Tekoäly opettaa itselleen fysiikan lait

Tämä on merkittävä hetki sekä tekoälylle että fysiikalle, neuraaliverkko on “uudelleen löytänyt” sen, että Maa kiertää Aurinkoa. Tämä uusi kehitys voi olla kriittinen ratkaisemassa kvanttimekaniikan ongelmia, ja tutkijat toivovat, että sitä voidaan käyttää uusien fysiikan lakien löytämiseen tunnistamalla kuvioita suurissa tietojoukoissa.

Neuraaliverkko, joka on nimeltään SciNet, sai syötteen, joka näytti, miten Aurinko ja Mars näyttävät Maasta. Sveitsin liittokanslian 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 algoritmin, joka pystyy tiivistämään suuret tietojoukot peruskaavoiksi. Tämä on sama järjestelmä, jota fyysikot käyttävät kaavoja keksivät. Tämän saavuttamiseksi tutkijoiden oli perustettava neuraaliverkko ihmisaivojen perusteella.

SciNetin generoimat kaavat asettivat Auringon aurinkokunnan keskipisteeksi. Yksi tämän tutkimuksen merkittävimmistä puolista oli, että SciNet teki tämän samalla tavalla kuin astronomi Nicolaus Copernicus keksi heliosentrisen mallin.

Tutkijaryhmä korosti tätä artikkelissa, joka julkaistiin esijulkaisuarkistossa arXiv.

“1500-luvulla Copernicus mittasi kulmia etäisen kiintotähden ja useiden planeettojen ja taivaankappaleiden välillä ja oletti, että Aurinko, eikä Maa, on aurinkokunnan 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 käyttää kahta aliverkkoa, jotka lähettävät tietoa edestakaisin. Toinen verkko analysoi tietoja ja oppii niistä, ja toinen tekee ennusteita ja testaa niiden tarkkuutta. Koska nämä verkkotiedot ovat kytketty toisiinsa vain muutamalla linkillä, tieto on pakattu ja viestintä on yksinkertaisempaa.

Perinteiset neuraaliverkot oppivat tunnistamaan ja tuntemaan objekteja suurten tietojoukkojen avulla, ja ne generoivat piirteitä. Nämä piirteet koodataan matemaattisiin “solmiin”, jotka ovat keinotekoisen vastineita hermosoluille. Toisin kuin fyysikot, neuraaliverkot ovat ennalta-arvattavampia ja hankalampia tulkitettavia.

Teekoäly ja tieteelliset löydöt

Yksi testeistä oli antaa verkolle simuloituja tietoja Marsin ja Auringon liikkeistä, mitä nähdään Maasta. Marsin rata Auringon ympärillä näyttää epävakavalta ja usein kääntyy vastakkaiseen suuntaan. 1500-luvulla Nicolaus Copernicus keksi, että yksinkertaisempia kaavoja voidaan käyttää planeettojen liikkeiden ennustamiseen Auringon ympärillä.

Kun neuraaliverkko “löysi” samanlaisia kaavoja Marsin radalle, se löysi yhden tieteellisen historian tärkeimmistä paradigmamuutoksista.

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

SciNet löysi “yhden tieteellisen historian tärkeimmistä paradigmamuutoksista”, hän sanoi.

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

Hod Lipson on robotiikan asiantuntija 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 kasvavan monimutkaisuuden kanssa, fysiikassa ja sen ulkopuolella.”