Száz különböző algoritmust hasonlítottak össze hatvan kémiai és anyagtudományi előrejelzési feladaton a Princeton Egyetem kutatói. A Nature Computational Science folyóiratban megjelent eredmények szerint a tanítóadatok klaszterek alapján történő kiválasztása több vizsgált helyzetben hatékonyabbnak bizonyult a széles körben alkalmazott aktív tanulási módszereknél. A felfedezés segíthet csökkenteni a mesterséges intelligencia tanításához szükséges adatmennyiséget, és felgyorsíthatja az új anyagok tulajdonságainak kutatását.
A Nature Computational Science november 18-án közölte a Princeton Egyetem kutatóinak tanulmányát, amely a mesterséges intelligencia tanításának egyik alapvető kérdését vizsgálta. Az anyagkutatásban a gépi tanulási modellek segítségével különböző vegyületek és anyagok tulajdonságait próbálják előre jelezni, például azt, hogyan viselkedhet egy adott szerkezet bizonyos fizikai vagy kémiai körülmények között. Az ilyen rendszerek tanításához azonban megfelelő adatokra van szükség, amelyek előállítása gyakran költséges laboratóriumi méréseket vagy jelentős számítási kapacitást igényel. A kutatók ezért arra keresték a választ, hogyan lehet a rendelkezésre álló adatokból a lehető legkevesebbet kiválasztani úgy, hogy a modell mégis megbízható előrejelzéseket készítsen.
A tudományos kutatásokban régóta fontos szerepet játszik az úgynevezett aktív tanulás, amelynek során a mesterséges intelligencia maga javasolhatja, mely adatpontok vizsgálata lehet a leghasznosabb a következő tanítási lépésben. A módszer gyakran azokat a mintákat részesíti előnyben, amelyekkel kapcsolatban a modell a legbizonytalanabb. A Princeton kutatói azonban más megközelítést is vizsgáltak. A klaszteralapú adatválasztás nem kizárólag a bizonytalanság alapján keres új mintákat, hanem a rendelkezésre álló adatokat hasonló tulajdonságok szerint csoportosítja, majd az egyes csoportokból olyan példákat választ, amelyek megfelelően képviselik a teljes adatkészlet sokféleségét.
A kutatócsoport száz különböző mintaválasztási és aktív tanulási algoritmust vizsgált meg összesen hatvan kémiai és anyagtudományi tulajdonság-előrejelzési feladaton. Az összehasonlításban a klaszteralapú mintaválasztási módszerek következetesen kedvezőbb eredményeket értek el az aktív tanulási eljárásoknál, amikor a tanítóadatokat egy előre meghatározott jelöltkészletből kellett kiválasztani. Az eredmény különböző adatreprezentációk, tanítási mintaméretek és modellbeállítások mellett is fennmaradt. A kutatók matematikai magyarázatot is kidolgoztak a jelenségre: a Gauss-folyamatok előrejelzési bizonytalanságára épülő elemzésük szerint kevés tanítóadat esetén elméletileg is indokolható a klaszteralapú kiválasztás előnye.

Mennyivel gyorsabban fejlődhet az anyagkutatás, ha a mesterséges intelligencia tanításához nem egyre nagyobb adathalmazokra, hanem az adatok tudatosabb kiválasztására van szükség?
Az eredmények különösen azokban a tudományos és ipari kutatásokban lehetnek értékesek, ahol egy-egy új adat megszerzése költséges vagy időigényes. Új akkumulátoranyagok, speciális polimerek vagy ipari vegyületek fejlesztésénél például nem mindig lehetséges minden elméletileg elképzelhető összetételt laboratóriumi körülmények között megvizsgálni. A kutatóknak ezért olyan mintákat kell kiválasztaniuk, amelyek a lehető legtöbb információt nyújtják a teljes vizsgált anyagcsaládról. A klaszteralapú megközelítés az ilyen döntéseket támogathatja, és csökkentheti a kevésbé informatív kísérletekre fordított erőforrásokat. A módszer hosszabb távon az anyagok tulajdonságait becslő gépi tanulási modellek hatékonyabb tanításához is hozzájárulhat.
A kutatás megállapításait ugyanakkor fontos megfelelő keretek között értelmezni. A Princeton eredményei azokra a helyzetekre vonatkoznak, amikor a kutatók egy már rendelkezésre álló, előre meghatározott jelöltkészletből választanak tanítóadatokat. Ez nem jelenti azt, hogy a klaszteralapú kiválasztás minden gépi tanulási feladatban és minden kutatási környezetben jobb lenne az aktív tanulásnál. Azokban az esetekben, amikor a rendszer teljesen új kísérleteket is javasolhat, más módszerek lehetnek megfelelőbbek. A tanulmány emellett nem egy új anyag felfedezéséről, hanem a meglévő anyagtudományi adatok hatékonyabb felhasználásáról szól. A tényleges ipari előnyöket ezért további gyakorlati vizsgálatokkal kell igazolni.
A Princeton kutatása fontos tanulsággal szolgálhat a mesterséges intelligencia szélesebb körű fejlesztése számára is. A technológiai versenyben gyakran a nagyobb modellek, az egyre több tanítóadat és a növekvő számítási kapacitás kerül előtérbe, miközben az adatok kiválasztásának minősége legalább ilyen fontos lehet. A mostani tanulmány arra mutat rá, hogy egy megfelelően megválasztott, kisebb adathalmaz bizonyos feladatokban jobb eredményhez vezethet, mint egy bonyolultabb kiválasztási stratégia. Ha az ilyen módszerek további tudományos területeken is beválnak, a mesterséges intelligencia nemcsak nagyobb számítási erőforrásokkal, hanem az adatok tudatosabb és gazdaságosabb felhasználásával is fejlődhet.
Olvasd el ezt is: Gyorsabbá válhat a fúziós üzemanyag fejlesztése a mesterséges intelligenciával
Források: Nature Computational Science, Princeton University, Webb Research Group
CS.SZ.


