Umělá inteligence se sama učí zákonům fyziky

V okamžiku, který je monumentálním okamžikem jak pro umělou inteligenci, tak pro fyziku, neuronová síť „znovuobjevila“ to, že Země obíhá Slunce. Tento nový vývoj by mohl být kritický pro řešení problémů kvantové mechaniky a výzkumníci doufají, že lze použít k objevení nových zákonů fyziky identifikací vzorců v rozsáhlých datových sadách.

Neuronová síť, pojmenovaná SciNet, byla krmena měřeními, která ukazují, jak Slunce a Mars vypadají ze Země. Vědci ze Švýcarského federálního technologického institutu poté zadali SciNetu úkol předpovědět, kde bude Slunce a Mars v různých budoucích časech.

Výzkum bude publikován v Physical Review Letters.

Navrhování algoritmu

Tým, včetně fyzika Renata Rennera, se snažil udělat algoritmus schopný destilovat velké datové sady do základních formulí. Tento systém je stejný jako ten, který používají fyzici při vytváření rovnic. Aby toho dosáhli, museli výzkumníci založit neuronovou síť na lidském mozku.

Formuláře, které byly vygenerovány SciNetem, umístily Slunce do centra naší sluneční soustavy. Jednou z pozoruhodných aspektů této výzkumu byla skutečnost, že SciNet to udělal podobně jako astronom Nicolaus Copernicus, který objevil heliocentrismus.

Tým to zdůraznil v článku publikovaném na předtiskové repozitáři arXiv.

„V 16. století Copernicus měřil úhly mezi vzdálenou pevnou hvězdou a několika planetami a nebeskými tělesy a hypotézoval, že Slunce, a ne Země, je v centru naší sluneční soustavy a že planety se pohybují kolem Slunce na jednoduchých drahách,“ napsal tým. „To vysvětluje složitou dráhu, jak je vidět ze Země.“

Tým se snažil, aby SciNet předpověděl pohyb Slunce a Marsu co nejjednodušeji, a proto SciNet používá dvě podsítě, které si vyměňují informace. Jedna síť analyzuje data a učí se z nich, a druhá síť dělá předpovědi a testuje přesnost na základě této znalosti. Protože tyto sítě jsou spojeny pouze několika odkazy, informace jsou komprimovány a komunikace je jednodušší.

Konvenční neuronové sítě se učí identifikovat a rozpoznávat objekty prostřednictvím rozsáhlých datových sad a generují funkce. Tyto funkce jsou poté zakódovány v matematických „uzlech“, které jsou považovány za umělou ekvivalent neuronů. Na rozdíl od fyziků jsou neuronové sítě méně předvídatelné a obtížněji interpretovatelné.

Umělá inteligence a vědecké objevy

Jedním z testů bylo dát síti simulovaná data o pohybu Marsu a Slunce, jak je vidět ze Země. Dráha Marsu kolem Slunce vypadá nepředvídatelně a často mění směr. Bylo to v 16. století, kdy Nicolaus Copernicus objevil, že jednodušší formule lze použít k předpovědi pohybu planet obíhajících kolem Slunce.

Když neuronová síť „objevila“ podobné formule pro dráhu Marsu, znovuobjevila jednu z nejvýznamnějších částí znalostí v historii.

Mario Krenn je fyzik na University of Toronto v Kanadě a pracuje na používání umělé inteligence pro vědecké objevy.

SciNet znovuobjevil „jednu z nejvýznamnějších změn paradigmat v historii vědy,“ řekl.

Podle Rennera jsou lidé stále potřební k interpretaci rovnic a určení, jak jsou spojeny s pohybem planet kolem Slunce.

Hod Lipson je robotik na Columbia University v New York City.

„Tato práce je důležitá, protože je schopna vyčlenit klíčové parametry, které popisují fyzický systém,“ říká. „Domnívám se, že tyto typy technik jsou naše jediná naděje na pochopení a udržení tempa s rostoucí složitostí jevů, ve fyzice a za jejími hranicemi.“