Čínský model umělé inteligence překvapivě objevuje fyzikální zákony podobně jako lidé

Čínský model AI-Newton překvapuje svou schopností vyvozovat pravidla z nezpracovaných dat, což otevírá nové směry pro vědecký výzkum.

Z experimentálních dat vyplývá, že čínský model umělé inteligence se dokáže učit fyziku stejně jako lidé - Ilustrace: hpcwire.com

Podle časopisu Nature prokázal nový čínský model umělé inteligence s názvem AI-Newton schopnost „ objevit “ fyzikální principy z nezpracovaných experimentálních dat – včetně druhého Newtonova zákona o vztahu mezi hmotností, silou a zrychlením.

Tým z Pekingské univerzity uvedl, že model napodobuje způsob, jakým lidé dělají vědu : postupně si z dat budují zásobu konceptů a zákonů. Identifikací užitečných konceptů může AI-Newton odvozovat znalosti, aniž by byl předem naprogramován.

Podle informatiky Keyona Vafy (Harvardská univerzita) tento systém používá „symbolickou regresi“ (SR) – metodu nalezení nejlepší matematické rovnice pro popis fyzikálního jevu. To je považováno za potenciální přístup k vědeckému objevování, protože model je navržen tak, aby sám odvozoval koncepty.

Tým Pekingské univerzity použil simulátor k vygenerování dat ze 46 experimentů s volným pohybem, srážkami, kmity a kyvadlovými systémy a záměrně do nich vložil chyby, aby odrážely reálná data.

Například AI-Newton dostal pouze polohu koule v čase a byl požádán o nalezení rovnice popisující vztah mezi těmito dvěma veličinami. Model odvodil rovnici rychlosti. Odtud v dalším úkolu pokračoval s použitím druhého Newtonova zákona k odvození hmotnosti koule. Tyto výsledky zatím nebyly recenzovány.

Pokusy naučit umělou inteligenci odvozovat fyzikální zákony již byly učiněny dříve. V roce 2019 tým na ETH Zurich vyvinul „AI Copernicus“, neuronovou síť, která odvodila oběžné dráhy planet z pozorovacích dat, ale lidé museli rovnice stále interpretovat.

Vafa a jeho kolegové z MIT také experimentovali se základními modely, jako jsou GPT, Claude nebo Llama: když byli trénováni k předpovídání poloh planet, naučili se pouze reprodukovat oběžné dráhy, ale když byli požádáni o odvození síly ovládající pohyb, odvodili bezvýznamný „zákon gravitace“.

Podle Vafy „jazykový model natrénovaný k předpovídání výsledků fyzikálního experimentu nebude kódovat koncepty stejným jednoduchým a stručným způsobem jako lidé, ale často vytvoří neintuitivní reprezentaci.“

Odborníci tvrdí, že umělá inteligence, která dokáže odvodit zákony, je užitečná, ale aby mohla skutečně dosáhnout nezávislých vědeckých objevů, musí podniknout více kroků: definovat problém, navrhnout experimenty, analyzovat data a testovat hypotézy.

Podle Davida Powerse (Flinders University) vyžaduje experimentální věda identifikaci klíčových proměnných a provádění systematických experimentů.

Fyzik Yan-Qing Ma z Pekingské univerzity souhlasí s tím, že AI-Newton má k tomu ještě daleko, ale zdůrazňuje, že tento model by mohl připravit cestu pro budoucí systémy umělé inteligence, které budou moci využívat reálná data k samostatnému objevování nových fyzikálních zákonů.

Tým nyní testuje jeho použitelnost v kvantových teoriích.

Zpět k tématu

VNA

Zdroj: https://tuoitre.vn/bat-ngo-mo-hinh-ai-trung-quoc-tu-kham-pha-dinh-luat-vat-ly-nhu-nguoi-20251116121246359.htm