包含人工智慧的假資料,欺騙科學家,讓自動化資料分析更近一步
簡介
近期,伊利諾伊大學香檳分校的研究人員成功地開發了一種人工智慧技術,能夠生成合成的科學資料,從而推動實現全自動化的資料分析。這項透過利用藝術生成器背後的技術,使研究人員能夠將背景噪聲和實驗缺陷引入生成的資料中,從而能夠更快速、更高效地檢測材料的特徵。 這項研究成果發布在《npj 計算材料學》期刊上,並由伊利諾伊大學的材料科學和工程教授 Pinshane Huang 擔任專案共同主管。資料分析在材料科學中已經廣泛運用,不過需要頻繁且耗時的人工介入。為了使這些資料分析流程更高效,需要一個大型的標註資料集,以便向程式展示需要尋找的東西。此外資料集還需要考慮到各種背景噪聲和實驗缺陷的影響,這些效應很難建模。由於收集和標註大量真實顯微鏡資料集是行不通的,因此黃教授與物理學教授 Bryan Clark 共同開發了一種以迴圈生成對抗網路(CycleGAN)為基礎的生成式人工智慧,可以從相對較小的真實標註資料集中建立大量的人工訓練資料。生成對抗網路(GAN)
為了實現此目標,研究人員使用了迴圈生成對抗網路(CycleGAN)。迴圈生成對抗網路包括兩個實體的競爭,一個是「生成器」,其工作是模仿提供的資料集;另一個是「鑑別器」,其工作是發現生成器和真實資料之間的差異。它們輪流嘗試阻礙對方,並根據對方的表現來改進自己。最終生成器可以生成與真實資料幾乎無法區分的人工資料。 透過提供一小部分真實顯微鏡影象給迴圈生成對抗網路,人工智慧學會生成用於訓練分析程式的影象。即使在背景噪聲和系統缺陷的情況下,這套人工智慧現在也能夠識別出各種結構特徵。「這是令人驚奇的一點在於,我們從未告訴人工智慧背景噪聲和像物鏡中的變形等缺陷是什麼,」Clark 教授說。「這意味著,即使有我們未曾考慮的東西,這套迴圈生成對抗網路也能夠學習和利用它。」實驗應用與展望
黃教授的研究團隊將迴圈生成對抗網路應用於二維半導體的缺陷檢測中。二維半導體是一類在電子和光學應用中具有潛力的材料,但在沒有人工智慧的幫助下很難進行特徵檢測。然而黃教授指出,這種方法有更廣泛的應用範圍。「夢想有一天擁有一個'自動駕駛'的顯微鏡,而最大的障礙就是要理解如何處理資料,」她說。「我們的工作填補了這一空缺,我們展示了如何教會一臺顯微鏡在不需要知道你尋找什麼的情況下找到有趣的東西。」評論與建議
這項研究成果開啟了全自動化資料分析的新篇章,為科學家提供了一種更高效、更精準的方式來分析和解讀實驗資料。透過利用迴圈生成對抗網路生成合成的科學資料,研究人員能夠在相對較小的真實標註資料集的基礎上進行訓練,從而大大節省了收集和標註大型資料集的時間和成本。 然而這項技術也引起了一些關注和反思。首先使用生成對抗網路生成的人工資料是否能夠完全替代真實資料?這種合成的資料是否能夠涵蓋所有可能的變化和實驗缺陷?在實際應用中,研究人員和科學家需要小心並謹慎地評估使用合成資料的可行性和局限性。 其次這種全自動化的資料分析方法是否會導致科學家與資料分析工具的脫節?自動化資料分析帶來了便利,但也需要對資料背後的科學原理有深入的理解。科學家們應該繼續保持對實驗資料的仔細觀察和解讀,以確保得出的結論和新發現是準確和可靠的。 最後這項研究將如何影響科學研究和技術發展?全自動化的資料分析將可以加速科學發現的速度,並擴大科學家們的研究範圍。這項技術也可能在其他領域產生影響,例如醫學、工程和環境科學等。然而我們也需要慎重探討人工智慧在科學研究中的倫理和法律問題,以確保它的合理使用和辯護。 總結來說這項透過生成對抗網路合成科學資料的研究,為全自動化的資料分析帶來了新的突破,同時也引發了一系列的問題和討論。這將是未來科學研究中引人注目的一個領域,我們期待看到更多有關這一技術的探索和應用。 原文連結:https://techxplore.com/news/2023-07-generative-ai-scientists-artificial-automated.html (Word count: 489)ArtificialIntelligence-人工智慧,假資料,欺騙,科學家,自動化,資料分析,應用
延伸閱讀
- 網際網路共同創始人 Robert Kahn 早在幾十年前就已經做到了加密、人工智慧和網際網路嗎?
- 人聲 vs AI:Audible 推出 AI 旁白有機會取代人類旁白嗎?
- 突破獨家訪談:Wayve 共同創辦人 Alex Kendall 談自動駕駛汽車和機器人的未來
- Rad AI 完成由 Khosla Ventures 領投的 5 千萬美元 B 輪融資
- 資料科技公司 Daloopa 開發 AI 以自動化財務分析工作
- 「Meta AI 對印度男性生成影象時偏好頭巾」
- Quora CEO Adam D’Angelo 分享人工智慧和聊天機器人平臺 Poe,並解釋為何 OpenAI 並非競爭對手
- 在 AI 領域的女性:Tara Chklovski 正在教導下一代的 AI 創新者
- 本週人工智慧大事記:生成式人工智慧與創作者補償的問題
- 蘋果 AI 計劃揭祕:從財報中學到的三件事