Anima Anandkumar Mempercepatkan Penemuan Saintifik dengan AI “`

(SeaPRwire) –   Kemajuan saintifik sering kali dibatasi bukan oleh kekurangan idea baru, tetapi oleh kos dan kerumitan untuk mengujinya. Penyelesaian baharu diperlukan untuk memudahkan ujian itu—dan penyelidik seperti Anima Anandkumar menerajui usaha ini. Beliau telah menjalankan penyelidikan canggih merentas bidang akademik dan industri selama lebih sedekad, mempelopori algoritma AI baharu yang mensimulasikan sistem fizikal dengan kelajuan dan ketepatan yang belum pernah terjadi sebelumnya—dalam beberapa kes, lebih daripada sejuta kali lebih pantas daripada kaedah tradisional. Dengan memperkasakan AI untuk memodelkan sistem ini, penyelidikannya telah membuka kemajuan merentas sains dan kejuruteraan, daripada ramalan cuaca beresolusi tinggi kepada mereka bentuk peranti perubatan baharu.

“Apa yang menarik minat saya ialah bagaimana untuk menjembatani jurang antara teori dan amalan, kerana saya bermula pada masa apabila pembelajaran mendalam belum wujud—anda perlu bermula dari kaedah reka bentuk berdasarkan prinsip asas,” kata Anandkumar, yang menjelaskan bahawa pendekatannya dalam mereka bentuk algoritma adalah berdasarkan prinsip asas yang terdapat dalam matematik dan fizik. Anandkumar ialah bagi pengkomputeran dan sains matematik di Caltech, di mana beliau mengetuai . Beliau juga telah bekerja sebagai saintis utama di Amazon Web Services, mereka bentuk penyelesaian berasaskan pembelajaran mesin untuk awan Amazon dan pengarah kanan penyelidikan AI di Nvidia. Dipengaruhi oleh domain saintifik lain, terutamanya fizik, beliau berkata tumpuannya sentiasa untuk menjadikan algoritma “lebih berprinsip, cekap dari segi perkakasan, dan kukuh.”

Bermula dari pendekatan prinsip asas ini, Anandkumar dan rakan-rakannya membangunkan “pengendali neural”: sejenis rangka kerja AI sejagat yang boleh belajar untuk mensimulasikan proses fizikal merentas pelbagai skala, daripada interaksi molekul kepada corak iklim. Tidak seperti model bahasa besar seperti ChatGPT, model AI yang dibina dengan rangka kerja ini boleh menggabungkan hukum fizik untuk menguji keplastikan ramalannya. Dan tidak seperti kaedah tradisional mensimulasikan proses fizikal, yang memerlukan sumber pengkomputeran yang besar untuk melakukan berjuta-juta pengiraan dari awal untuk setiap ramalan baharu, model ini mampu “mempelajari jalan pintas” daripada data yang dilatih, Anandkumar menjelaskan—membolehkannya mensimulasikan proses dengan ketepatan yang sama atau lebih tinggi daripada kaedah yang bergantung pada pengiraan mentah, tetapi pada kadar yang jauh lebih pantas. Model yang direka bentuk dengan cara ini amat berkuasa kerana ia “mempunyai fleksibiliti untuk mempelajari fenomena berterusan yang mendasari,” kata Anandkumar.

Pada tahun 2022, Anandkumar—dengan kerjasama pasukan antara disiplin daripada Nvidia, Caltech, dan institusi akademik lain—membina model cuaca sumber terbuka yang didorong sepenuhnya oleh AI, , menggunakan pengendali neural. Ia terbukti berpuluh-puluh ribu kali lebih pantas daripada yang terbaik, sambil sering meningkatkan ketepatannya. Dalam masa kurang daripada dua saat, model ini boleh menghasilkan ramalan selama seminggu untuk pelbagai pembolehubah, seperti kelajuan angin dan kerpasan—apa yang pernah memerlukan superkomputer dan beberapa jam kini boleh dilakukan dengan perkakasan yang jauh lebih sedikit. Ia boleh didapati melalui Pusat Ramalan Cuaca Julat Sederhana Eropah, dan telah memberi inspirasi kepada penggunaan model cuaca yang serupa di seluruh dunia, walaupun pada mulanya terdapat keraguan daripada komuniti pemodelan iklim. “Ini sudah membantu dengan ramalan cuaca ekstrem,” kata Anandkumar, memetik keupayaan model untuk Taufan Beryl pada Jun 2024, sebelum kaedah konvensional.

Di tempat lain, keuntungan adalah lebih dramatik. Pada tahun 2024, pasukan Anandkumar bekerjasama dengan Agensi Tenaga Atom U.K. untuk mensimulasikan tingkah laku plasma dalam reaktor pelakuran nuklear lebih daripada sejuta kali lebih pantas daripada teknik sebelumnya. Kelajuan ini membolehkan saintis meramalkan dan mencegah gangguan plasma—peristiwa berbahaya di mana plasma yang terlalu panas menjadi tidak stabil, yang boleh merosakkan reaktor jika tidak dikesan awal—sebelum ia berlaku, membenarkan juruteknik mengambil tindakan pembetulan secara pencegahan.

Pengendali neural Anandkumar telah terbukti berguna bukan sahaja untuk ramalan, tetapi juga untuk reka bentuk. Jangkitan yang paling biasa berkaitan penjagaan kesihatan di Amerika Syarikat ialah jangkitan saluran kencing yang berkaitan dengan kateter, yang menjejaskan lebih daripada sejuta rakyat Amerika setiap tahun. Pada tahun 2023, beliau dan satu pasukan penyelidik Caltech menggunakan AI mereka untuk membuat prototaip yang mengurangkan pencemaran bakteria seratus kali ganda. Mereka mengambil pendekatan baharu: model mensimulasikan aliran bendalir untuk mengenal pasti di mana dalam tiub untuk meletakkan alur kecil yang menghalang bakteria daripada berenang ke atas ke badan pesakit. Rangka kerja AI yang mendasari boleh mengenal pasti dan menguji kemungkinan semua jenis reka bentuk, daripada dron kepada ubat anti-kanser.

Kerja Anandkumar menerangi jalan menuju masa depan di mana AI dan sains saling mengukuhkan antara satu sama lain: di mana pengetahuan saintifik bersepadu secara mendalam dengan pemahaman AI tentang dunia fizikal, meningkatkan keupayaannya; dan di mana sistem AI boleh menjana dan menguji idea baharu. “Banyak makmal, termasuk kami, sedang membina ke arah ini,” katanya. “Terdapat begitu banyak penemuan yang sedang berlaku ketika kita bercakap.”

Profil ini diterbitkan sebagai sebahagian daripada inisiatif Anugerah Impak TIME100 TIME, yang mengiktiraf pemimpin dari seluruh dunia yang memacu perubahan dalam komuniti mereka. Majlis Anugerah Impak TIME100 yang akan datang akan diadakan pada 10 Februari di Dubai.