث ما لا يتجاوز ٠٫٠٠٠٥ مليار معامل لربط التمثيلات العلمية بالنموذج اللغوي. وفي اختبار تصنيف فصائل هذا الحمض، اقترح النموذج مقاربة قراءة على مرحلتين، فرفع الدقة من نحو ٩٠ إلى نحو ٩٥ بالمئة، ثم إلى نحو ٩٧ بالمئة بعد إضافات لاحقة. ويقلل هذا النهج طول الإدخال في البيانات عالية البعد؛ فإشارة كهربية قلبية تستلزم عادة نحو ٢٥٣ ألف رمز نصي تقلصت إلى ٤٥٢ رمزا فقط. ويمنح الإطار النماذج العلمية قدرات تفتيش أدق، منها تحديد مواقع التفاعل في البروتينات والتنبؤ بخصائص البلورات واستنتاج البنى الجزيئية من الأطياف. وفي اختبارات معيارية، سجل الإطار ١٥٫٠٣ في مقياس متوسط الخطأ المطلق للتنبؤ بطاقة تكوّن البلورات، متفوقا على نماذج مرجعية، وحقق ٩٧٫٣٥ بالمئة في تصنيف فصائل الحمض النووي الريبوزي غير المشفر، و٦١٫١٢ بالمئة في تحديد مواقع التفاعل البروتيني، و٤٩٫٧٥ بالمئة في استنتاج البنية الجزيئية من الأطياف. ومن المتوقع أن يدمج الإطار في الجيل التالي من النماذج العلمية لسلسلة شوشنغ، ويستخدم مع أدوات وبيانات جديدة لتوسيع قدرات الاستدلال العلمي وخفض تكاليف التفسير النصي للبيانات التجريبية.

الروابط ذات الصلة