Modelo de IA baseado em gráficos mapeia o futuro da inovação | Notícias do MIT #ÚltimasNotícias

Imagine usar inteligência artificial para comparar duas criações aparentemente não relacionadas – o tecido biológico e a “Sinfonia nº 9” de Beethoven. À primeira vista, um sistema vivo e uma obra-prima musical podem parecer não ter nenhuma ligação. No entanto, um novo método de IA desenvolvido por Markus J. Buehler, professor de engenharia da McAfee e professor de engenharia civil e ambiental e engenharia mecânica no MIT, preenche essa lacuna, revelando padrões compartilhados de complexidade e ordem.

“Ao combinar IA generativa com ferramentas computacionais baseadas em gráficos, esta abordagem revela ideias, conceitos e designs inteiramente novos que antes eram inimagináveis. Podemos acelerar a descoberta científica ensinando IA generativa a fazer novas previsões sobre ideias, conceitos e designs nunca antes vistos”, diz Buehler.

A pesquisa de acesso aberto, publicada recentemente em Aprendizado de Máquina: Ciência e Tecnologiademonstra um método avançado de IA que integra extração generativa de conhecimento, representação baseada em gráficos e raciocínio gráfico inteligente multimodal.

O trabalho utiliza gráficos desenvolvidos usando métodos inspirados na teoria das categorias como mecanismo central para ensinar o modelo a compreender as relações simbólicas na ciência. A teoria das categorias, um ramo da matemática que lida com estruturas abstratas e relações entre elas, fornece uma estrutura para a compreensão e unificação de diversos sistemas através do foco nos objetos e suas interações, em vez de em seu conteúdo específico. Na teoria das categorias, os sistemas são vistos em termos de objetos (que podem ser qualquer coisa, desde números até entidades mais abstratas, como estruturas ou processos) e morfismos (setas ou funções que definem as relações entre esses objetos). Ao usar essa abordagem, Buehler foi capaz de ensinar o modelo de IA a raciocinar sistematicamente sobre conceitos e comportamentos científicos complexos. As relações simbólicas introduzidas através de morfismos deixam claro que a IA não está simplesmente a desenhar analogias, mas está envolvida num raciocínio mais profundo que mapeia estruturas abstractas em diferentes domínios.

Buehler usou esse novo método para analisar uma coleção de 1.000 artigos científicos sobre materiais biológicos e os transformou em um mapa de conhecimento em forma de gráfico. O gráfico revelou como diferentes informações estão conectadas e foi capaz de encontrar grupos de ideias relacionadas e pontos-chave que ligam muitos conceitos.

“O que é realmente interessante é que o gráfico segue uma natureza livre de escala, é altamente conectado e pode ser usado de forma eficaz para raciocínio gráfico”, diz Buehler. “Em outras palavras, ensinamos os sistemas de IA a pensar em dados baseados em gráficos para ajudá-los a construir melhores modelos de representações do mundo e a melhorar a capacidade de pensar e explorar novas ideias para permitir a descoberta.”

Os investigadores podem utilizar esta estrutura para responder a questões complexas, encontrar lacunas no conhecimento atual, sugerir novos designs para materiais e prever como os materiais poderão comportar-se, e ligar conceitos que nunca tinham sido ligados antes.

O modelo de IA encontrou semelhanças inesperadas entre materiais biológicos e a “Sinfonia nº 9”, sugerindo que ambos seguem padrões de complexidade. “Semelhante à forma como as células em materiais biológicos interagem de maneiras complexas, mas organizadas, para desempenhar uma função, a 9ª sinfonia de Beethoven organiza notas musicais e temas para criar uma experiência musical complexa, mas coerente”, diz Buehler.

Noutra experiência, o modelo de IA baseado em gráficos recomendou a criação de um novo material biológico inspirado nos padrões abstratos encontrados na pintura de Wassily Kandinsky, “Composição VII”. A IA sugeriu um novo material compósito à base de micélio. “O resultado deste material combina um conjunto inovador de conceitos que incluem equilíbrio entre caos e ordem, propriedade ajustável, porosidade, resistência mecânica e funcionalidade química com padrões complexos”, observa Buehler. Inspirando-se em uma pintura abstrata, a IA criou um material que equilibra ser forte e funcional, ao mesmo tempo que é adaptável e capaz de desempenhar diferentes funções. A aplicação poderá levar ao desenvolvimento de materiais de construção inovadores e sustentáveis, alternativas biodegradáveis ​​aos plásticos, tecnologia vestível e até dispositivos biomédicos.

Com este modelo avançado de IA, os cientistas podem extrair insights da música, da arte e da tecnologia para analisar dados destes campos e identificar padrões ocultos que poderiam desencadear um mundo de possibilidades inovadoras para o design de materiais, a investigação e até mesmo a música ou as artes visuais.

“A IA generativa baseada em gráficos atinge um grau muito mais elevado de novidade, exploração de capacidade e detalhes técnicos do que as abordagens convencionais, e estabelece uma estrutura amplamente útil para a inovação, revelando conexões ocultas”, diz Buehler. “Este estudo não só contribui para o campo dos materiais e da mecânica bioinspirados, mas também prepara o terreno para um futuro onde a investigação interdisciplinar alimentada pela IA e gráficos de conhecimento pode tornar-se uma ferramenta de investigação científica e filosófica à medida que olhamos para outros trabalhos futuros. .”

“A análise de artigos sobre materiais bioinspirados por Markus Buehler transformou gigabytes de informações em gráficos de conhecimento que representam a conectividade de vários tópicos e disciplinas”, diz Nicholas Kotov, Distinguished Professor Irving Langmuir de Ciências Químicas e Engenharia da Universidade de Michigan, que não esteve envolvido. com este trabalho. “Esses gráficos podem ser usados ​​como mapas de informações que nos permitem identificar tópicos centrais, novas relações e possíveis direções de pesquisa, explorando ligações complexas entre subseções de materiais bioinspirados e biomiméticos. Estes e outros gráficos como esse provavelmente serão uma ferramenta de pesquisa essencial para cientistas atuais e futuros.”