AI fiziķis var atvasināt iedomātu Visumu dabas likumus

silvars | flickr

Būdams students, Galilejs lieliski novēroja lampas šūpošanos Pizas katedrālē un noteica tās šūpošanos pret savu pulsu. Viņš secināja, ka periods ir nemainīgs un nav atkarīgs no tā amplitūdas.

Galileo turpināja domāt, ka svārsts varētu vadīt pulksteni, un vēlāk izstrādāja šādu mašīnu, lai gan pirmo šāda veida pulksteni Huygens uzbūvēja apmēram 15 gadus pēc Galileja nāves.

Izdarot šo atklājumu, Galileo ģēnijs bija ignorēt visas nekārtīgās detaļas, kas citādi bija katedrālē — gaisa pretestību, temperatūru, mirgojošu gaismu, troksni, citus cilvēkus un tā tālāk. Viņš apsvēra vienkāršu šūpojošas lampas modeli, izmantojot tikai tā periodu, koncentrējoties uz spilgtākajām detaļām.

Daudziem vēsturniekiem Galileo pieeja ir zinātniskās metodes evolūcijas agrākais posms, tas pats process, kas ir radījis lidojumu, kvantu teoriju, elektronisko skaitļošanu, vispārējo relativitāti un pat mākslīgo intelektu.

Pēdējos gados mākslīgā intelekta sistēmas pašas ir sākušas atrast interesantus datu modeļus un rezultātā pat atvasinājušas noteiktus fizikas likumus. Bet šajos gadījumos AI vienmēr pētīja īpašu datu kopu, kas bija izolēta no reālās pasaules traucēkļiem. Šo AI sistēmu spējas ir ļoti tālu no cilvēku spējām, piemēram, Galileo.

Un tas rada interesantu jautājumu: vai ir iespējams izveidot mākslīgā intelekta sistēmu, kas izstrādā teorijas tā, kā to darīja Galileo, nosakot informāciju, kas tai nepieciešama, lai izskaidrotu dažādus novērotās pasaules aspektus?

Šodien mēs saņemam atbildi, pateicoties Tailin Wu un Max Tegmark darbam MIT Kembridžā, Masačūsetsā. Šie puiši ir izstrādājuši AI sistēmu, kas kopē Galileo pieeju un dažus citus trikus, ko fiziķi ir iemācījušies gadsimtu gaitā. Viņu sistēma, ko sauc par mākslīgā intelekta fiziķi, spēj izjaukt vairākus fizikas likumus noslēpumainās pasaulēs, kas apzināti izveidotas, lai simulētu mūsu Visuma sarežģītību.

Wu un Tegmark vispirms atklāj nozīmīgu mūsdienu AI sistēmu vājumu. Ja tiek dota liela datu kopa, viņi parasti meklē vienu teoriju, kas regulē visu lietu. Bet tas kļūst arvien grūtāk, jo lielāka un netīrāka kļūst datu kopa.

Patiešām, katedrāles iekšpuse būtu praktiski neiespējama vide jebkurai pašreizējai mākslīgā intelekta sistēmai, lai iegūtu fizikas likumus.

Lai tiktu galā ar šo problēmu, fiziķi izmanto vairākus domāšanas procesus, lai vienkāršotu problēmu. Pirmais ir izstrādāt teorijas, kas apraksta tikai nelielu daļu no datu kopas. Tas rada vairākas teorijas, kas visas apraksta dažādus datu aspektus, piemēram, kvantu mehāniku un relativitāti.

Wu un Tegmark ir izstrādājuši AI Physicist, lai tādā pašā veidā apstrādātu lielas datu kopas.

Vēl viens vispārīgs noteikums, ko izmanto fiziķi, ir Occam's Razor — ideja, ka vienkāršāki skaidrojumi ir labāki. Tāpēc fiziķi parasti noraida teorijas, kurās ir vajadzīgs galvenais virzītājspēks, lai radītu Visumu vai Zemi vai pašu dzīvību: iespējamā galvenā virzītāja esamība rada papildu jautājumus par tā būtību un izcelsmi.

