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

AI - Ảnh 1. — Auf Grundlage experimenteller Daten kann ein chinesisches KI-Modell Physik ähnlich wie ein Mensch erlernen – 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, das Masse, Kraft und Beschleunigung in Beziehung setzt.

Ein Forschungsteam der Peking-Universität erklärt, das Modell simuliere die menschliche Vorgehensweise in der Wissenschaft : den schrittweisen Aufbau eines Wissensspeichers aus Daten. Durch die Identifizierung nützlicher Konzepte kann AI-Newton Wissen ohne vorherige Programmierung extrahieren.

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 das KI-Newton-Modell lediglich die Position eines Balls über die Zeit und sollte eine Gleichung finden, die den Zusammenhang zwischen zwei 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.

Versuche, KI das Ableiten physikalischer Gesetze beizubringen, gab es schon früher. 2019 entwickelte ein Team der ETH Zürich „AI Copernicus“, ein neuronales Netzwerk, das Planetenbahnen aus Beobachtungsdaten ableitet, doch die Gleichungen mussten weiterhin von Menschen interpretiert werden.

Vafa und seine Kollegen am MIT experimentierten auch mit fundamentalen Modellen wie GPT, Claude und Llama: Wenn sie darauf trainiert wurden, Planetenpositionen vorherzusagen, lernten sie nur, Umlaufbahnen zu rekonstruieren, leiteten dann 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, den Ausgang eines Physikexperiments vorherzusagen, Konzepte nicht auf einfache und prägnante Weise kodieren, wie es Menschen tun, sondern oft eine nicht-intuitive Darstellung erzeugen.“

Experten sind der Ansicht, dass die Fähigkeit der KI, Gesetze abzuleiten, zwar nützlich ist, aber um wirklich unabhängige wissenschaftliche Entdeckungen zu machen, muss sie in mehr Schritte einbezogen werden: die Identifizierung des Problems, das Vorschlagen von Experimenten, die Analyse von Daten und das Testen von Hypothesen.

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

Der Physiker Yan-Qing Ma von der Peking-Universität stimmt zu, dass AI-Newton noch einen langen Weg von diesem Niveau entfernt ist, betont aber, dass das Modell den Weg für zukünftige KI-Systeme ebnen könnte, die anhand von Daten aus der realen Welt selbstständig neue physikalische Gesetze entdecken.

Kommentar (0)