Überraschenderweise entdeckt ein chinesisches KI-Modell physikalische Gesetze ähnlich wie der Mensch.

Chinas AI-Newton-Modell überrascht mit seiner Fähigkeit, aus Rohdaten Regeln abzuleiten und eröffnet damit neue Wege für die wissenschaftliche Forschung.

Experimentelle Daten zeigen, dass ein chinesisches KI-Modell physikalische Gesetze ähnlich wie Menschen erlernen kann – Illustration: hpcwire.com

Laut Nature hat ein neues chinesisches Modell künstlicher Intelligenz namens AI-Newton die Fähigkeit gezeigt, physikalische Prinzipien aus experimentellen Rohdaten zu " entdecken " - darunter auch Newtons zweites Gesetz über die Beziehung zwischen Masse, Kraft und Beschleunigung.

Das Team der Peking-Universität erklärte, das Modell ahme die Vorgehensweise des Menschen in der Wissenschaft nach: den schrittweisen Aufbau eines Wissensschatzes an Konzepten und Gesetzmäßigkeiten aus Daten. Indem es nützliche Konzepte identifiziert, kann AI-Newton Wissen ableiten, ohne vorprogrammiert zu sein.

Laut dem Informatiker Keyon Vafa (Harvard University) verwendet dieses System „symbolische Regression“ (SR) – eine Methode, um die optimale mathematische Gleichung zur Beschreibung eines physikalischen Phänomens zu finden. Dies gilt als vielversprechender Ansatz für wissenschaftliche Entdeckungen, da das Modell so konzipiert ist, dass es selbstständig Konzepte ableiten kann.

Das Team der Universität Peking nutzte einen Simulator, um Daten aus 46 Experimenten zu freier Bewegung, Kollisionen, Schwingungen und pendelartigen Systemen zu generieren, und fügte absichtlich Fehler ein, um realweltliche Daten widerzuspiegeln.

Beispielsweise erhielt AI-Newton lediglich die Position eines Balls über die Zeit und sollte eine Gleichung finden, die den Zusammenhang zwischen den beiden Größen beschreibt. Das Modell leitete die Geschwindigkeitsgleichung ab. Anschließend nutzte es in der nächsten Aufgabe Newtons zweites Gesetz, um die Masse des Balls zu bestimmen. Diese Ergebnisse wurden noch nicht von Fachkollegen begutachtet.

Es gab bereits Versuche, KI beizubringen, physikalische Gesetze abzuleiten. 2019 entwickelte ein Team der ETH Zürich „AI Copernicus“, ein neuronales Netzwerk, das Planetenbahnen aus Beobachtungsdaten ableitete, doch die Gleichungen mussten weiterhin von Menschen interpretiert werden.

Vafa und seine Kollegen am MIT experimentierten auch mit fundamentalen Modellen wie GPT, Claude oder Llama: Wenn sie darauf trainiert wurden, Planetenpositionen vorherzusagen, lernten sie nur, Umlaufbahnen zu reproduzieren, leiteten aber ein bedeutungsloses „Gravitationsgesetz“ ab, als sie aufgefordert wurden, die Kraft herzuleiten, die die Bewegung bestimmt.

Laut Vafa wird „ein Sprachmodell, das darauf trainiert wurde, die Ergebnisse eines Physikexperiments vorherzusagen, Konzepte nicht auf die gleiche einfache und prägnante Weise kodieren wie Menschen, sondern oft eine nicht-intuitive Darstellung erzeugen.“

Experten sagen, dass KI, die Gesetze ableiten kann, zwar nützlich ist, aber um wirklich unabhängige wissenschaftliche Entdeckungen zu machen, müssen weitere Schritte unternommen werden: Definition eines Problems, Vorschlag von Experimenten, Analyse von Daten und Testen von Hypothesen.

Laut David Powers (Flinders University) erfordert die experimentelle Wissenschaft die Identifizierung von Schlüsselvariablen und die Durchführung systematischer Experimente.

Der Physiker Yan-Qing Ma von der Peking-Universität stimmt zu, dass AI-Newton noch weit davon entfernt ist, betont aber, dass das Modell den Weg für zukünftige KI-Systeme ebnen könnte, die anhand realer Daten selbstständig neue physikalische Gesetze entdecken können.

Das Team testet nun die Anwendbarkeit auf Quantentheorien.

Zurück zum Thema

VNA

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