En nyligen publicerad artikel presenterar en sammanfattning av oro uttryckt av forskare angående DeepMinds påståenden om upptäckter av material baserade på AI. DeepMind, en dotterorganisation till Google, meddelade i november att dess AI hade identifierat över två miljoner nya kristallstrukturer med potential för teknologisk framsteg. Teknikföretaget specificerade att en delmängd av 380 000 strukturer är tillräckligt stabila för att väsentligt främja materialdesign, och DeepMind avser att bidra med samtliga till Material Project-databasen.
En studie ifrågasätter dock den praktiska nyheten och användbarheten av DeepMinds upptäckter. Forskare, inklusive professor Anthony Cheetham och Ram Seshadri från UC Santa Barbara, uttrycker tveksamhet kring bevisen som tillhandahållits av DeepMind angående föreningarnas nyhet, trovärdighet och användbarhet. De betonar vikten av expertis inom materialframställning och kristallografi inom AI-baserad forskning.
Medan DeepMind upprätthåller integriteten i sin publicerade Gnome-undersökning, belyser studien den begränsade inriktningen på deras AI, vilken främst identifierar oorganiska kristallina föreningar. I kontrast till detta, återstår det att utforska en mångfald av materialklasser som polymerer och kompositer med denna AI-metod. Granskningen av de initiala posterna från DeepMinds Gnome Explorer-databas föreslår också en brist på överensstämmelse mellan förutsägelsen om ordnade metalljoner och deras sannolikhet att förekomma i verkligheten. Kritikerna sträcker sig till den uppfattade stökiga organisationen av AI-upptäckta material i relation till det periodiska systemet.
Forskarna är överens om potentialen för AI som ett verktyg för materialupptäckt men betonar behovet av ytterligare utveckling för att förverkliga dess fulla löfte. Denna reflekterande text strävar efter att framhäva vikten av samarbete med mänsklig kompetens vid tolkning av AI-fynd inom materialvetenskapen.
The source of the article is from the blog macholevante.com