Sztuczna inteligencja uczy się praw fizyki

W tym, co jest przełomowym momentem zarówno w dziedzinie sztucznej inteligencji, jak i fizyki, sieć neuronowa „odkryła” ponownie, że Ziemia krąży wokół Słońca. Nowy rozwój może być kluczowy w rozwiązywaniu problemów związanych z mechaniką kwantową, a naukowcy mają nadzieję, że może być użyty do odkrycia nowych praw fizyki poprzez identyfikowanie wzorców w dużych zbiorach danych.

Sieć neuronowa, nazwana SciNet, została wyposażona w pomiary pokazujące, jak Słońce i Mars wyglądają z Ziemi. Naukowcy ze Szwajcarskiego Federalnego Instytutu Technologicznego poprosili SciNet o przewidzenie, gdzie Słońce i Mars będą w różnych momentach w przyszłości.

Badanie zostanie opublikowane w Physical Review Letters.

Projektowanie algorytmu

Zespół, w tym fizyk Renato Renner, postanowił uczynić algorytm w stanie destylować duże zbiory danych do podstawowych wzorów. Jest to ten sam system, który jest używany przez fizyków przy tworzeniu równań. Aby to zrobić, naukowcy musieli opierać sieć neuronową na ludzkim mózgu.

Wzory wygenerowane przez SciNet umieściły Słońce w centrum naszego układu słonecznego. Jednym z godnych uwagi aspektów tego badania było to, że SciNet zrobił to w podobny sposób, jak astronom Nicolaus Copernicus odkrył heliocentryzm.

Zespół podkreślił to w artykule opublikowanym w repozytorium preprintów arXiv.

„W XVI wieku Kopernik zmierzył kąty między odległą gwiazdą a kilkoma planetami i ciałami niebieskimi i wysunął hipotezę, że Słońce, a nie Ziemia, jest w centrum naszego układu słonecznego i że planety poruszają się wokół Słońca po prostych orbitach”, napisał zespół. „To wyjaśnia skomplikowane orbity, jak widziane z Ziemi.”

Zespół próbował uzyskać od SciNet przewidywania ruchów Słońca i Marsa w najprostszy możliwy sposób, więc SciNet używa dwóch podsieci do wysyłania informacji tam i z powrotem. Jedna z sieci analizuje dane i uczy się z nich, a druga robi przewidywania i testuje dokładność na podstawie tej wiedzy. Ponieważ te sieci są połączone tylko kilkoma łączami, informacje są kompresowane, a komunikacja jest prostsza.

Konwencjonalne sieci neuronowe uczą się identyfikować i rozpoznawać obiekty za pomocą ogromnych zbiorów danych i generują cechy. Są one następnie zakodowane w matematycznych „węzłach”, które są uważane za sztuczny odpowiednik neuronów. W przeciwieństwie do fizyków, sieci neuronowe są mniej przewidywalne i trudniejsze do interpretacji.

Sztuczna inteligencja i odkrycia naukowe

Jednym z testów było podanie sieci symulowanych danych o ruchach Marsa i Słońca, widzianych z Ziemi. Orbita Marsa wokół Słońca wydaje się nieprzewidywalna i często odwraca swój bieg. To było w XVI wieku, kiedy to Nicolaus Copernicus odkrył, że można użyć prostszych wzorów do przewidywania ruchów planet krążących wokół Słońca.

Kiedy sieć neuronowa „odkryła” podobne wzory dla trajektorii Marsa, odkryła ponownie jedną z najważniejszych części wiedzy w historii.

Mario Krenn jest fizykiem na Uniwersytecie w Toronto w Kanadzie i pracuje nad wykorzystaniem sztucznej inteligencji do odkryć naukowych.

SciNet odkryła „jedną z najważniejszych zmian paradygmatu w historii nauki”, powiedział.

Według Rennera, ludzie są nadal potrzebni do interpretacji równań i określenia, jak są one połączone z ruchem planet wokół Słońca.

Hod Lipson jest robotykiem na Uniwersytecie Columbia w Nowym Jorku.

„To praca jest ważna, ponieważ jest w stanie wyróżnić najważniejsze parametry, które opisują układ fizyczny”, mówi. „Myślę, że tego rodzaju techniki są naszą jedyną nadzieją na zrozumienie i nadążanie za coraz bardziej złożonymi zjawiskami, w fizyce i poza nią.”