A mesterséges intelligencia megtanítja magának a fizika törvényeit

A mesterséges intelligenciában és a fizikában egyaránt hatalmas pillanatban, egy neurális hálózat „újra felfedezte”, hogy a Föld a Nap körül kering. Az új fejlesztés kritikus fontosságú lehet a kvantummechanikai problémák megoldásában, és a kutatók remélik, hogy a nagy adathalmazokon belüli minták azonosításával új fizikatörvények felfedezésére is használható. 

A neurális hálózat, a SciNet, méréseket tápláltak, amelyek azt mutatják, hogyan jelenik meg a Nap és a Mars a Földről. A Svájci Szövetségi Technológiai Intézet tudósai ezután megbízták a SciNetet azzal, hogy jósolja meg, hol lesz a Nap és a Mars a jövőben különböző időpontokban. 

A kutatás ben jelenik meg Fizikai áttekintő levelek. 

Az algoritmus tervezése

A csapat, köztük Renato Renner fizikus, arra törekedett, hogy az algoritmust alkalmassá tegyék nagy adathalmazok alapképletekké történő desztillálására. Ugyanezt a rendszert használják a fizikusok az egyenletek kidolgozásakor. Ennek érdekében a kutatóknak az emberi agyra kellett alapozniuk a neurális hálózatot. 

A SciNet által generált képletek a Napot helyezték naprendszerünk középpontjába. Ennek a kutatásnak az egyik figyelemre méltó vonatkozása az volt, hogy a SciNet hasonlóan tette ezt, mint ahogy Nicolaus Copernicus csillagász felfedezte a heliocentricitást. 

A csapat ezt az arXiv preprint repository-n közzétett cikkében emelte ki. 

„A 16. században Kopernikusz megmérte a szögeket egy távoli állócsillag és több bolygó és égitest között, és azt feltételezte, hogy a Nap, és nem a Föld van a Naprendszerünk középpontjában, és hogy a bolygók egyszerűen mozognak a Nap körül. pályán” – írta a csapat. "Ez megmagyarázza a bonyolult pályákat a Földről nézve."

A csapat arra törekedett, hogy a SciNet a lehető legegyszerűbb módon előre jelezze a Nap és a Mars mozgását, ezért a SciNet két alhálózatot használ az információk oda-vissza küldésére. Az egyik hálózat elemzi az adatokat és tanul belőlük, a másik pedig előrejelzéseket készít és ezek alapján teszteli a pontosságot. Mivel ezeket a hálózatokat csak néhány link köti össze, az információ tömörödik, és a kommunikáció egyszerűbb. 

A hagyományos neurális hálózatok hatalmas adathalmazokon keresztül megtanulják azonosítani és felismerni az objektumokat, és funkciókat generálnak. Ezeket azután matematikai „csomópontokba” kódolják, amelyeket a neuronok mesterséges megfelelőjének tekintenek. A fizikusokkal ellentétben a neurális hálózatok kiszámíthatatlanabbak és nehezebben értelmezhetők. 

Mesterséges intelligencia és tudományos felfedezések 

Az egyik teszt során a hálózat szimulált adatokat adott a Mars és a Nap mozgásáról, a Földről nézve. A Mars Nap körüli pályája kiszámíthatatlannak tűnik, és gyakran megfordítja a pályáját. Az 1500-as években történt, amikor Nicolaus Kopernikusz felfedezte, hogy egyszerűbb képletekkel megjósolható a Nap körül keringő bolygók mozgása. 

Amikor a neurális hálózat „felfedezett” Mar pályájának hasonló képleteit, újra felfedezte a történelem egyik legfontosabb tudását. 

Mario Krenn a kanadai Torontói Egyetem fizikusa, és a mesterséges intelligencia tudományos felfedezésekre való felhasználásán dolgozik. 

A SciNet újra felfedezte „a tudománytörténet egyik legfontosabb paradigmaváltását” – mondta. 

Renner szerint még mindig szükség van az emberekre az egyenletek értelmezéséhez és annak meghatározásához, hogy azok hogyan kapcsolódnak a bolygók Nap körüli mozgásához. 

Hod Lipson robotika a New York-i Columbia Egyetemen. 

„Ez a munka azért fontos, mert képes kiemelni azokat a döntő paramétereket, amelyek egy fizikai rendszert leírnak” – mondja. „Úgy gondolom, hogy az ilyen technikák jelentik az egyetlen reményünket, hogy megértsük és lépést tartsunk az egyre bonyolultabb jelenségekkel a fizikában és azon túl is.”