Inteligența artificială a reușit ceva surprinzător: fizica alternativă generată de un calculator
O inteligență artificială a produs răspunsuri diferite de ale noastre în ceea ce privește fenomene fizice.
Fizica noastră se bazează pe variabile, cum ar fi accelerația și masa. Unele dintre acestea pot fi reduse la variabile mai fundamentale, cum ar fi distanța și timpul. Dacă există o altă modalitate de a cuantifica funcționarea universului, noi încă nu am înțeles-o. Cu toate acestea, variabilele cu care suntem familiarizați s-ar putea să nu fie singurele, așa cum tocmai au descoperit cercetătorii de la Columbia.
Dr. Boyuan Chen și coautorii au instruit un sistem de inteligență artificială pentru a număra numărul de variabile necesare pentru a descrie sistemele fizice și a prezice evoluțiile. Rezultatele au fost raportate în Nature Computational Science, dar acesta este doar începutul, deoarece abia începem să înțelegem variabilele deduse de computere.
„M-am întrebat întotdeauna, dacă am întâlni vreodată o rasă extraterestră inteligentă, ar fi descoperit ei aceleași legi ale fizicii ca și noi sau ar putea descrie universul într-un mod diferit?” a declarat autorul principal profesorul Hod Lipson. „Poate că unele fenomene par enigmatic de complexe, deoarece încercăm să le înțelegem folosind un set greșit de variabile.”
La urma urmei, lucrarea notează: „Civilizațiilor au avut nevoie de milenii pentru a oficializa variabilele mecanice de bază, cum ar fi masa, impulsul și accelerația. Abia după ce aceste noțiuni au fost formalizate, au putut fi descoperite legile mișcării mecanice.” În mod similar, nu poți deriva legile termodinamicii fără concepte formale de temperatură, energie și entropie. Cel puțin unele dintre acestea sunt acum intuitive pentru noi, dar nu au fost pentru strămoșii noștri.
Ocazional, oamenii de știință obțin o mică privire asupra modului în care ar arăta universul dacă am începe cu diferite variabile. Matematicianul Norman Wildberger a creat ceea ce el numește „trigonometrie rațională” prin înlocuirea variabilelor familiare din triunghiuri – lungime și unghi – cu pătrate ale lungimii și sinusului unghiului, pe care le numește cadran și răspândire. Unele probleme devin mult mai ușoare atunci când sunt abordate cu aceste variabile, dar pentru oricine instruit în geometria euclidiană, la început simte că vorbește o limbă străină.
Pentru a găsi variabile și mai străine pentru noi, ar trebui să consultăm pe cineva crescut, fără a fi expus la concepte familiare precum unghiul și distanța. Fiind ilegal să crești un astfel de copil, autorii au apelat la AI, începând cu un videoclip cu penduluri duble elastice.
Cum gândește o inteligență artificială
Un fizician care se uită la un sistem cu pendul dublu vede cel mai probabil patru variabile – unghiul și viteza unghiulară a fiecărui braț. Cele patru sunt intuitive pentru noi și ușor de măsurat. Cu toate acestea, studenții de la fizică sunt instruiți să modeleze și sistemul în ceea ce privește energia cinetică și potențială a fiecărui braț.
Autorii au arătat unei rețele neuronale un videoclip al unui pendul dublu și au întrebat-o câte variabile de stare a văzut. Deși răspunsul a fost patru, computerul și oamenii nu aveau limbajul comun pentru a stabili care sunt aceste variabile. Două par să fie similare cu modul în care măsurăm unghiurile brațelor, dar celelalte rămân un puzzle.
„Am încercat să corelăm celelalte variabile cu orice și tot ce ne puteam gândi: viteze unghiulare și liniare, energie cinetică și potențială și diverse combinații de cantități cunoscute”, a explicat Chen.
„Dar nimic nu părea să se potrivească perfect.” Cu toate acestea, rețeaua a prezis atât de bine mișcările viitoare ale pendulului încât se pare că a identificat variabile reale, chiar dacă ne sunt ciudate.
Autorii au continuat arătând computerului sisteme dinamice mult mai complexe, cum ar fi un „dansator de aer” în afara unui dealer de mașini din apropiere, o lampă cu lavă și flăcări într-un șemineu. A raportat că au fost, respectiv, opt, opt și, respectiv, 24 de variabile de stare necesare pentru a descrie aceste sisteme, dar care sunt acestea nimeni nu știe încă.
Instrumentele anterioare de învățare automată au modelat dinamica sistemelor fizice, dar au fost furnizate cu măsurători ale variabilelor de stare relevante, adică variabile cantitative care descriu complet sistemul pe măsură ce evoluează. Odată predate în acest fel, era puțin probabil ca mașinile să vină cu variabile alternative proprii.
Acum se pare că sistemele AI pot identifica într-adevăr noi variabile – avem nevoie doar de un traducător pentru a înțelege ce sunt acestea.