Tekoäly opettaa itselleen fysiikan lait

Tämä on merkittävä hetki sekä tekoälyssä että fysiikassa, neuraaliverkko on “uudelleen löytänyt” sen, että Maa kiertää Aurinkoa. Tämä uusi kehitys voi olla kriittinen kvanttimekaniikan ongelmien ratkaisemisessa, ja tutkijat toivovat, että sitä voidaan käyttää uusien fysiikan lakien löytämiseen tunnistamalla kuvioita suurten tietojoukkien sisällä. 

Neuraaliverkko, joka on nimeltään SciNet, sai syötteen, joka näytti, miten Aurinko ja Mars näyttävät Maasta. Sveitsin liittovaltion teknillisen korkeakoulun tutkijat antoivat SciNetille tehtäväksi ennustaa, missä Aurinko ja Mars olisivat eri aikoina tulevaisuudessa. 

Tutkimus julkaistaan Physical Review Letters -julkaisussa. 

Algoritmin suunnittelu

Tutkijaryhmä, johon kuului fyysikko Renato Renner, pyrki tekemään algoritmista kykenevän tislaamaan suuret tietojoukot peruskaavoiksi. Tämä on sama järjestelmä, jota fyysikot käyttävät kaavoja keksiessään. Tämän tekemiseksi tutkijoiden oli perustettava neuraaliverkko ihmisaivojen kaltaiseksi. 

SciNetin generoimat kaavat asettivat Auringon aurinkokunnan keskipisteeseen. Yksi tämän tutkimuksen merkittävistä puolista oli, että SciNet teki tämän samalla tavalla kuin astronomi Nicolaus Copernicus löysi heliosentrisyyden. 

Tutkijaryhmä korosti tätä preprint-arkistossa arXiv:ssä julkaistussa tutkimuksessa. 

“1500-luvulla Copernicus mittasi etäisten kiintotähtien ja useiden planeettojen ja taivaankappaleiden välisiä kulmia ja oletti, että Aurinko, eikä Maa, on aurinkokuntamme keskipisteenä ja että planeetat liikkuvat Auringon ympärillä yksinkertaisilla radoilla,” tutkijaryhmä kirjoitti. “Tämä selittää monimutkaiset radat, jotka nähdään Maasta.”

Tutkijat yrittivät saada SciNetin ennustamaan Auringon ja Marsin liikkeet mahdollisimman yksinkertaisella tavalla, joten SciNet käytti kahta aliverkkoa lähettämään tietoja edestakaisin. Toinen verkko analysoi dataa ja oppi siitä, ja toinen teki ennusteita ja testasi niiden tarkkuutta saadun tiedon perusteella. Koska nämä verkkorakenteet ovat kytketty toisiinsa vain muutamalla linkillä, tieto on pakattu ja viestintä on yksinkertaisempaa. 

Perinteiset neuraaliverkot oppivat tunnistamaan ja tuntemaan objekteja suurten tietojoukkojen kautta, ja ne generoivat piirteitä. Nämä koodataan matemaattisiin “solmuihin”, jotka ovat keinotekoisia vastineita hermosoluille. Fyysikkojen tavoin neuraaliverkot ovat enemmän arvaamattomampia ja vaikeampia tulkitsemaan. 

Teckoäly ja tieteelliset löydöt 

Yksi testeistä oli antaa verkolle simuloituja tietoja Marsin ja Auringon liikkeistä, kuten ne näkyvät Maasta. Marsin rata Auringon ympärillä näyttää arvaamattomalta ja usein kääntyy vastakkaiseen suuntaan. 1500-luvulla Nicolaus Copernicus löysi, että yksinkertaisempia kaavoja voidaan käyttää planeettojen liikkeiden ennustamiseen Auringon ympärillä. 

Kun neuraaliverkko “löysi” samanlaiset kaavat Marsin radalle, se löysi uudelleen yhden historian tärkeimmistä tietoja. 

Mario Krenn on fyysikko Toronton yliopistossa Kanadassa, ja hän työskentelee tekoälyn käytöstä tieteellisten löytöjen tekemiseen. 

SciNet löysi “yhden tärkeimmistä paradigman muutoksista tieteen historiassa,” hän sanoi. 

Rennerin mukaan ihmiset ovat edelleen tarpeen tulkitsemaan kaavat ja määrittelemään, miten ne liittyvät planeettojen liikkeisiin Auringon ympärillä. 

Hod Lipson on robotti-insinööri Columbian yliopistossa New Yorkissa. 

“Tämä työ on tärkeää, koska se pystyy erottamaan olennaiset parametri, jotka kuvaavat fysikaalista järjestelmää,” hän sanoo. “Luulen, että nämäkaltaiset tekniikat ovat ainoat toivomme ymmärtää ja pysyä kärryillä yhä monimutkaisempien ilmiöiden kanssa fysiikassa ja sen ulkopuolella.”