AI가 물리 법칙을 발견하게 하는 것은 새로운 것이 아닙니다. 얼마 전 "GNN에 많은 데이터를 주면 스스로 중력의 법칙을 발견할 수 있다"는 뉴스가 있었습니다. 컬럼비아 대학의 연구에 따르면 AI는 카메라를 통해 현상을 관찰하는 것만으로도 스스로 변수를 추출할 수 있으며, 그 중 일부는 아직 인간이 발견하지 못할 수도 있습니다. 이 방법을 사용하여 새로운 변수를 발견하면 새로운 물리 법칙을 발견할 수 있을까요?
E = mc²는 에너지와 질량 사이의 관계를 설명하는 질량-에너지 방정식입니다. 여기서 E는 에너지, m은 질량, c는 빛의 속도를 나타냅니다(상수, c=299792458m/s, 때로는 3.00×108) m/s ). 질량-에너지 방정식은 아인슈타인이 제안한 것으로, 핵반응의 질량 손실을 설명하고 고에너지 물리학에서 입자의 에너지를 계산하는 데 주로 사용됩니다.
100여 년 전, 아인슈타인은 이 방정식을 제안하기 전에 이미 에너지, 질량 및 속도의 기본 변수를 갖고 있었던 것 같습니다. 이러한 변수가 없었다면 아인슈타인도 상대성 이론을 발견할 수 없었을 것입니다. 그러나 놀랍게도 인공지능은 이제 이러한 변수를 자동으로 발견할 수 있으며, 그 중 일부는 인간 지식의 범위를 넘어서므로 과학적 발견의 속도가 크게 빨라질 것입니다.
이것은 컬럼비아 대학의 새로운 연구입니다. 연구원들은 인공 지능 프로그램이 카메라를 통해 물리적 현상을 관찰하도록 한 다음 관찰된 현상을 완전히 설명할 수 있는 가장 작은 기본 변수 집합을 검색하려고 했습니다. 연구 논문은 Nature Computational Science 저널에 7월 25일 게재되었습니다.
논문 주소: https://www.nature.com/articles/s43588-022-00281-6
아래 그림과 같이 이번 연구에서는 AI가 움직이는 것을 관찰할 수 있게 되었습니다. Chaotic Rocker 구동 시스템의 비디오는 이러한 고차원 비디오 클립에서 해당 시스템을 설명하는 데 필요한 최소 상태 변수를 식별하고 추출합니다.
과학자들은 먼저 이미 해결책을 알고 있는 물리적 현상에 대한 원시 비디오 영상을 시스템에 제공합니다. 예를 들어, 그들은 4개의 "상태 변수"(두 개의 팔 각각의 각도와 각속도)를 갖는 것으로 알려진 흔들리는 진자의 비디오를 제공했습니다. 몇 시간의 분석 끝에 AI는 4.7이라는 답을 출력했다.
논문의 공동 저자이자 기계공학과 Creative Machines Lab의 책임자인 Hod Lipson은 "우리는 이 대답이 충분히 가깝다고 생각합니다."라고 말했습니다. "특히 AI가 액세스할 수 있는 모든 것이 물리학이나 기하학에 대한 지식 없이 원본 비디오 영상이라는 점을 고려하면. 하지만 우리는 숫자뿐만 아니라 어떤 변수를 사용하는지 알고 싶습니다.
그런 다음 인간을 연구하세요." AI 프로그램이 식별한 실제 변수를 시각화하는 작업을 진행합니다. 변수 자체를 추출하는 것은 프로그램이 인간이 이해할 수 있는 직관적인 방식으로 설명할 수 없기 때문에 어렵습니다. 약간의 조사 끝에 프로그램에서 선택한 두 변수는 두 스윙 암의 각도와 대략적으로 일치하는 것으로 보였지만 나머지 두 개는 미스터리로 남아있었습니다.
"우리는 다른 두 변수를 우리가 생각할 수 있는 모든 알려진 변수, 즉 각속도와 선속도, 운동 에너지와 위치 에너지, 알려진 양의 다양한 조합과 연관시키려고 노력합니다."라고 논문의 첫 번째 저자는 말했습니다. 컬럼비아대학교를 졸업하고 현재 듀크대학교에서 조교수로 박사학위를 취득한 보위안 첸(Boyuan Chen)은 이렇게 설명했습니다. 하지만 알려진 변수 중 어느 것도 AI 프로그램이 식별한 두 변수와 완벽하게 일치하는 것 같지 않았습니다. 연구팀은 AI가 그렇게 좋은 예측을 했기 때문에 유효한 4가지 변수 세트를 찾았다고 믿습니다. '아직 수학적 언어를 이해하지 못합니다. '라고 그는 설명합니다.
