Kecerdasan Buatan Mengajari Diri Sendiri Hukum Fisika

Dalam apa yang merupakan momen monumental dalam kecerdasan buatan dan fisika, jaringan saraf telah “menemukan kembali” bahwa Bumi mengorbit Matahari. Pengembangan baru ini dapat menjadi kritis dalam memecahkan masalah mekanika kuantum, dan peneliti berharap bahwa itu dapat digunakan untuk menemukan hukum fisika baru dengan mengidentifikasi pola dalam set data besar.

Jaringan saraf, yang dinamai SciNet, diberi pengukuran yang menunjukkan bagaimana Matahari dan Mars tampak dari Bumi. Ilmuwan di Swiss Federal Institute of Technology kemudian meminta 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.

Mendesain Algoritma

Tim, termasuk Fisikawan Renato Renner, berusaha untuk membuat algoritma yang mampu mengubah set data besar menjadi rumus dasar. Ini adalah sistem yang sama yang digunakan oleh fisikawan ketika mengembangkan persamaan. Untuk melakukan ini, peneliti harus membangun jaringan saraf berdasarkan otak manusia.

Rumus yang dihasilkan oleh SciNet menempatkan Matahari di pusat sistem tata surya kita. Salah satu aspek yang luar biasa dari penelitian ini adalah bahwa SciNet melakukan ini dengan cara yang sama seperti astronom Nicolaus Copernicus menemukan heliosentris.

Tim menyoroti ini dalam makalah yang diterbitkan di repositori pra-cetak arXiv.

“Pada abad ke-16, Copernicus mengukur sudut antara bintang tetap jauh dan beberapa planet dan benda langit dan menghipotesiskan bahwa Matahari, dan bukan Bumi, berada di pusat sistem tata surya kita dan bahwa planet-planet bergerak mengelilingi Matahari pada orbit sederhana,” tim menulis. “Ini menjelaskan orbit yang rumit seperti yang terlihat dari Bumi.”

Tim mencoba untuk membuat SciNet memprediksi gerakan Matahari dan Mars dengan cara yang paling sederhana, sehingga SciNet menggunakan dua sub-jaringan untuk mengirimkan informasi bolak-balik. Salah satu jaringan menganalisis data dan belajar dari itu, dan yang lain membuat prediksi dan menguji akurasi berdasarkan pengetahuan itu. Karena jaringan-jaringan ini terhubung bersama oleh beberapa tautan, informasi dikompresi dan komunikasi menjadi lebih sederhana.

Jaringan saraf konvensional belajar untuk mengidentifikasi dan mengenali objek melalui set data besar, dan mereka menghasilkan fitur. Fitur-fitur itu kemudian dikodekan dalam ‘node’ matematika, yang dianggap sebagai ekivalen buatan dari neuron. Tidak seperti fisikawan, jaringan saraf lebih tidak dapat diprediksi dan sulit untuk diinterpretasikan.

Kecerdasan Buatan dan Penemuan Ilmiah

Salah satu tes yang dilakukan adalah memberikan jaringan data simulasi tentang gerakan Mars dan Matahari, seperti yang terlihat dari Bumi. Orbit Mars mengelilingi Matahari tampak tidak dapat diprediksi dan sering mengubah arah. Pada abad ke-16, Nicolaus Copernicus menemukan bahwa rumus yang lebih sederhana dapat digunakan untuk memprediksi gerakan planet-planet yang mengorbit Matahari.

Ketika jaringan saraf “menemukan” rumus yang serupa untuk jalur Mars, itu menemukan kembali salah satu pengetahuan paling penting dalam sejarah.

Mario Krenn adalah seorang fisikawan di University of Toronto di Kanada, dan dia bekerja pada menggunakan kecerdasan buatan untuk membuat penemuan ilmiah.

SciNet menemukan kembali “salah satu pergeseran paradigma paling penting dalam sejarah sains,” katanya.

Menurut Renner, manusia masih diperlukan untuk menafsirkan persamaan dan menentukan bagaimana mereka terkait dengan gerakan planet-planet mengelilingi Matahari.

Hod Lipson adalah seorang roboticis di Columbia University di New York City.

“Penelitian ini penting karena dapat menemukan parameter krusial yang menjelaskan sistem fisik,” katanya. “Saya pikir bahwa teknik-teknik seperti ini adalah harapan kita satu-satunya untuk memahami dan mengikuti fenomena yang semakin kompleks, dalam fisika dan di luar.”