In den 15 Jahren seit Kaiming hat sich viel verändert, dass er Doktorandin battle.
„Wenn Sie sich in Ihrer Doktorarbeit befinden, gibt es eine hohe Mauer zwischen verschiedenen Disziplinen und Themen, und es gab sogar eine hohe Mauer in der Informatik“, sagt er. „Der Typ, der neben mir sitzt, könnte Dinge tun, die ich nicht verstehen konnte.“
In den sieben Monaten, seit er dem MIT Schwarzman Faculty of Computing als Douglas Ross (1954) Karriere -Entwicklungsprofessor für Softwaretechnologie in der Abteilung für Elektrotechnik und Informatik beigetragen hat, erlebt er etwas, das seiner Meinung nach „sehr selten in der menschlichen wissenschaftlichen Geschichte “ – eine Senkung der Mauern, die sich in verschiedenen wissenschaftlichen Disziplinen ausdehnt.
„Ich konnte auf keinen Fall jemals eine energiereiche Physik, Chemie oder die Grenze der Biologieforschung verstehen, aber jetzt sehen wir etwas, das uns helfen kann, diese Mauern zu brechen“, sagt er, „und das ist die Schaffung einer Schaffung einer Schaffung einer Erstellung einer Schaffung einer Erstellung einer Schaffung einer Schaffung einer Kreation eines Gemeinsame Sprache, die in der KI gefunden wurde. “
Bau der AI -Brücke
Laut ihm begann diese Verschiebung im Jahr 2012 nach der „Deep Studying Revolution“, einem Punkt, an dem erkannt wurde, dass diese auf neuronalen Netzwerke basierenden Methoden maschineller Lernmethoden so mächtig battle, dass sie stärker genutzt werden konnte.
„Zu diesem Zeitpunkt wurde die Pc Imaginative and prescient – bei der Unterstützung der Pc, die Welt so zu sehen und zu erkennen, als ob sie Menschen sind, sehr schnell zu wachsen, denn wie sich herausstellt, können Sie dieselbe Methodik auf viele verschiedene Probleme und viele verschiedene Bereiche anwenden“ Er. „Die Pc -Imaginative and prescient -Neighborhood wurde additionally schnell sehr groß, da diese verschiedenen Subtopien nun in der Lage waren, eine gemeinsame Sprache zu sprechen und eine gemeinsame Reihe von Instruments zu teilen.“
Von dort aus begann der Pattern, auf andere Bereiche der Informatik zu expandieren, einschließlich der Verarbeitung natürlicher Sprache, der Spracherkennung und der Robotik, der Grundlage für Chatgpt und anderen Fortschritten in Richtung künstlicher allgemeine Intelligenz (AGI).
„All dies ist im letzten Jahrzehnt geschehen und hat uns zu einem neuen aufstrebenden Pattern geführt, auf den ich mich wirklich freue, und das sieht zu, dass die AI -Methodik andere wissenschaftliche Disziplinen verbreitet“, sagt er.
Eines der berühmtesten Beispiele, sagt er, ist Alphafold, ein von Google Deepmind entwickeltes Programm für künstliche Intelligenz, das Vorhersagen der Proteinstruktur durchführt.
„Es ist eine ganz andere wissenschaftliche Disziplin, ein ganz anderes Downside, aber die Menschen verwenden auch die gleichen KI -Instruments, die gleiche Methodik, um diese Probleme zu lösen“, sagt er, „und ich denke, das ist nur der Anfang.“
Die Zukunft der KI in der Wissenschaft
Seit er im Februar 2024 zum MIT gekommen ist, hat er in quick jeder Abteilung mit Professoren gesprochen. An manchen Tagen befindet er sich im Gespräch mit zwei oder mehr Professoren aus sehr unterschiedlichen Hintergründen.
„Ich verstehe ihren Forschungsbereich sicherlich nicht vollständig, aber sie werden nur einen Kontext einführen, und dann können wir in ihren Problemen über tiefgreifendes Lernen, maschinelles Lernen, (und) neuronale Netzwerkmodelle sprechen“, sagt er. „In diesem Sinne sind diese KI -Instruments wie eine gemeinsame Sprache zwischen diesen wissenschaftlichen Bereichen: Die Instruments für maschinelles Lernen“ übersetzen „ihre Terminologie und Konzepte in Begriffe, die ich verstehen kann, und dann kann ich ihre Probleme lernen und meine Erfahrungen und manchmal auch manchmal teilen Lösungen oder Möglichkeiten vorschlagen, die sie erkunden können. “
Die Erweiterung auf verschiedene wissenschaftliche Disziplinen hat ein erhebliches Potenzial, von der Verwendung der Videoanalyse bis zur Vorhersage von Wetter- und Klimabetrendungen bis hin zur Beschleunigung des Forschungszyklus und zur Reduzierung der Kosten in Bezug auf die Entdeckung neuer Arzneimittel.
Während KI -Instruments die Arbeit von IS Scientist -Kollegen einen klaren Nutzen bieten, stellt er auch den gegenseitigen Effekt fest, den sie über die Schaffung und Fortschritt der KI hatten und hatten.
„Wissenschaftler bieten neue Probleme und Herausforderungen an, die uns helfen, diese Instruments weiter zu entwickeln“, sagt er. „Es ist aber auch wichtig, sich daran zu erinnern, dass viele der heutigen KI -Instruments aus früheren wissenschaftlichen Bereichen stammen – beispielsweise künstlichen neuronalen Netzwerken wurden von biologischen Beobachtungen inspiriert. Diffusionsmodelle für die Bilderzeugung wurden aus dem Physikbegriff motiviert. “
„Wissenschaft und KI sind keine isolierten Themen. Wir haben uns dem gleichen Ziel aus verschiedenen Perspektiven nähert, und jetzt treffen wir uns. “
Und welchen besseren Ort für sie gibt es für sie zusammen als MIT.
„Es ist nicht verwunderlich, dass MIT diese Veränderung früher als an vielen anderen Orten sehen kann“, sagt er. „(Das MIT Schwarzman Faculty of Computing) hat eine Umgebung geschaffen, die verschiedene Menschen verbindet und sie zusammensitzen, zusammen reden, zusammenarbeiten, ihre Ideen austauschen, gleichzeitig dieselbe Sprache sprechen – und ich sehe, dass dies beginnt.“
Wenn die Wände vollständig senken, stellt er fest, dass dies eine langfristige Investition ist, die über Nacht nicht stattfinden wird.
„Vor Jahrzehnten galten Pc als Excessive -Tech angesehen, und Sie brauchten spezifische Kenntnisse, um sie zu verstehen, aber jetzt benutzt jeder einen Pc“, sagt er. „Ich erwarte in 10 oder mehr Jahren, jeder wird in irgendeiner Weise eine Artwork KI für seine Forschung verwenden – es sind nur ihre grundlegenden Instruments, ihre grundlegende Sprache und sie können KI verwenden, um ihre Probleme zu lösen.“