AI sistēmas ir labi pazīstamas ar to, ka tās rada pārāk sarežģītus modeļus, lai aprakstītu datus, par kuriem tās tiek apmācītas. Tāpēc Vu un Tegmarks arī māca savai sistēmai dot priekšroku vienkāršākām teorijām, nevis sarežģītākām. Viņi to dara, izmantojot vienkāršu sarežģītības mērījumu, pamatojoties uz teorijā ietverto informācijas daudzumu.

Vēl viens slavens fiziķu triks ir meklēt veidus, kā apvienot teorijas. Ja viena teorija spēj paveikt divas, iespējams, tas ir labāk. Tas ir veicinājis fiziķu centienus atrast vienu likumu, kas nosaka tos visus (lai gan ir maz faktisku pierādījumu, ka šāda teorija pastāv).

Pēdējais princips, kas ir palīdzējis fiziķiem gūt panākumus, ir mūžizglītība: ideja, ka, ja kāda konkrēta pieeja darbojās pagātnē, tā varētu strādāt pie nākotnes problēmām. Tāpēc Vu un Tegmarka mākslīgā intelekta fiziķis atceras apgūtos risinājumus un izmēģina tos turpmākajās problēmās.

Apbruņojušies ar šīm metodēm, Vu un Tegmarks palīdz savam mākslīgā intelekta fiziķim. Viņi to dara, izstrādājot 40 noslēpumainas pasaules, kuras regulē fizikas likumi, kas dažādās vietās atšķiras. Tātad bumbiņa, kas iemesta vienā no šīm pasaulēm, sākotnēji gravitācijas spēka ietekmē var nonākt reģionā, kuru regulē elektromagnētiskais potenciāls, pēc tam reģionā, kuru regulē harmoniskais potenciāls, un tā tālāk.

Vu un Tegmarks uzdod jautājumu, vai viņu mākslīgā intelekta fiziķis var iegūt attiecīgos fizikas likumus, vienkārši aplūkojot bumbiņas kustību laika gaitā. Viņi salīdzina mākslīgā intelekta fiziķa uzvedību ar jaundzimušā fiziķa uzvedību, kas izmanto to pašu pieeju, bet bez mūžizglītības priekšrocībām, kā arī ar parasto neironu tīklu.

Izrādās, ka gan mākslīgā intelekta fiziķis, gan jaundzimušais fiziķis var atvasināt attiecīgos likumus. Viņi saka, ka abi aģenti spēj atrisināt vairāk nekā 90% no visām 40 noslēpumu pasaulēm.

AI Physicist galvenā priekšrocība salīdzinājumā ar jaundzimušo aģentu ir tā, ka tas mācās ātrāk, izmantojot mazāk datu. Tas ir līdzīgi kā pieredzējis zinātnieks var atrisināt jaunas problēmas ātrāk nekā iesācējs, balstoties uz iepriekšējām zināšanām par līdzīgām problēmām, saka Vu un Tegmarks.

Un viņu sistēma ir ievērojami labāka nekā parastais neironu tīkls. Viņi saka, ka mūsu [AI fiziķis] parasti mācās ātrāk un rada vidējās kvadrātiskās prognozēšanas kļūdas, kas ir aptuveni miljards reižu mazākas nekā standarta uz priekšu vērstais neironu tīkls ar salīdzināmas sarežģītības pakāpi.

Tas ir iespaidīgs darbs, kas liek domāt, ka AI sistēmām varētu būt būtiska ietekme uz zinātnes attīstību. Protams, īstais pārbaudījums būs ļaut mākslīgā intelekta fiziķim atrasties reālā vidē, piemēram, Pizas katedrāles iekšienē, un noskaidrot, vai tas atvasina mehānisko pulksteņu principu.

Vai varbūt ļaut to zaudēt citās sarežģītās datu kopās, piemēram, tajās, kas regulāri mulsina ekonomistus, biologus un klimata zinātniekus. Šeit noteikti ir zemu auglis sistēmai, kas spēj tos savākt.

Un, ja mākslīgā intelekta fiziķis gūs panākumus, zinātnes vēsturnieki uz to var atskatīties kā uz vienu no pirmajiem soļiem jaunā zinātniskās metodes evolūcijas laikmetā ārpus Galileo un viņa kolēģiem. Nav iespējams pateikt, kur tas mūs var aizvest.

Atsauce: arxiv.org/abs/1810.10525 : Ceļā uz mākslīgā intelekta fiziķi, lai mācītos bez uzraudzības

paslēpties