알려진 솔루션으로 다른 많은 물리적 시스템을 확인한 후 과학자들은 명확한 답을 알지 못하는 시스템의 비디오를 입력했습니다. 영상 중 하나는 바람에 흔들리는 풍선을 보여줍니다. 몇 시간의 분석 끝에 프로그램은 8개의 변수를 반환했습니다. 마찬가지로 라바 램프에 관한 동영상에서는 8개의 변수가 산출되었습니다. 비디오가 벽난로에 대한 비디오로 변경되었을 때 프로그램은 24개의 변수를 반환했습니다.
특히 흥미로운 질문은 AI 프로그램에서 찾은 변수 세트가 각 시스템마다 고유한가입니다. 즉, 프로그램을 다시 시작할 때마다 찾은 다음 변수 세트가 여전히 원래 변수 세트와 동일합니까?
"저는 항상 궁금했습니다. 특히 지능이 높은 외계 종족을 만날 수 있다면 그들이 우리가 발견한 물리 법칙을 발견했을까요? 아니면 다른 방식으로 설명할까요? "우주?" Lipson은 "일부 현상은 잘못된 변수 세트로 설명하려고 했기 때문에 매우 복잡해 보일 수도 있습니다."라고 말했습니다.
실험에서 AI가 매번 추출한 변수의 수는 동일하지만 구체적인 변수는 매번 다릅니다. 그러므로 우리는 기존의 방식 외에 우주를 설명하는 다른 방식을 갖고 있으며, 지금 우리가 선택한 방식은 완벽하지 않을 수도 있습니다.
연구원들은 이런 종류의 AI가 과학자들이 생물학, 우주론 및 기타 분야에서 이론적 이해가 방대한 양의 데이터를 따라갈 수 없는 복잡한 현상을 발견하는 데 도움이 될 수 있다고 말합니다. 공동저자인 Kuang Huang은 "이 작업에서 비디오 데이터를 사용했지만 레이더 어레이나 DNA 어레이와 같은 모든 유형의 어레이 데이터 소스를 사용할 수 있습니다"라고 설명합니다.
이 작업은 데이터를 과학적 법칙으로 증류할 수 있는 알고리즘을 만드는 데 있어 Lipson과 컬럼비아 대학교 응용수학과 푸 재단 교수인 Qiang Du가 수십 년 동안 관심을 갖고 진행한 연구의 일부입니다. Lipson 및 Michael Schmidt의 Eureqa 소프트웨어와 같은 과거 소프트웨어 시스템은 실험 데이터에서 임의의 물리 법칙을 추출할 수 있었지만 변수가 미리 결정된 경우에만 가능했습니다. 하지만 아직 변수를 모른다면 어떨까요?
Lipson은 과학자들이 단순히 현상을 설명할 수 있는 적절한 변수 세트가 없기 때문에 현상을 오해하거나 이해하지 못하는 경우가 있다고 믿습니다. "수천년 동안 사람들은 물체가 얼마나 빨리 움직이는지에 대한 개념을 가지고 있었지만 뉴턴이 뉴턴의 유명한 제2법칙인 F=MA를 발견한 것은 속도와 가속도의 개념이 공식적으로 정량화되기 전까지는 아니었습니다."라고 Lipson은 말했습니다. 이러한 변수는 이론이 형성되기 위한 전제 조건입니다. 이를 바탕으로 Du Qiang은 "변수가 부족하여 우리가 발견하지 못한 또 다른 법칙은 무엇입니까?"
저자 소개
논문의 첫 번째 저자인 Chen Boyuan은 현재 듀크대학교 조교수로 유니버설 로봇공학 연구실(General Robotics Lab)을 총괄하고 있다. 그는 컬럼비아 대학교에서 컴퓨터 비전, 머신 러닝, 로봇 공학을 전공하여 컴퓨터 과학 박사 학위를 취득했으며, 로봇 공학, 데이터 과학 및 3D 프린팅 분야의 세계적인 선구자인 Hod Lipson 교수 밑에서 공부했습니다. 그는 인공지능 및 로봇 공학 분야(NeurIPS, IROS, GECCO, 휴머노이드 등) 분야 최고의 국제 학회에서 많은 논문을 발표했으며 여러 국제 학회(CVPR, ICML, ICLR, PRCV 등)의 심사위원으로 활동했습니다. . 또한 그는 ACM GECCO 학생 장학금, 중국 정부 장학금, 중국 과학원 우주 과학 기술 혁신 장학금 등을 받았습니다.
위 내용은 각속도와 선속도 외에 우주를 설명하는 또 다른 방법이 있습니까? AI는 Nature 하위 저널에 게재된 새로운 변수를 발견합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!