साइंटिस्ट की इंटरनेशनल टीम ने एक नया रिसर्च कोलैबोरेशन शुरू किया है जो एआई टूल बनाने के लिए चैटजीपीटी के पीछे उसी तकनीक का लाभ उठाएगा।

चैटजीपीटी शब्दों और वाक्यों पर काम करता है। नई पहल, जिसे पॉलीमैथिक एआई कहा जाता है, वैज्ञानिक क्षेत्रों से न्यूमेरिकल डेटा और फिजिक सिमुलेशन से सीखेगी ताकि वैज्ञानिकों को सुपरजायंट स्टार्स से लेकर पृथ्वी की जलवायु तक हर चीज के मॉडलिंग में सहायता मिल सके।

अमेरिका के न्यूयॉर्क शहर में फ्लैटिरॉन इंस्टीट्यूट के सेंटर फॉर कम्प्यूटेशनल एस्ट्रोफिजिक्स में एक ग्रुप लीडर पॉलीमैथिक एआई प्रमुख अन्वेषक शर्ली हो ने कहा, ''यह पूरी तरह से बदल देगा कि लोग साइंस में एआई और मशीन लर्निंग का इस्तेमाल कैसे करते हैं।''

हो ने कहा, "पॉलीमैथिक एआई के पीछे का विचार वैसा ही है जैसे जब आप पहले से ही पांच भाषाएं जानते हों तो एक नई भाषा सीखना आसान हो जाता है।"

एक बड़े, पूर्व-प्रशिक्षित मॉडल से शुरुआत करना, जिसे फाउंडेशन मॉडल के रूप में जाना जाता है, स्क्रैच से एक वैज्ञानिक मॉडल बनाने की तुलना में तेज और अधिक सटीक दोनों हो सकता है। 

फ्लैटिरॉन इंस्टीट्यूट के सेंटर फॉर कम्प्यूटेशनल एस्ट्रोफिजिक्स के अतिथि शोधकर्ता, सह-अन्वेषक सियावश गोलकर ने कहा, "पॉलीमैथिक एआई हमें विभिन्न क्षेत्रों के बीच समानताएं और कनेक्शन दिखा सकता है जो छूट गए होंगे।"

पॉलीमैथिक एआई टीम में फिजिक्स, एस्ट्रोफिजिक्स, मैथ, आर्टिफिशियल इंटेलिजेंस और न्यूरोसाइंस के विशेषज्ञ शामिल हैं।

पॉलीमैथिक एआई का प्रोजेक्ट भौतिकी और खगोल भौतिकी (और अंततः रसायन विज्ञान और जीनोमिक्स जैसे क्षेत्रों, इसके रचनाकारों का कहना है) में विविध स्रोतों से डेटा का उपयोग करके सीखेगा और उस बहु-विषयक समझ को वैज्ञानिक समस्याओं की एक विस्तृत श्रृंखला में लागू करेगा।

जब सटीकता की बात आती है तो चैटजीपीटी की बड़ी सीमाएं हैं।

हो ने कहा, पॉलीमैथिक एआई का प्रोजेक्ट उन कई नुकसानों से बच जाएगा, संख्याओं को वास्तविक संख्याओं के रूप में माना जाए, न कि केवल अक्षरों और विराम चिह्नों के समान स्तर पर वर्णों के रूप में। प्रशिक्षण डेटा वास्तविक वैज्ञानिक डेटासेट का भी उपयोग करेगा जो ब्रह्मांड के अंतर्निहित भौतिकी को पकड़ता है।

हो ने कहा, पारदर्शिता और खुलापन परियोजना का एक बड़ा हिस्सा है। हम सब कुछ सार्वजनिक करना चाहते हैं। हम विज्ञान के लिए एआई का इस तरह से लोकतंत्रीकरण करना चाहते हैं कि, कुछ वर्षों में, हम समुदाय को एक पूर्व-प्रशिक्षित मॉडल प्रदान करने में सक्षम होंगे जो विभिन्न प्रकार की समस्याओं और डोमेन में वैज्ञानिक विश्लेषण को बेहतर बनाने में मदद कर सकता है।"