Sztuczna inteligencja

Sztuczna inteligencja pomoże stworzyć „alternatywną fizykę”?

Na przestrzeni ostatnich lat sztuczna inteligencja przyniosła postęp w wielu różnych dziedzinach. Ale czy będzie w stanie kiedykolwiek stworzyć nową formę fizyki?

Grupa robotyków z Columbia University chciała wykorzystać ogromny potencjał sztucznej inteligencji, aby dowiedzieć się, czy kiedykolwiek uda się odkryć „alternatywną fizykę”. Dlatego też stworzyli narzędzie AI, które potrafiło rozpoznać zdarzenia fizyczne i zidentyfikować istotne zmienne oraz niezbędne elementy składowe każdej teorii fizyki.

Algorytm AI został nakarmiony surowym materiałem wideo z wydarzeń, dla których badacze znali już wcześniej rozwiązanie. Na filmie wyświetlono kąt i prędkość kątową każdego z dwóch ramion podwójnego wahadła, które ma cztery „zmienne stanu”. Po kilku godzinach badania system AI udzielił dokładnej odpowiedzi, czyli 4,7 zmiennych. Hod Lipson, szef Creative Machines Lab na Wydziale Inżynierii Mechanicznej, gdzie prowadzono główne prace, uznał, że odpowiedź udzielona przez sztuczną inteligencję była wystarczająco bliska.

Nie wiemy, jakie zmienne sztuczna inteligencja wykorzystała do obliczeń

Warto zauważyć, że program AI nie posiadał żadnej wcześniejszej wiedzy na temat fizyki czy geometrii. Jedyne, co mógł zrobić, to uzyskać dostęp do nieprzetworzonego materiału wideo. Dlatego zespół chciał zbadać, w jaki sposób program wymyślił swoją odpowiedź. Badacze zajęli się wizualnym przedstawieniem rzeczywistych zmiennych, które wykrył komputer. Wyodrębnienie zmiennych było wyzwaniem, ponieważ oprogramowanie nie było w stanie wyjaśnić ich w formie logicznej i zrozumiałej dla ludzi.

Po kilku testach okazało się, że dwie zmienne programu z grubsza pasują do kątów ramion, ale pozostałe dwie są nadal nieznane. Boyuan Chen, adiunkt na Duke University powiedział, że robotycy próbowali skorelować pozostałe zmienne ze „wszystkim, co przyszło im do głowy”. Wzięli pod uwagę prędkości kątowe i liniowe, energię kinetyczną i potencjalną oraz różne kombinacje znanych wielkości.

Ale w końcu te korelacje okazały się niewystarczające. Zespół jest pewien, że sztuczna inteligencja zidentyfikowała wiarygodny zestaw czterech zmiennych, ponieważ udało się jej uzyskać prawidłową odpowiedź. Nawet jeśli naukowcy nie rozumieją języka matematycznego, którym AI się posługuje.

Kominek / Źródło: Unsplash

Po sprawdzeniu kilku systemów fizycznych ze znanymi rozwiązaniami, badacze „pokazali” sztucznej inteligencji filmy przedstawiające systemy fizyczne, dla których brakowało jednoznacznego rozwiązania. W jednym z nich lokalny sklep z używanymi samochodami był tłem dla kołyszącego się „powietrznego tancerza”. Program po kilku godzinach analizy dał osiem zmiennych. Podobnie filmik z lampą lawową przyniósł wynik 8,8 zmiennych. Dodatkowo algorytm uzyskał 24 zmienne po analizie klipu wideo z płomieniami z kominka.

Alternatywne sposoby wyjaśnienia wszechświata

Za każdym razem, gdy sztuczna inteligencja uruchamiała się ponownie, całkowita liczba zmiennych pozostawała stała, ale zmieniały się poszczególne zmienne. Może to wskazywać na alternatywne sposoby wyjaśniania wszechświata i na to, że nasze obecne modele nie są do końca dokładne. Mimo ogromnego postępu w nauce w ostatnich latach, ciągle jest jeszcze wiele do odkrycia. Pisaliśmy o tym na naszym blogu na przykład w tekście „Co znajduje się w czarnej dziurze? Odpowiedzi dostarczą obliczenia kwantowe i uczenie maszynowe”.

Naukowcy twierdzą, że ten rodzaj AI może pomóc badaczom w ujawnianiu skomplikowanych zjawisk w różnych dziedzinach, od kosmologii po biologię, gdzie teoretyczne zrozumienie nie nadąża za zalewem danych. W badaniu zespół użył danych wideo, ale Kuang Huang, współautor pracy, twierdzi, że można do tego wykorzystać dowolne źródło danych tablicowych, takich jak szyk fazowany czy macierze DNA.

Sztuczna inteligencja to pasjonujący temat, którym często zajmujemy się na naszym blogu. Pisaliśmy o niej w wielu wpisach na naszym blogu, na przykład „Co znajduje się w czarnej dziurze? Odpowiedzi dostarczą obliczenia kwantowe i uczenie maszynowe”.

Źródło: Tech TimesSciTechDaily