Kam ir vajadzīgs Copernicus, ja jums ir mašīnmācība?

Fizikas likumi, kas ir vieni no lielākajiem cilvēces atklājumiem, ir radušies daudzu gadsimtu laikā procesā, ko bieži ietekmējuši tā laika ievērojamie domātāji. Šis process ir būtiski ietekmējis zinātnes attīstību un rada iespaidu, ka dažus likumus nebūtu bijis iespējams atklāt bez agrāko laikmetu zināšanām.

Piemēram, kvantu mehānika ir balstīta uz klasisko mehāniku, izmantojot dažādas matemātiskas idejas, kas tajā laikā bija ievērojamas.

Bet varbūt ir kāds cits fizikas likumu atklāšanas veids, kas nav atkarīgs no izpratnes, ko mēs jau esam ieguvuši par Visumu.

Šodien Rabans Itens, Tonijs Metgers un kolēģi no ETH Cīrihes Šveicē saka, ka viņi ir izstrādājuši tieši šādu metodi un izmantojuši to, lai atklātu fizikas likumus pilnīgi jaunā veidā. Un viņi saka, ka var būt iespējams izmantot šo metodi, lai atrastu pilnīgi jaunus fizikālo likumu formulējumus.

Pirmkārt, nedaudz fona. Fizikas likumi ir vienkārši attēlojumi, kurus var nopratināt, lai sniegtu informāciju par sarežģītākiem scenārijiem. Iedomājieties, ka iedarbina svārstu un jautā, kur nākotnē atradīsies svārsta pamatne. Viens veids, kā uz to atbildēt, ir izmērīt svārsta stāvokli, kad tas šūpojas. Šos datus pēc tam var izmantot kā sava veida uzmeklēšanas tabulu, lai atrastu atbildi. Taču kustības likumi nodrošina daudz vienkāršāku veidu, kā atrast atbildi: vienkārši pievienojiet dažādu mainīgo vērtības atbilstošajam vienādojumam. Tas arī sniedz pareizo atbildi. Tāpēc vienādojumu var uzskatīt par saspiestu realitātes attēlojumu.

Tas uzreiz norāda uz to, kā neironu tīkli varētu atrast šos likumus. Ņemot vērā dažus eksperimenta novērojumus, piemēram, šūpojošu svārstu, mērķis ir atrast vienkāršāku šo datu attēlojumu.

Iten, Metger un co ideja ir ievadīt šos datus iekārtā, lai tā iemācītos precīzi paredzēt pozīciju. Kad iekārta to ir iemācījusies, tā var paredzēt pozīciju no jebkura sākuma nosacījumu kopuma. Citiem vārdiem sakot, tā ir apguvusi attiecīgo fizikas likumu.

Lai noskaidrotu, vai tas darbojas, pētnieki ievada datus no šūpošanās svārsta eksperimenta neironu tīklā, ko viņi sauc par SciNet. Viņi turpina to atkārtot eksperimentos, kas ietver divu bumbiņu sadursmi, kvantu mērījumu rezultātus uz kubitu un pat planētu un saules novietojumu naksnīgajās debesīs.

Rezultāti rada interesantu lasīšanu. Izmantojot svārsta datus, SciNet spēj paredzēt turpmāko svārsta frekvenci ar kļūdu, kas mazāka par 2 procentiem.

Turklāt Itens, Metgers un citi var nopratināt SciNet, lai redzētu, kā tas nonāk pie atbildes. Diemžēl tas neatklāj precīzu vienādojumu, taču tas parāda, ka tīkls izmanto tikai divus mainīgos, lai rastu risinājumu. Tas ir tieši tāds pats skaitlis kā attiecīgajos kustības likumos.

Bet tas vēl nav viss. SciNet nodrošina arī precīzas prognozes par divu bumbiņu leņķisko impulsu pēc to sadursmes. Tas ir iespējams, tikai izmantojot impulsa saglabāšanu, kuras versiju, šķiet, ir atklājis SciNet. Tas arī paredz mērījumu varbūtības, kad tiek nopratināts kubits, skaidri izmantojot kādu kvantu pasaules attēlojumu.

Iespējams, visiespaidīgākais ir tas, ka tīkls iemācās paredzēt Marsa un saules turpmāko stāvokli, izmantojot sākotnējo stāvokli, kas redzams no Zemes. Tas ir iespējams, tikai izmantojot Saules sistēmas heliocentrisko modeli — ideju, kas cilvēkiem prasīja gadsimtus, lai sasniegtu šo ideju.

Un patiešām, SciNet nopratināšana liecina, ka tas ir iemācījies tieši šādu heliocentrisku attēlojumu. SciNet glabā Zemes un Marsa leņķus, kas redzami no Saules, divos latentajos neironos, tas ir, tas atjauno Saules sistēmas heliocentrisko modeli, saka pētnieki.

Tas ir iespaidīgs darbs, taču tas ir jāvērtē perspektīvā. Šis var būt pirmais pierādījums tam, ka mākslīgais neironu tīkls var saspiest datus tādā veidā, kas atklāj fizikas likumu aspektus. Taču šī nav pirmā reize, kad skaitļošanas pieeja ir atvasinājusi šos likumus.

Pirms dažiem gadiem Kornela universitātes datorzinātnieki izmantoja ģenētisku algoritmu, kas izmanto evolūcijas procesu, lai no eksperimentālajiem datiem iegūtu vairākus fizikas likumus. Tie ietvēra enerģijas un impulsa saglabāšanas likumus. Sistēma pat izspļāva pašu vienādojumu, nevis tikai mājienu par to, kā tā tika aprēķināta, kā to dara SciNet.

Skaidrs, ka evolūcijas algoritmiem ir pārsvars fizikas likumu atklāšanas procesā, izmantojot neapstrādātus eksperimentālos datus. (Ņemot vērā, ka evolūcija ir process, kas vispirms radīja bioloģiskos neironu tīklus, var apšaubīt, ka tā uz visiem laikiem būs spēcīgākā pieeja.)

Tam visam ir interesants rezultāts. Cilvēcei ir vajadzīgi gadsimti, lai atklātu fizikas likumus, bieži vien tādos veidos, kas ir būtiski atkarīgi no iepriekš atklātajiem likumiem. Piemēram, kvantu mehānikas pamatā ir klasiskā mehānika. Vai var būt labāki likumi, ko var iegūt no eksperimentāliem datiem bez jebkādām priekšzināšanām fizikā?

Ja tā, tad šai mašīnmācības pieejai vai tai, kuras pamatā ir evolūcija, vajadzētu būt tieši tā, kas ir nepieciešama, lai tās atrastu.

Atsauce: arxiv.org/abs/1807.10300 : fizisko jēdzienu atklāšana ar neironu tīkliem

paslēpties