AIGC动态欢迎阅读
原标题：如何把大量物理知识塞给AI？EIT和北大团队提出「规则重要性
」概念
关键字：规则,模型,知识,数据,重要性
文章来源：机器之心
内容字数：5565字内容摘要：
将 ScienceAI设为星标
第一时间掌握
新鲜的 AI for Science 资讯编辑 |ScienceAI
深度学习模型因其能够从大量数据中学习潜在关系的能力而「彻底改变了科学研究领域」。然而，纯粹依赖数据驱动的模型逐渐暴露出其局限性，如过度依赖数据、泛化能力受限以及与物理现实的一致性问题。
例如，美国OpenAI公司开发的文本到视频模型Sora因深刻理解事物在现实中的存在方式而受赞誉，被视为AI领域的飞跃。尽管能利用大量视觉数据生成逼真图像和视频，Sora却被认为未掌握物理定律，如重力和玻璃破碎等。
面对这一问题，将人类知识融入深度学习模型是一个潜在的解决方案。将先验知识与数据一起使用，能够提升模型的泛化能力，从而创建能够理解物理规律的「知情机器学习」（Informed machine
learning）模型。
然而，目前对深度学习中知识的价值仍缺乏深入理解，确定哪些先验知识（包括函数关系、等式和逻辑关系等）能有效地融入模型以进行「预学习」，已成为一项亟待解决的难题。同时，盲目地整合多项规则可能会引发模型的崩溃。这种局限性制约了对数据与知识关系的进一步探索。
针对这一问题，东原文链接：如何把大量物理知识塞给AI？EIT和北大团队提出「规则重要性」概念
联系作者
文章来源：机器之心
作者微信：almosthuman2014
作者简介：专业的人工智能媒体和产业服务平台
