Zaskakujące jest to, że chiński model sztucznej inteligencji odkrywa prawa fizyki podobne do tych, które obserwowaliśmy u ludzi

AI - Ảnh 1. — Na podstawie danych eksperymentalnych chiński model sztucznej inteligencji może uczyć się fizyki tak jak ludzie – Ilustracja: hpcwire.com

Według czasopisma Nature nowy chiński model sztucznej inteligencji, zwany AI-Newton, wykazał zdolność „ odkrywania ” zasad fizycznych na podstawie surowych danych eksperymentalnych – w tym drugiego prawa Newtona dotyczącego relacji pomiędzy masą, siłą i przyspieszeniem.

Zespół z Uniwersytetu Pekińskiego stwierdził, że model ten naśladuje sposób, w jaki ludzie uprawiają naukę : stopniowo budują zasób pojęć i praw na podstawie danych. Identyfikując użyteczne pojęcia, AI-Newton może czerpać wiedzę bez konieczności wstępnego programowania.

Według informatyka Keyona Vafy (Uniwersytet Harvarda), system ten wykorzystuje „regresję symboliczną” (SR) – metodę znajdowania najlepszego równania matematycznego opisującego zjawisko fizyczne. Jest to uważane za potencjalne podejście do odkryć naukowych, ponieważ model został zaprojektowany tak, aby samodzielnie wnioskować o koncepcjach.

Zespół z Uniwersytetu Pekińskiego wykorzystał symulator do wygenerowania danych z 46 eksperymentów dotyczących ruchu swobodnego, zderzeń, oscylacji i układów podobnych do wahadeł, a następnie celowo wprowadził błędy, aby odzwierciedlić rzeczywiste dane.

Na przykład, program AI-Newton otrzymał jedynie dane o położeniu piłki w czasie i poproszono go o znalezienie równania opisującego zależność między tymi dwiema wielkościami. Model wyprowadził równanie prędkości. Następnie, w kolejnym zadaniu, kontynuował wykorzystanie drugiego prawa Newtona do wywnioskowania masy piłki. Wyniki te nie zostały jeszcze poddane recenzji naukowej.

Próby nauczenia sztucznej inteligencji wyprowadzania praw fizyki podejmowano już wcześniej. W 2019 roku zespół z Politechniki Federalnej w Zurychu opracował „AI Copernicus”, sieć neuronową, która wnioskowała o orbitach planet na podstawie danych obserwacyjnych, ale ludzie nadal musieli interpretować równania.

Vafa i jego współpracownicy z MIT eksperymentowali również z modelami podstawowymi, takimi jak GPT, Claude czy Llama: gdy nauczono ich przewidywać położenie planet, uczyli się jedynie odtwarzać orbity, ale gdy poproszono ich o wyprowadzenie siły rządzącej ruchem, wyciągali bezsensowne wnioski na podstawie „prawa grawitacji”.

Według Vafy „model języka wytrenowany w celu przewidywania wyników eksperymentu fizycznego nie będzie kodował pojęć w tak prosty i zwięzły sposób, jak robią to ludzie, lecz często będzie tworzył nieintuicyjne reprezentacje”.

Eksperci twierdzą, że sztuczna inteligencja potrafiąca dedukować prawa jest użyteczna, ale aby dokonać prawdziwie niezależnych odkryć naukowych, konieczne jest wykonanie większej liczby kroków: zdefiniowanie problemu, zaproponowanie eksperymentów, analiza danych i testowanie hipotez.

Według Davida Powersa (Uniwersytet Flindersa) nauka eksperymentalna wymaga określenia kluczowych zmiennych i przeprowadzania systematycznych eksperymentów.

Fizyk Yan-Qing Ma z Uniwersytetu Pekińskiego zgadza się, że AI-Newton jest jeszcze bardzo odległym osiągnięciem, ale podkreśla, że model ten może utorować drogę przyszłym systemom AI, które będą mogły wykorzystywać rzeczywiste dane do samodzielnego odkrywania nowych praw fizyki.

Zespół testuje obecnie możliwość zastosowania tej teorii w teoriach kwantowych.

Powrót do tematu

VNA

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