AI Mengajarkan Dirinya Sendiri Hukum-Hukum Fisika

Dalam momen monumental baik bagi AI maupun fisika, sebuah jaringan saraf telah “menemukan kembali” bahwa Bumi mengorbit Matahari. Perkembangan baru ini bisa menjadi kritis dalam memecahkan masalah-masalah mekanika kuantum, dan para peneliti berharap bahwa hal ini dapat digunakan untuk menemukan hukum-hukum fisika baru dengan mengidentifikasi pola dalam kumpulan data besar. Jaringan saraf bernama SciNet, diberi masukan pengukuran yang menunjukkan bagaimana Matahari dan Mars terlihat dari Bumi. Ilmuwan di Swiss Federal Institute of Technology kemudian memberi tugas pada SciNet untuk memprediksi di mana Matahari dan Mars akan berada pada waktu yang berbeda di masa depan. Penelitian ini akan diterbitkan di Physical Review Letters.

Merancang Algoritma

Tim, termasuk Fisikawan Renato Renner, berusaha membuat algoritma yang mampu menyaring kumpulan data besar menjadi rumus-rumus dasar. Ini adalah sistem yang sama yang digunakan oleh fisikawan ketika merumuskan persamaan. Untuk melakukan ini, para peneliti harus mendasarkan jaringan saraf pada otak manusia. Rumus-rumus yang dihasilkan oleh SciNet menempatkan Matahari di pusat tata surya kita. Salah satu aspek luar biasa dari penelitian ini adalah bahwa SciNet melakukan ini dengan cara yang mirip dengan bagaimana astronom Nicolaus Copernicus menemukan heliosentrisitas. Tim menyoroti hal ini dalam makalah yang diterbitkan di repositori pracetak arXiv. “Pada abad ke-16, Copernicus mengukur sudut antara bintang tetap yang jauh dengan beberapa planet dan benda langit dan berhipotesis bahwa Matahari, dan bukan Bumi, berada di pusat tata surya kita dan bahwa planet-planet bergerak mengelilingi Matahari dalam orbit sederhana,” tulis tim tersebut. “Ini menjelaskan orbit yang rumit seperti yang terlihat dari Bumi.” Tim mencoba membuat SciNet memprediksi pergerakan Matahari dan Mars dengan cara yang paling sederhana mungkin, jadi SciNet menggunakan dua sub-jaringan untuk mengirim informasi bolak-balik. Salah satu jaringan menganalisis data dan belajar darinya, dan yang lainnya membuat prediksi dan menguji akurasi berdasarkan pengetahuan itu. Karena jaringan-jaringan ini terhubung hanya dengan beberapa tautan, informasi dikompresi dan komunikasi menjadi lebih sederhana. Jaringan saraf konvensional belajar mengidentifikasi dan mengenali objek melalui kumpulan data besar, dan mereka menghasilkan fitur. Fitur-fitur itu kemudian dikodekan dalam ‘node’ matematika, yang dianggap setara buatan dengan neuron. Tidak seperti fisikawan, jaringan saraf lebih tidak terduga dan sulit diinterpretasikan.

Kecerdasan Buatan dan Penemuan Ilmiah

Salah satu tes melibatkan pemberian data simulasi kepada jaringan tentang pergerakan Mars dan Matahari, seperti yang terlihat dari Bumi. Orbit Mars mengelilingi Matahari tampak tidak terduga dan sering membalikkan arahnya. Pada tahun 1500-an, Nicolaus Copernicus menemukan bahwa rumus yang lebih sederhana dapat digunakan untuk memprediksi pergerakan planet-planet yang mengorbit Matahari. Ketika jaringan saraf “menemukan” rumus serupa untuk lintasan Mars, ia menemukan kembali salah satu potongan pengetahuan terpenting dalam sejarah. Mario Krenn adalah seorang fisikawan di University of Toronto di Kanada, dan ia bekerja menggunakan kecerdasan buatan untuk membuat penemuan ilmiah. SciNet menemukan kembali “salah satu pergeseran paradigma terpenting dalam sejarah sains,” katanya. Menurut Renner, manusia masih diperlukan untuk menginterpretasikan persamaan dan menentukan bagaimana persamaan itu terhubung dengan pergerakan planet-planet mengelilingi Matahari. Hod Lipson adalah seorang ahli robotika di Columbia University di New York City. “Karya ini penting karena mampu mengisolasi parameter kunci yang menggambarkan suatu sistem fisik,” katanya. “Saya pikir teknik semacam ini adalah satu-satunya harapan kita untuk memahami dan mengikuti fenomena yang semakin kompleks, dalam fisika dan di luarnya.”