Die von Professor Markus Buehler entwickelte Methode der künstlichen Intelligenz kann verborgene Zusammenhänge zwischen Wissenschaft und Kunst aufdecken und neue Materialien empfehlen. Stellen Sie sich vor, Sie nutzen künstliche Intelligenz, um zwei scheinbar nicht miteinander verbundene Schöpfungen zu vergleichen – biologisches Gewebe und Beethovens Neunte Symphonie. Auf den ersten Blick scheinen lebende Systeme und musikalische Meisterwerke keinen Zusammenhang zu haben. Markus J. Buehler, McAfee-Professor für Ingenieurwissenschaften und Professor für Bau- und Umweltingenieurwesen sowie Maschinenbau am MIT, hat einen neuen Ansatz für künstliche Intelligenz entwickelt, der diese Lücke schließt und gemeinsame Muster von Komplexität und Ordnung aufdeckt.
„Durch die Kombination generativer KI mit graphbasierten Computertools offenbart dieser Ansatz völlig neue Ideen, Konzepte und Designs, die bisher unvorstellbar waren. Wir können generativer KI beibringen, auf noch nie dagewesene Ideen, Konzepte und Designs zu reagieren.“ „Wir können neue Vorhersagen treffen und wissenschaftliche Entdeckungen beschleunigen“, sagte Bühler.
Diese Open-Access-Studie, die kürzlich in Machine Learning: Science & Technology veröffentlicht wurde, demonstriert einen fortschrittlichen Ansatz der künstlichen Intelligenz, der generative Wissensextraktion, graphbasierte Darstellung und multimodales intelligentes Graph-Argumentation integriert.
Diese Studie verwendet Diagramme, die mit einem von der Kategorientheorie inspirierten Ansatz entwickelt wurden, als Kernmechanismus eines Lehrmodells zum Verständnis symbolischer Beziehungen in der Wissenschaft. Die Kategorientheorie ist ein Zweig der Mathematik, der abstrakte Strukturen und die Beziehungen zwischen ihnen untersucht. Es bietet einen Rahmen für das Verständnis und die Vereinheitlichung unterschiedlicher Systeme, indem es sich auf Objekte und ihre Interaktionen und nicht auf deren spezifischen Inhalt konzentriert. In der Kategorientheorie werden Systeme als Objekte (die alles von Zahlen bis hin zu abstrakteren Entitäten wie Strukturen oder Prozessen sein können) und Morphismen (Pfeile oder Funktionen, die Beziehungen zwischen diesen Objekten definieren) betrachtet. Durch diesen Ansatz ist Buehler in der Lage, KI-Modellen beizubringen, systematisch über komplexe wissenschaftliche Konzepte und Verhaltensweisen nachzudenken. Die durch Morphismen eingeführten symbolischen Beziehungen zeigen deutlich, dass künstliche Intelligenz nicht nur Analogien herstellen, sondern auch tiefere Überlegungen anstellen und abstrakte Strukturen verschiedenen Regionen zuordnen kann.
Buehler analysierte mit der neuen Methode 1.000 wissenschaftliche Arbeiten zu biologischen Materialien und überführte sie in einen Wissensgraphen in grafischer Form. Die Karte zeigt die Verbindungen zwischen verschiedenen Informationen und ermöglicht es Ihnen, verwandte Ideen und Schlüsselpunkte zu finden, die viele Konzepte verbinden.
„Was wirklich interessant ist, ist, dass Graphen der skalenfreien Eigenschaft gehorchen und hochgradig vernetzt sind, was effektiv für die Argumentation von Graphen genutzt werden kann“, sagte Buehler. „Mit anderen Worten: Wir bringen KI-Systemen bei, über graphbasierte Daten nachzudenken, um ihnen dabei zu helfen, die Welt besser darzustellen und ihre Fähigkeit zu verbessern, über neue Ideen nachzudenken und sie zu erforschen, die zu Entdeckungen führen.“
Forscher können das Framework nutzen, um komplexe Fragen zu beantworten, Lücken im aktuellen Wissen zu identifizieren, neue Materialdesigns vorzuschlagen, Materialverhalten vorherzusagen und Konzepte zu verbinden, die noch nie zuvor miteinander verbunden waren.
Modelle der künstlichen Intelligenz fanden unerwartete Ähnlichkeiten zwischen biologischen Materialien und der Neunten Symphonie, was darauf hindeutet, dass beide komplexen Mustern folgen. „Ähnlich wie Zellen in biologischen Materialien auf komplexe, aber organisierte Weise miteinander interagieren, arrangiert Beethovens Neunte Symphonie Noten und Themen, um ein komplexes, aber kohärentes Musikerlebnis zu schaffen“, sagte Bühler.
In einem anderen Experiment schlug ein grafikbasiertes KI-Modell die Schaffung eines neuen biologischen Materials vor, das von den abstrakten Mustern in Wassily Kandinskys Gemälde „Komposition VII“ inspiriert war. Künstliche Intelligenz schlägt die Schaffung eines neuen Myzel-Verbundmaterials vor. „Dieses Material vereint viele innovative Konzepte, darunter das Gleichgewicht von Chaos und Ordnung, einstellbare Eigenschaften, Porosität, mechanische Festigkeit und komplex strukturierte chemische Funktionalität“, bemerkte Bühler. Indem sie sich von abstrakten Gemälden inspirieren ließ, schuf AI ein Material, das Stärke und Funktionalität in Einklang bringt und gleichzeitig anpassungsfähig ist und verschiedenen Zwecken dienen kann. Die Anwendung kann sich innovativ entwickeln