Удивительно, но китайская модель искусственного интеллекта обнаруживает физические законы, как и люди

Китайская модель ИИ-Newton удивляет своей способностью выводить правила из необработанных данных, открывая новые направления для научных исследований.

Китайская модель искусственного интеллекта, основанная на экспериментальных данных, способна изучать физику подобно человеку. Иллюстрация: hpcwire.com

По данным Nature, новая китайская модель искусственного интеллекта под названием AI-Newton продемонстрировала способность « открывать » физические принципы из необработанных экспериментальных данных, включая второй закон Ньютона о взаимосвязи между массой, силой и ускорением.

Команда Пекинского университета заявила, что модель имитирует человеческий подход к научной деятельности : постепенное накопление знаний и законов на основе данных. Выявляя полезные концепции, AI-Newton может получать знания без предварительного программирования.

По словам специалиста по информатике Кейона Вафы (Гарвардский университет), эта система использует «символическую регрессию» (SR) — метод поиска наилучшего математического уравнения для описания физического явления. Это считается потенциальным подходом для научных открытий, поскольку модель разработана для самостоятельного вывода концепций.

Группа ученых из Пекинского университета использовала симулятор для получения данных по 46 экспериментам со свободным движением, столкновениями, колебаниями и маятниковыми системами, а также намеренно вносила ошибки для отражения реальных данных.

Например, AI-Newton получила только данные о положении мяча во времени и должна была найти уравнение, описывающее связь между двумя величинами. Модель вывела уравнение скорости. Исходя из этого, в следующем задании она продолжила использовать второй закон Ньютона для определения массы мяча. Эти результаты ещё не прошли рецензирование.

Попытки научить ИИ выводить физические законы предпринимались и раньше. В 2019 году команда из Швейцарской высшей технической школы Цюриха разработала «ИИ Коперник» — нейронную сеть, которая вычисляла орбиты планет на основе данных наблюдений, но интерпретировать уравнения всё равно приходилось людям.

Вафа и его коллеги из Массачусетского технологического института также экспериментировали с такими основополагающими моделями, как GPT, Claude или Llama: когда их обучали предсказывать положение планет, они научились только воспроизводить орбиты, но вывели бессмысленный «закон тяготения», когда их попросили вывести силу, управляющую движением.

По словам Вафы, «языковая модель, обученная предсказывать результаты физического эксперимента, не будет кодировать понятия таким же простым и лаконичным способом, как люди, а часто будет создавать неинтуитивное представление».

Эксперты утверждают, что ИИ, способный выводить законы, полезен, но для совершения по-настоящему независимых научных открытий ему необходимо выполнить больше шагов: определить проблему, предложить эксперименты, проанализировать данные и проверить гипотезы.

По мнению Дэвида Пауэрса (Университет Флиндерса), экспериментальная наука требует выявления ключевых переменных и проведения систематических экспериментов.

Физик Янь-Цин Ма из Пекинского университета согласен, что AI-Newton еще далек от этого, но подчеркивает, что модель может проложить путь для будущих систем ИИ, которые смогут использовать реальные данные для самостоятельного открытия новых физических законов.

Сейчас группа проверяет применимость этой идеи к квантовым теориям.

Вернуться к теме

ВНА

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