AI се учи на законите на физиката

В това, което е монументален момент както в ИИ, така и във физиката, невронна мрежа е „преоткрила“, че Земята обикаля около Слънцето. Новото развитие може да бъде от решаващо значение за решаването на проблемите на квантовата механика и изследователите се надяват, че може да се използва за откриване на нови закони на физиката чрез идентифициране на модели в големи масиви от данни. 

Невронната мрежа, наречена SciNet, беше захранен с измервания, показващи как Слънцето и Марс изглеждат от Земята. След това учени от Швейцарския федерален технологичен институт възложиха на SciNet да предскаже къде ще бъдат Слънцето и Марс в различни моменти в бъдещето. 

Изследването ще бъде публикувано в Писма за физически преглед. 

Проектиране на алгоритъма

Екипът, включително физикът Ренато Ренър, се зае да направи алгоритъма способен да дестилира големи набори от данни в основни формули. Това е същата система, използвана от физиците, когато измислят уравнения. За да направят това, изследователите трябваше да базират невронната мрежа на човешкия мозък. 

Формулите, генерирани от SciNet, поставят Слънцето в центъра на нашата слънчева система. Един от забележителните аспекти на това изследване беше, че SciNet направи това подобно на начина, по който астрономът Николай Коперник откри хелиоцентричността. 

Екипът подчерта това в документ, публикуван в хранилището за предпечат arXiv. 

„През 16 век Коперник измерва ъглите между далечна неподвижна звезда и няколко планети и небесни тела и изказва хипотезата, че Слънцето, а не Земята, е в центъра на нашата слънчева система и че планетите се движат около Слънцето по проста орбити“, пише екипът. „Това обяснява сложните орбити, гледани от Земята.“

Екипът се опита да накара SciNet да предвиди движенията на Слънцето и Марс по възможно най-простия начин, така че SciNet използва две подмрежи, за да изпраща информация напред и назад. Една от мрежите анализира данните и се учи от тях, а другата прави прогнози и тества точността въз основа на тези знания. Тъй като тези мрежи са свързани само с няколко връзки, информацията се компресира и комуникацията е по-лесна. 

Конвенционалните невронни мрежи се учат да идентифицират и разпознават обекти чрез огромни набори от данни и генерират функции. След това те се кодират в математически „възли“, които се считат за изкуствен еквивалент на неврони. За разлика от физиците, невронните мрежи са по-непредсказуеми и трудни за тълкуване. 

Изкуствен интелект и научни открития 

Един от тестовете включваше предоставяне на мрежата на симулирани данни за движенията на Марс и Слънцето, както се вижда от Земята. Орбитата на Марс около Слънцето изглежда непредсказуема и често обръща курса си. През 1500 г. Николай Коперник открива, че могат да се използват по-прости формули за предсказване на движенията на планетите, обикалящи около Слънцето. 

Когато невронната мрежа „откри“ подобни формули за траекторията на Мар, тя преоткри едно от най-важните знания в историята. 

Марио Крен е физик в университета на Торонто в Канада и работи върху използването на изкуствения интелект за научни открития. 

SciNet преоткри „една от най-важните промени в парадигмите в историята на науката“, каза той. 

Според Ренър хората все още са необходими, за да интерпретират уравненията и да определят как те са свързани с движението на планетите около Слънцето. 

Ход Липсън е роботист в Колумбийския университет в Ню Йорк. 

„Тази работа е важна, защото е в състояние да открои ключовите параметри, които описват физическа система“, казва той. „Мисля, че този вид техники са единствената ни надежда да разберем и да сме в крак с все по-сложните явления във физиката и извън нея.“