Ученые из Китая разработали ИИ-систему AI-Newton, которая способна самостоятельно «открывать» ключевые принципы физики вроде второго закона Ньютона.
Команда ученых из Китая разработала ИИ-систему AI-Newton, которая после получения экспериментальных данных способна самостоятельно «открывать» ключевые принципы физики вроде второго закона Ньютона. Об этом пишет Nature.
Модель имитирует научный процесс человека — постепенно создает базу знаний о концепциях и законах. Этот навык потенциально может привести к возникновению научных открытий уже без предварительного программирования человеком, отметил физик из Пекинского университета Ян-Цин Ма.
Ученый из Гарвардского университета в Кембридже Кейон Вафа объяснил, что AI-Newton использует подход под названием «символическая регрессия». Он ищет лучшее математическое уравнение для представления физических явлений.
Техника считается многообещающим методом для научных открытий, поскольку система запрограммирована поощрять выведение концепций.
Команда из Пекинского университета использовала симулятор для генерации данных из 46 физических экспериментов, связанных со свободным движением шаров и пружин, столкновениями между объектами и поведением систем, которые демонстрируют вибрации, колебания и движения маятника.
Симулятор намеренно добавлял статистические ошибки, чтобы имитировать реальные данные.
AI-Newton получила информацию о положении шара в определенный момент времени и задание составить математическое уравнение, которое объяснит связь между временем и положением.
Нейросеть смогла сформировать уравнение для скорости и сохранила знания для следующего набора задач, в которых нужно было рассчитать массу шара с помощью второго закона Ньютона.
Результаты пока не прошли экспертную оценку.
Ранее ученые использовали ИИ-модели для прогнозирования орбит планет.
В 2019 году исследователи из Швейцарского федерального технологического института в Цюрихе разработали AI Copernicus — нейронную сеть для вывода формул траектории планет на базе наблюдений с Земли.
Вафа и его коллеги из Массачусетского технологического института в Кембридже провели аналогичный эксперимент с несколькими базовыми моделями вроде GPT, Claude и Llama.
Их обучили предсказывать положение планет в солнечных системах, а затем попросили предсказать их путь перемещения.
Нейросети обучили на данных орбитальных движений. Они не смогли применить знания для выполнения каких-либо других задач кроме расчета курса планет. При попытке превратить информацию в закон о поведении сил модели вывели не нужный для задачи закон гравитации.
«Обученная предсказывать результаты физических экспериментов языковая модель не будет программировать концепции простым и лаконичным способом. Она найдет какой-то совершенно нечеловеческий подход приблизиться к физическим решениям», — сказал Вафа.
Специалист по компьютерным и когнитивным наукам из Университета Флиндерса в Аделаиде, Австралия, Дэвид Пауэрс отметил, что модели, способные выводить научные законы, полезны. Однако для автономных открытий ИИ нужно участвовать в других этапах проекта: выявление проблем, определение необходимых экспериментов, анализ полученных данных и создание гипотез.
«Экспериментальная наука заключается в выявлении интересующих переменных и проведении систематических экспериментов для получения данных и проверки предсказаний», — сказал эксперт.
Напомним, в марте исследователи из Великобритании и Канады разработали ИИ-модель Aardvark Weather для прогнозирования погоды.
JOIN
