आश्चर्यजनक रूप से, चीनी एआई मॉडल ने मनुष्यों की तरह भौतिक नियमों की खोज की

चीन का एआई-न्यूटन मॉडल कच्चे डेटा से नियम बनाने की अपनी क्षमता से आश्चर्यचकित करता है, तथा वैज्ञानिक अनुसंधान के लिए नई दिशाएं खोलता है।

प्रायोगिक आंकड़ों से, चीनी एआई मॉडल मनुष्यों की तरह भौतिकी सीख सकता है - चित्रण: hpcwire.com

नेचर के अनुसार, एआई-न्यूटन नामक एक नए चीनी कृत्रिम बुद्धिमत्ता मॉडल ने कच्चे प्रायोगिक डेटा से भौतिक सिद्धांतों की " खोज " करने की क्षमता दिखाई है - जिसमें द्रव्यमान, बल और त्वरण के बीच संबंध के बारे में न्यूटन का दूसरा नियम भी शामिल है।

पेकिंग विश्वविद्यालय की टीम ने कहा कि यह मॉडल मानव विज्ञान के तरीके की नकल करता है: धीरे-धीरे आँकड़ों से अवधारणाओं और नियमों का भंडार तैयार करना। उपयोगी अवधारणाओं की पहचान करके, एआई-न्यूटन बिना किसी पूर्व-प्रोग्रामिंग के ज्ञान प्राप्त कर सकता है।

हार्वर्ड विश्वविद्यालय के कंप्यूटर वैज्ञानिक कीऑन वाफ़ा के अनुसार, यह प्रणाली "प्रतीकात्मक समाश्रयण" (SR) का उपयोग करती है - जो किसी भौतिक घटना का वर्णन करने के लिए सर्वोत्तम गणितीय समीकरण खोजने की एक विधि है। इसे वैज्ञानिक खोज के लिए एक संभावित दृष्टिकोण माना जाता है क्योंकि यह मॉडल स्वयं अवधारणाओं का अनुमान लगाने के लिए डिज़ाइन किया गया है।

पेकिंग विश्वविद्यालय की टीम ने मुक्त गति, टकराव, दोलन और पेंडुलम जैसी प्रणालियों पर 46 प्रयोगों से डेटा उत्पन्न करने के लिए एक सिम्युलेटर का उपयोग किया, और वास्तविक दुनिया के डेटा को प्रतिबिंबित करने के लिए जानबूझकर त्रुटियां डालीं।

उदाहरण के लिए, एआई-न्यूटन को समय के साथ केवल एक गेंद की स्थिति दी गई और दोनों राशियों के बीच संबंध बताने वाला एक समीकरण खोजने को कहा गया। मॉडल ने वेग समीकरण निकाला। इसके बाद, अगले कार्य में, उसने गेंद के द्रव्यमान का अनुमान लगाने के लिए न्यूटन के दूसरे नियम का उपयोग जारी रखा। इन परिणामों की अभी तक समकक्ष समीक्षा नहीं हुई है।

एआई को भौतिक नियमों की व्याख्या करना सिखाने के प्रयास पहले भी किए जा चुके हैं। 2019 में, ETH ज्यूरिख की एक टीम ने "एआई कोपरनिकस" नामक एक न्यूरल नेटवर्क विकसित किया, जो अवलोकन संबंधी आंकड़ों से ग्रहों की कक्षाओं का अनुमान लगाता था, लेकिन मनुष्यों को अभी भी समीकरणों की व्याख्या करनी थी।

एमआईटी में वाफा और उनके सहयोगियों ने जीपीटी, क्लाउड या लामा जैसे आधारभूत मॉडलों के साथ भी प्रयोग किया: जब उन्हें ग्रहों की स्थिति की भविष्यवाणी करने के लिए प्रशिक्षित किया गया, तो उन्होंने केवल कक्षाओं को पुन: प्रस्तुत करना सीखा, लेकिन जब उनसे गति को नियंत्रित करने वाले बल को निकालने के लिए कहा गया, तो उन्होंने एक अर्थहीन "गुरुत्वाकर्षण के नियम" का अनुमान लगाया।

वाफा के अनुसार, "भौतिकी प्रयोग के परिणामों की भविष्यवाणी करने के लिए प्रशिक्षित एक भाषा मॉडल, मनुष्यों की तरह सरल, संक्षिप्त तरीके से अवधारणाओं को एनकोड नहीं करेगा, बल्कि अक्सर एक गैर-सहज प्रतिनिधित्व का निर्माण करेगा।"

विशेषज्ञों का कहना है कि नियमों का निष्कर्ष निकालने में सक्षम एआई उपयोगी है, लेकिन वास्तव में स्वतंत्र वैज्ञानिक खोज करने के लिए, उन्हें और अधिक चरणों में संलग्न होने की आवश्यकता है: समस्या को परिभाषित करना, प्रयोगों का प्रस्ताव करना, डेटा का विश्लेषण करना और परिकल्पनाओं का परीक्षण करना।

डेविड पॉवर्स (फ्लिंडर्स विश्वविद्यालय) के अनुसार, प्रायोगिक विज्ञान के लिए प्रमुख चरों की पहचान करना और व्यवस्थित प्रयोग करना आवश्यक है।

पेकिंग विश्वविद्यालय के भौतिक विज्ञानी यान-किंग मा इस बात से सहमत हैं कि एआई-न्यूटन अभी बहुत दूर है, लेकिन वे इस बात पर जोर देते हैं कि यह मॉडल भविष्य की एआई प्रणालियों के लिए मार्ग प्रशस्त कर सकता है, जो वास्तविक डेटा का उपयोग करके स्वयं ही नए भौतिक नियमों की खोज कर सकती हैं।

टीम अब क्वांटम सिद्धांतों पर इसकी प्रयोज्यता का परीक्षण कर रही है।

विषय पर वापस जाएँ

वीएनए

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