Fazendo uma CARREIRA na ponte entre o conhecimento científico e a IA

O prêmio CAREER da National Science Foundation do pesquisador de ciência da computação Anuj Karpatne se concentrará em novas pesquisas de inteligência artificial para enfrentar desafios globais críticos na ciência.

28 de agosto de 2023

E se a inteligência artificial (IA) pudesse prever a qualidade da água nos lagos que fornecem água potável a cidades como Roanoke? Ou ajudar os cientistas a medir os aerossóis na atmosfera, que são uma das maiores incógnitas na compreensão das alterações climáticas? Podemos usar a IA para estudar misturas complexas de partículas fluidas, como o fluxo sanguíneo, onde as células sólidas estão dispersas no plasma sanguíneo?

Anuj Karpatne deseja estudar essas questões científicas combinando a riqueza do conhecimento científico desenvolvido ao longo de séculos de pesquisa com o que há de mais moderno em IA.

O professor associado do Departamento de Ciência da Computação da Faculdade de Engenharia ganhou um prêmio de cinco anos no valor de US$ 595.738 do Programa de Desenvolvimento de Carreira Inicial do Corpo Docente da Fundação Nacional de Ciências (CAREER) para explorar uma abordagem unificada para acelerar a descoberta científica usando conhecimento e dados científicos. Karpatne também é membro do Centro Sanghani de IA e Análise de Dados.

Karpatne é o terceiro pesquisador de ciência da computação a ganhar o prêmio 2023 CAREER. Os outros dois são Dan Williams e Lifu Huang.

À medida que os avanços na IA, como o ChatGPT, continuam a ser manchetes pelos seus desempenhos inovadores, Karpatne e outros investigadores começaram a pensar mais profundamente sobre a sua utilização, especialmente em aplicações científicas.

Mas há um grande problema.

Os melhores modelos de aprendizagem profunda usados ​​hoje ainda são uma caixa preta. É difícil interpretar como eles funcionam. Isso pode ser adequado para aplicações onde o resultado é mais importante, como a recomendação de filmes no Netflix. Mas é inadequado para a ciência, onde o objectivo é explicar a causa e o efeito das observações.

Os modelos de IA normalmente dependem apenas de dados. Mas está a surgir um novo paradigma de investigação em IA que combina o poder dos dados com a riqueza do conhecimento científico acumulado ao longo dos séculos. É chamado de aprendizado de máquina guiado pelo conhecimento (KGML) e, embora seja novo, seus impactos potenciais são vastos.

Karpatne é um dos pioneiros do KGML e sua pesquisa ajudou a nutrir e orientar esse campo emergente. No ano passado, Karpatne coeditou o primeiro livro sobre KGML que inclui capítulos de especialistas proeminentes na área.

Como parte do projeto CAREER, o grupo de Karpatne desenvolverá novos métodos em três tarefas de pesquisa KGML: modelagem direta, modelagem inversa e modelagem de aprendizado de máquina científica híbrida.

“Planejamos contribuir com novas inovações em KGML para incorporar uma variedade de conhecimentos científicos em IA, desde equações diferenciais parciais a modelos numéricos e regras fenomenológicas”, disse Karpatne.

Karpatne colaborará com especialistas da Virginia Tech e de outros lugares para gerar impacto de sua pesquisa KGML em três casos de uso científico:

Karpatne colaborará com Cayelan Carey do Departamento de Ciências Biológicas e Quinn Thomas do Departamento de Recursos Florestais e Conservação Ambiental e do Departamento de Ciências Biológicas, no caso de uso de modelagem de lagos para fornecer previsões em tempo real da qualidade da água no Falling Reservatório Creek em Roanoke.

“Este reservatório é uma importante fonte de água potável para os residentes de Roanoke e estamos interessados ​​em prever a sua temperatura, teor de clorofila e outras variáveis ​​de qualidade da água”, disse Karpatne. “Por meio de nossa pesquisa no KGML, pretendemos gerar melhores previsões da qualidade da água em lagos e reservatórios que possam impactar diretamente as pessoas que dependem de sua água.”

Ele também colaborará com Elena Lind do Departamento de Engenharia Elétrica e de Computação de Bradley, atualmente co-líder da NASA AErosol Robotic Network. Lind é especialista em modelagem de propriedades de aerossóis medindo a radiação solar que viaja pela atmosfera e atinge sensores no solo. As equações físicas já descrevem as interações da luz com os aerossóis, mas a IA dá a esperança de “engenharia reversa” das propriedades do aerossol usando dados de sensores em tempo real.