Overraskende nok oppdager den kinesiske AI-modellen fysiske lover som mennesker

Kinas AI-Newton-modell overrasker med sin evne til å trekke regler fra rådata, og åpner dermed for nye retninger for vitenskapelig forskning.

Fra eksperimentelle data kan kinesisk AI-modell lære fysikk som mennesker - Illustrasjon: hpcwire.com

Ifølge Nature har en ny kinesisk kunstig intelligensmodell, kalt AI-Newton, vist evnen til å « oppdage » fysiske prinsipper fra rå eksperimentelle data – inkludert Newtons andre lov om forholdet mellom masse, kraft og akselerasjon.

Teamet ved Peking University sa at modellen etterligner måten mennesker driver med vitenskap på: de bygger gradvis opp et lager av konsepter og lover fra data. Ved å identifisere nyttige konsepter kan AI-Newton utlede kunnskap uten å være forhåndsprogrammert.

Ifølge informatiker Keyon Vafa (Harvard University) bruker dette systemet «symbolsk regresjon» (SR) – en metode for å finne den beste matematiske ligningen for å beskrive et fysisk fenomen. Dette anses som en potensiell tilnærming til vitenskapelig oppdagelse fordi modellen er utformet for å utlede konsepter på egenhånd.

Teamet fra Peking University brukte en simulator til å generere data fra 46 eksperimenter på fri bevegelse, kollisjoner, svingninger og pendellignende systemer, og satte med vilje inn feil for å gjenspeile data fra den virkelige verden.

For eksempel fikk AI-Newton bare posisjonen til en ball over tid og ble bedt om å finne en ligning som beskriver forholdet mellom de to størrelsene. Modellen utledet hastighetsligningen. Derfra fortsatte den i neste oppgave å bruke Newtons andre lov for å utlede massen til ballen. Disse resultatene er ennå ikke fagfellevurdert.

Det har blitt gjort forsøk på å lære AI å utlede fysiske lover før. I 2019 utviklet et team ved ETH Zürich «AI Copernicus», et nevralt nettverk som utledet planetbaner fra observasjonsdata, men mennesker måtte fortsatt tolke ligningene.

Vafa og kollegene hans ved MIT eksperimenterte også med grunnleggende modeller som GPT, Claude eller Llama: når de ble trent til å forutsi planetposisjoner, lærte de bare å reprodusere baner, men utledet en meningsløs «tyngdekraftslov» da de ble bedt om å utlede kraften som styrer bevegelsen.

Ifølge Vafa vil «en språkmodell som er trent til å forutsi resultatene av et fysikkeksperiment ikke kode konsepter på samme enkle og konsise måte som mennesker, men vil ofte skape en ikke-intuitiv representasjon».

Eksperter sier at kunstig intelligens som kan utlede lover er nyttig, men for å virkelig gjøre uavhengige vitenskapelige oppdagelser må de gjennomføre flere trinn: definere et problem, foreslå eksperimenter, analysere data og teste hypoteser.

Ifølge David Powers (Flinders University) krever eksperimentell vitenskap å identifisere nøkkelvariabler og utføre systematiske eksperimenter.

Fysiker Yan-Qing Ma fra Peking University er enig i at AI-Newton er langt unna det, men understreker at modellen kan bane vei for fremtidige AI-systemer som kan bruke reelle data til å oppdage nye fysiske lover på egenhånd.

Teamet tester nå anvendeligheten på kvanteteorier.

Tilbake til emnet

VNA

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