如何把大量物理知識塞給AI？EIT和北大團隊提出「規則重要性」概念

AIGC動態歡迎閱讀

原標題：如何把大量物理知識塞給AI？EIT和北大團隊提出「規則重要性」概念
關鍵字：規則,模型,知識,數據,重要性
文章來源：機器之心
內容字數：5565字

內容摘要：

將 ScienceAI設為星標
第一時間掌握
新鮮的 AI for Science 資訊編輯 |ScienceAI
深度學習模型因其能夠從大量數據中學習潛在關系的能力而「徹底改變了科學研究領域」。然而，純粹依賴數據驅動的模型逐漸暴露出其局限性，如過度依賴數據、泛化能力受限以及與物理現實的一致性問題。
例如，美國OpenAI公司開發的文本到視頻模型Sora因深刻理解事物在現實中的存在方式而受贊譽，被視為AI領域的飛躍。盡管能利用大量視覺數據生成逼真圖像和視頻，Sora卻被認為未掌握物理定律，如重力和玻璃破碎等。
面對這一問題，將人類知識融入深度學習模型是一個潛在的解決方案。將先驗知識與數據一起使用，能夠提升模型的泛化能力，從而創建能夠理解物理規律的「知情機器學習」（Informed machine
learning）模型。
然而，目前對深度學習中知識的價值仍缺乏深入理解，確定哪些先驗知識（包括函數關系、等式和邏輯關系等）能有效地融入模型以進行「預學習」，已成為一項亟待解決的難題。同時，盲目地整合多項規則可能會引發模型的崩潰。這種局限性制約了對數據與知識關系的進一步探索。
針對這一問題，東

原文鏈接：如何把大量物理知識塞給AI？EIT和北大團隊提出「規則重要性」概念

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