AI lærer kjemiske bindinger uten eksplisitt undervisning

En fersk studie fra USC Viterbi viser at kunstig intelligens (AI) kan tilegne seg grunnleggende vitenskapelige konsepter, som kjemiske bindinger, uten eksplisitt programmering. Forskerne Ken-ichi Nomura og Aiichiro Nakano brukte en modell trent på kvantemekaniske energier og krefter mellom atomer, som med forbløffende nøyaktighet forutsa interaksjoner. Utfordringen var å forstå hva modellen faktisk hadde lært. Ved hjelp av en ny analytisk rammeverk kalt E3D (Edge-wise Emergent Energy Decomposition), kunne forskerne «se» inn i modellens «svarte boks» (en metafor for at hvordan AI kommer frem til sine resultater ofte er ugjennomsiktig). E3D avslørte at AI-en ikke bare gjenkjente statistiske mønstre, men hadde internalisert et overførbart konsept om kjemiske bindinger. Dette konseptet ble utledet fra underliggende kvantemekaniske data, ikke fra memorisering av bindingsenergier. Modellen kunne deretter estimere bindingsbruddsenergier, som samsvarte tett med eksperimentelle verdier, til tross for at den aldri var trent på slike data. Dette indikerer at AI kan utvikle abstrakte vitenskapelige konsepter, ikke bare lagre store datamengder. Funnene peker mot at AI-systemer, spesielt store modeller, kan utvikle emergent abilities – uventede evner som oppstår når modellene når en viss størrelse og kompleksitet.