حیرت انگیز طور پر، چینی AI ماڈل نے انسانوں کی طرح جسمانی قوانین کو دریافت کیا

چین کے AI-Newton ماڈل نے سائنسی تحقیق کے لیے نئی سمتیں کھولتے ہوئے، خام ڈیٹا سے قواعد تیار کرنے کی اپنی صلاحیت سے حیران کر دیا۔

تجرباتی اعداد و شمار سے، چینی AI ماڈل انسانوں کی طرح طبیعیات سیکھ سکتا ہے - مثال: hpcwire.com

نیچر کے مطابق، ایک نئے چینی مصنوعی ذہانت کے ماڈل، جسے AI-Newton کہا جاتا ہے، نے خام تجرباتی ڈیٹا سے جسمانی اصولوں کو " دریافت " کرنے کی صلاحیت ظاہر کی ہے - جس میں بڑے پیمانے، قوت اور سرعت کے درمیان تعلق کے بارے میں نیوٹن کا دوسرا قانون بھی شامل ہے۔

پیکنگ یونیورسٹی کی ٹیم نے کہا کہ یہ ماڈل انسانوں کے سائنس کرنے کے طریقے کی نقل کرتا ہے: بتدریج ڈیٹا سے تصورات اور قوانین کا ذخیرہ تیار کرنا۔ مفید تصورات کی نشاندہی کرکے، AI-Newton پہلے سے پروگرام کیے بغیر علم حاصل کر سکتا ہے۔

کمپیوٹر سائنس دان کیون وافا (ہارورڈ یونیورسٹی) کے مطابق، یہ نظام "علامتی رجعت" (SR) کا استعمال کرتا ہے - ایک جسمانی رجحان کو بیان کرنے کے لیے بہترین ریاضیاتی مساوات کو تلاش کرنے کا ایک طریقہ۔ یہ سائنسی دریافت کے لیے ایک ممکنہ نقطہ نظر سمجھا جاتا ہے کیونکہ ماڈل کو خود ہی تصورات کا اندازہ لگانے کے لیے ڈیزائن کیا گیا ہے۔

پیکنگ یونیورسٹی کی ٹیم نے آزاد حرکت، تصادم، دوہرائیوں اور پینڈولم جیسے نظام پر 46 تجربات سے ڈیٹا تیار کرنے کے لیے ایک سمیلیٹر کا استعمال کیا، اور حقیقی دنیا کے ڈیٹا کی عکاسی کرنے کے لیے جان بوجھ کر غلطیاں ڈالیں۔

مثال کے طور پر، AI-Newton کو وقت کے ساتھ صرف ایک گیند کی پوزیشن دی گئی اور اس سے کہا گیا کہ وہ ایک مساوات تلاش کرے جو دو مقداروں کے درمیان تعلق کو بیان کرے۔ ماڈل نے رفتار کی مساوات اخذ کی۔ وہاں سے، اگلے کام میں، اس نے گیند کے بڑے پیمانے پر اندازہ لگانے کے لیے نیوٹن کے دوسرے قانون کا استعمال جاری رکھا۔ ان نتائج کا ابھی تک ہم مرتبہ جائزہ نہیں لیا گیا ہے۔

AI کو جسمانی قوانین اخذ کرنے کے لیے سکھانے کی کوششیں پہلے بھی کی جا چکی ہیں۔ 2019 میں، ETH زیورخ میں ایک ٹیم نے "AI Copernicus" تیار کیا، ایک عصبی نیٹ ورک جس نے مشاہداتی ڈیٹا سے سیاروں کے مدار کا اندازہ لگایا، لیکن انسانوں کو پھر بھی مساوات کی تشریح کرنی تھی۔

MIT میں وافا اور اس کے ساتھیوں نے GPT، Claude، یا Llama جیسے بنیادی ماڈلز کے ساتھ بھی تجربہ کیا: جب سیاروں کی پوزیشنوں کی پیشن گوئی کرنے کی تربیت دی گئی، تو انہوں نے صرف مدار کو دوبارہ پیدا کرنا سیکھا، لیکن جب حرکت کو کنٹرول کرنے والی قوت کو حاصل کرنے کے لیے کہا گیا تو انہوں نے ایک بے معنی "قوت ثقل کے قانون" کا اندازہ لگایا۔

وفا کے مطابق، "طبعیات کے تجربے کے نتائج کی پیشن گوئی کرنے کے لیے تربیت یافتہ ایک زبان کا ماڈل تصورات کو انسانوں کی طرح سادہ، جامع انداز میں انکوڈ نہیں کرے گا، بلکہ اکثر غیر بدیہی نمائندگی پیدا کرے گا۔"

ماہرین کا کہنا ہے کہ AI جو قوانین کا اندازہ لگا سکتا ہے مفید ہے، لیکن صحیح معنوں میں آزاد سائنسی دریافت کرنے کے لیے، انہیں مزید اقدامات کرنے کی ضرورت ہے: کسی مسئلے کی وضاحت، تجربات کی تجویز، ڈیٹا کا تجزیہ، اور مفروضوں کی جانچ۔

ڈیوڈ پاورز (فلنڈرز یونیورسٹی) کے مطابق، تجرباتی سائنس کو کلیدی متغیرات کی شناخت اور منظم تجربات کرنے کی ضرورت ہوتی ہے۔

پیکنگ یونیورسٹی کے ماہر طبیعیات یان کنگ ما اس بات سے اتفاق کرتے ہیں کہ AI-Newton اس سے بہت طویل فاصلہ ہے، لیکن اس بات پر زور دیتے ہیں کہ یہ ماڈل مستقبل کے AI سسٹمز کے لیے راہ ہموار کر سکتا ہے جو اپنے طور پر نئے جسمانی قوانین کو دریافت کرنے کے لیے حقیقی ڈیٹا کا استعمال کر سکتے ہیں۔

ٹیم اب کوانٹم تھیوریز پر اس کے قابل اطلاق کی جانچ کر رہی ہے۔

واپس موضوع پر

وی این اے

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