В последние годы исследования в области искусственного интеллекта (ИИ) и машинного обучения (МО) стремительно развиваются, и количество научных публикаций по этой теме растет в геометрической прогрессии. Однако для исследователей становится все сложнее отслеживать и быть в курсе всех достижений в этой области.
Решение этой проблемы нашло международная группа ученых под руководством Марио Кренна из Института науки о свете Макса Планка. Они разработали инновационный алгоритм искусственного интеллекта, который помогает исследователям систематически ориентироваться в огромном объеме научных публикаций и прогнозировать развитие их собственной области исследований.
Этот алгоритм, названный Science4Cast, представляет собой графический инструмент, позволяющий исследователям задавать вопросы о будущем развитии исследований в области ИИ. Он был создан на основе более 50 статей, поданных на конкурс, объявленный международной исследовательской группой. Целью конкурса было уловить и спрогнозировать развитие научных концепций в области ИИ и определить, какие темы будут в центре внимания будущих исследований.
Марио Кренн и его команда изучили различные методы, используемые в конкурсных работах, и пришли к интересным выводам. Оказалось, что наиболее эффективные методы основаны на тщательно подобранном наборе сетевых функций, а не на непрерывном подходе ИИ. Это открывает значительный потенциал для применения чистых методов машинного обучения без участия человека.
Science4Cast представляет собой графическое представление знаний, которое становится все более сложным по мере публикации большего количества научных статей. Благодаря этому инструменту исследователи могут легко ориентироваться в множестве публикаций и прогнозировать будущее развитие исследований ИИ в своей области.
Источник:
Марио Кренн и др., Прогнозирование будущего искусственного интеллекта с помощью прогнозирования ссылок на основе машинного обучения в экспоненциально растущей сети знаний (Mario Krenn et al, Forecasting the future of artificial intelligence with machine learning-based link prediction in an exponentially growing knowledge network), Nature Machine Intelligence (2023). DOI: 10.1038/s42256-023-00735-0
Благодарю за чтение! Если понравилась статья, то предлагаю подписаться, будет ещё много таких. Есть мысли по предмету статьи и не только - приглашаю в комментарии. Также, если интересно, можете ознакомиться со страницами нашего проекта на других платформах, ссылки найдёте в описании канала. Кроме того, у меня есть страница на сервисе поддержки авторов Бусти, просто сообщаю, поддержка - дело добровольное, ссылка так же в описании канала.
