Штучний інтелект вчиться законам фізики

У тому, що є монументальним моментом як для штучного інтелекту, так і для фізики, нейронна мережа “перевідкрила” те, що Земля обертається навколо Сонця. Ця нова розробка може бути критично важливою для вирішення проблем квантової механіки, а дослідники сподіваються, що її можна використовувати для відкриття нових законів фізики шляхом ідентифікації закономірностей у великих наборах даних.

Нейронна мережа, названа SciNet, була надіслана вимірюваннями, що показують, як Сонце та Марс виглядають з Землі. Учні Швейцарської федеральної вищої технічної школи потім доручили SciNet передбачити, де будуть Сонце та Марс у різні моменти майбутнього.

Дослідження буде опубліковано в Physical Review Letters.

Розробка алгоритму

Команда, до складу якої входять фізик Ренато Реннер, вирушила зробити алгоритм здатним витягувати великі набори даних у базові формули. Це та сама система, яку використовують фізики при створенні рівнянь. Для цього дослідники повинні були базувати нейронну мережу на людському мозку.

Формули, які були згенеровані SciNet, розмістили Сонце в центрі нашої сонячної системи. Одним із видатних аспектів цього дослідження було те, що SciNet зробив це подібно до того, як астроном Микола Коперник відкрив геліоцентризм.

Команда підкреслила це в статті, опублікованій у репозиторії попередніх друкованих робіт arXiv.

“У 16 столітті Коперник виміряв кути між далекою нерухомою зіркою та кількома планетами та небесними тілами і припустив, що Сонце, а не Земля, знаходиться в центрі нашої сонячної системи, і що планети рухаються навколо Сонця по простих орбітах”, – написала команда. “Це пояснює складні орбіти, як їх бачать з Землі.”

Команда намагалася змусити SciNet передбачити рух Сонця та Марса найпростішим можливим способом, тому SciNet використовує дві підмережі для обміну інформацією. Одна з мереж аналізує дані та вчиться з них, а інша робить передбачення та перевіряє точність на основі цих знань. Через те, що ці мережі з’єднані лише кількома лінками, інформація стискається, а спілкування спрощується.

Традиційні нейронні мережі вчаться розпізнавати та розпізнавати об’єкти через великі набори даних, і вони генерують особливості. Це потім кодується у математичні ” вузли “, які вважаються штучним еквівалентом нейронів. На відміну від фізиків, нейронні мережі більш непередбачувані та важчі для інтерпретації.

Штучний інтелект та наукові відкриття

Одним із тестів було надання мережі симульованих даних про рух Марса та Сонця, як їх бачать з Землі. Орбіта Марса навколо Сонця виглядає непередбачуваною та часто змінює свій напрям. Це було у 1500-х роках, коли Микола Коперник відкрив, що простіші формули можна використовувати для передбачення руху планет навколо Сонця.

Коли нейронна мережа “відкрила” подібні формули для траєекторії Марса, вона відкрила одну з найважливіших частин знань в історії.

Маріо Кренн – фізик Університету Торонто в Канаді, і він працює над використанням штучного інтелекту для наукових відкриттів.

SciNet відкрила “одну з найважливіших зміщень парадигм в історії науки”, – сказав він.

За словами Реннера, людям все ще потрібна інтерпретація рівнянь та визначення того, як вони пов’язані з рухом планет навколо Сонця.

Ход Ліпсон – робототехнік Колумбійського університету в місті Нью-Йорк.

“Ця робота важлива, тому що вона здатна виділити найважливіші параметри, які описують фізичну систему”, – каже він. “Я думаю, що такі техніки є нашою єдиною надією на розуміння та збереження темпу з дедалі більш складними явищами в фізиці та за її межами.”