Selain halaju sudut dan halaju linear, adakah cara lain untuk menggambarkan alam semesta? AI menemui pembolehubah baharu yang diterbitkan dalam sub-jurnal Nature

Membenarkan AI menemui undang-undang fizikal bukanlah perkara baharu Beberapa waktu lalu kami melaporkan berita bahawa "memberi GNN sekumpulan data, dan ia boleh menemui undang-undang graviti dengan sendirinya tetapi bagaimana jika kami tidak memberikannya." ia berubah-ubah? Kajian dari Columbia University menunjukkan bahawa AI boleh mengekstrak pembolehubah dengan sendirinya hanya dengan memerhati fenomena melalui kamera, dan sebahagian daripadanya mungkin belum ditemui oleh manusia lagi. Jika kita menggunakan kaedah ini untuk menemui pembolehubah baharu, bolehkah kita menemui undang-undang fizikal baharu?

E = mc² ialah persamaan jisim-tenaga yang menerangkan hubungan antara tenaga dan jisim, di mana E mewakili tenaga, m mewakili jisim, dan c mewakili kelajuan cahaya (malar, c=299792458m/ s, kadangkala diambil 3.00×108 m/s). Persamaan jisim-tenaga telah dicadangkan oleh Einstein Ia digunakan terutamanya untuk menerangkan kehilangan jisim dalam tindak balas nuklear dan untuk mengira tenaga zarah dalam fizik tenaga tinggi.

Lebih daripada seratus tahun yang lalu, Einstein nampaknya mempunyai pembolehubah asas tenaga, jisim dan kelajuan sebelum mencadangkan persamaan ini. Tanpa pembolehubah ini, walaupun Einstein tidak akan dapat menemui teori relativiti. Tetapi yang menghairankan, kecerdasan buatan kini boleh menemui pembolehubah ini secara automatik, sebahagian daripadanya berada di luar skop pengetahuan manusia, yang akan mempercepatkan penemuan saintifik.

Ini ialah kajian baharu dari Universiti Columbia Penyelidik cuba membenarkan program kecerdasan buatan memerhati fenomena fizikal melalui kamera, dan kemudian cuba mencari pembolehubah asas terkecil yang boleh menerangkan sepenuhnya. fenomena yang diperhatikan. Kertas penyelidikan itu diterbitkan pada 25 Julai dalam jurnal Nature Computational Science.

Alamat kertas: https://www.nature.com/articles/s43588-022-00281-6

Para saintis mula-mula membekalkan klip video mentah sistem fenomena fizikal yang mereka sudah tahu penyelesaiannya. Sebagai contoh, mereka menyediakan video bandul berayun, yang diketahui mempunyai empat "pembolehubah keadaan"—sudut dan halaju sudut setiap dua lengannya. Selepas beberapa jam analisis, AI mengeluarkan jawapan: 4.7.

"Kami rasa jawapan ini cukup dekat," kata Hod Lipson, pengarang bersama kertas kerja dan pengarah Makmal Mesin Kreatif di Jabatan Kejuruteraan Mekanikal. "Terutama memandangkan bahawa semua AI mempunyai akses kepada rakaman video mentah, tanpa pengetahuan fizik atau geometri. Tetapi kami ingin tahu pembolehubah yang digunakannya, bukan sekadar nombor." Para penyelidik kemudian meneruskan untuk memvisualisasikan pembolehubah sebenar yang dikenal pasti oleh program AI. Mengeluarkan pembolehubah itu sendiri adalah sukar kerana program ini tidak dapat menerangkannya dengan cara intuitif yang boleh difahami oleh manusia. Selepas beberapa penyiasatan, dua pembolehubah yang dipilih oleh program ini kelihatan kira-kira sepadan dengan sudut dua lengan hayun, tetapi dua yang lain kekal sebagai misteri.

"Kami cuba mengaitkan dua pembolehubah lain dengan semua pembolehubah yang diketahui yang boleh kami fikirkan: halaju sudut dan linear, tenaga kinetik dan potensi, dan pelbagai kombinasi kuantiti yang diketahui," jelasnya. Boyuan Chen, pengarang pertama kertas kerja dan kini penolong profesor di Duke University yang baru sahaja menerima PhD dari Columbia University. “Tetapi tiada pembolehubah yang diketahui kelihatan sepadan dengan sempurna dengan dua pembolehubah yang dikenal pasti oleh program AI.” Pasukan ini percaya AI telah menemui set empat pembolehubah yang sah kerana ia membuat ramalan yang baik, "tetapi kami tidak belum memahami bahasa matematik yang digunakannya," jelasnya.

Selepas mengesahkan banyak sistem fizikal lain dengan penyelesaian yang diketahui, saintis memasukkan video sistem yang mereka tidak tahu jawapan yang jelas. Salah satu video menunjukkan belon bergoyang ditiup angin. Selepas beberapa jam analisis, program mengembalikan 8 pembolehubah. Begitu juga, video tentang lampu lava menghasilkan 8 pembolehubah. Apabila video ditukar kepada video tentang pendiangan, program mengembalikan 24 pembolehubah.

Persoalan yang sangat menarik ialah: adakah set pembolehubah yang ditemui oleh program AI unik untuk setiap sistem? Dalam erti kata lain, selepas setiap permulaan semula program, adakah set pembolehubah seterusnya yang ditemuinya masih sama seperti yang asal?

"Saya telah berfikir, jika kita dapat bertemu dengan spesies asing yang sangat pintar, adakah mereka akan menemui beberapa undang-undang fizikal yang telah kita temui? Atau, adakah mereka akan "Menggambarkan alam semesta dengan cara yang berbeza?" Kata Lipson. "Mungkin beberapa fenomena kelihatan sangat rumit kerana kami telah cuba menggambarkannya dengan set pembolehubah yang salah."

Dalam eksperimen, nombor pembolehubah yang diekstrak oleh AI adalah sama setiap kali ia dimulakan semula, tetapi pembolehubah tertentu setiap kali berbeza. Oleh itu, kita mempunyai cara lain untuk menggambarkan alam semesta selain cara konvensional, dan cara yang kita pilih sekarang mungkin tidak sempurna.

Penyelidik mengatakan bahawa AI jenis ini boleh membantu saintis menemui fenomena kompleks dalam biologi, kosmologi dan disiplin lain, di mana pemahaman teori tidak dapat bersaing dengan jumlah data yang besar. "Walaupun kami menggunakan data video dalam kerja ini, sebarang jenis sumber data tatasusunan boleh digunakan - seperti tatasusunan radar atau tatasusunan DNA," jelas pengarang bersama Kuang Huang.

Kerja ini adalah sebahagian daripada minat penyelidikan selama beberapa dekad oleh Lipson dan Qiang Du, Profesor Matematik Gunaan Yayasan Fu di Universiti Columbia, dalam mencipta kaedah yang boleh diperhalusi Algoritma menjadi undang-undang saintifik. Sistem perisian masa lalu, seperti perisian Eureqa Lipson dan Michael Schmidt, boleh mengekstrak undang-undang fizikal sewenang-wenang daripada data eksperimen, tetapi hanya jika pembolehubah telah ditentukan terlebih dahulu. Tetapi bagaimana jika kita masih belum mengetahui pembolehubahnya?

Lipson percaya bahawa saintis kadangkala salah faham atau gagal memahami sesuatu fenomena hanya kerana mereka tidak mempunyai set pembolehubah yang baik untuk menerangkannya. "Selama beribu-ribu tahun, orang ramai mempunyai konsep seberapa pantas objek bergerak, tetapi tidak sehingga konsep kelajuan dan pecutan secara rasmi diukur bahawa Newton menemui undang-undang kedua Newton yang terkenal: F=MA, " kata Lipson. Pembolehubah ini merupakan prasyarat untuk teori itu dibentuk. Berdasarkan ini, Du Qiang ingin tahu, "Apakah undang-undang lain yang belum kami temui kerana kekurangan pembolehubah?"

Pengenalan pengarang

Chen Boyuan, pengarang pertama kertas kerja, kini merupakan penolong profesor di Universiti Duke dan bertanggungjawab mengetuai Makmal Robotik Am. Beliau lulus dari Universiti Columbia dengan Ph.D dalam bidang sains komputer, dalam jurusan penglihatan komputer, pembelajaran mesin dan robotik. Beliau belajar di bawah Profesor Hod Lipson, perintis dunia dalam bidang robotik, sains data dan percetakan 3D. Beliau telah menerbitkan banyak kertas kerja di persidangan antarabangsa terkemuka dalam bidang kecerdasan buatan dan robotik (NeurIPS, IROS, GECCO, Humanoids, dll.) dan berkhidmat sebagai penyemak untuk beberapa persidangan antarabangsa (CVPR, ICML, ICLR, PRCV, dll.) . Selain itu, beliau juga telah menerima Biasiswa Pelajar ACM GECCO, Biasiswa Kerajaan China, Biasiswa Inovasi Sains dan Teknologi Angkasa Akademi Sains China, dsb.

Atas ialah kandungan terperinci Selain halaju sudut dan halaju linear, adakah cara lain untuk menggambarkan alam semesta? AI menemui pembolehubah baharu yang diterbitkan dalam sub-jurnal Nature. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!