Fizyk AI może wyprowadzić naturalne prawa wyimaginowanych wszechświatów

sylwar | flickr

Jako student Galileusz obserwował słynną lampę kołyszącą się w katedrze w Pizie i mierzył jej ruch w rytm swojego pulsu. Doszedł do wniosku, że okres jest stały i niezależny od jego amplitudy.

Galileo zasugerował, że wahadło może sterować zegarem, a później zaprojektował taką maszynę, chociaż pierwszy zegar tego typu został zbudowany przez Huygensa około 15 lat po śmierci Galileusza.

Dokonując tego odkrycia, geniusz Galileusza polegał na zignorowaniu wszystkich niechlujnych szczegółów, które były obecne w katedrze – opór powietrza, temperatura, migotanie światła, hałas, inni ludzie i tak dalej. Rozważał prosty model lampy wahadłowej, wykorzystując jedynie jej epokę, skupiając się na najistotniejszym szczególe.

Dla wielu historyków podejście Galileusza reprezentuje najwcześniejszy etap ewolucji metody naukowej, tego samego procesu, który doprowadził do lotu, teorii kwantowej, obliczeń elektronicznych, ogólnej teorii względności, a nawet sztucznej inteligencji.

W ostatnich latach systemy sztucznej inteligencji zaczęły same znajdować interesujące wzorce w danych, a nawet w rezultacie wyprowadziły pewne prawa fizyki. Ale w takich przypadkach sztuczna inteligencja zawsze badała specjalny zestaw danych, który został odizolowany od zakłóceń w świecie rzeczywistym. Zdolność tych systemów sztucznej inteligencji jest daleka od możliwości ludzi, takich jak Galileo.

Rodzi to interesujące pytanie: czy możliwe jest zaprojektowanie systemu AI, który rozwija teorie tak jak Galileo, skupiając się na informacjach potrzebnych do wyjaśnienia różnych aspektów obserwowanego świata?

Dziś otrzymujemy odpowiedź dzięki pracy Tailina Wu i Maxa Tegmarka z MIT w Cambridge w stanie Massachusetts. Ci goście opracowali system sztucznej inteligencji, który kopiuje podejście Galileusza i niektóre inne sztuczki, których fizycy nauczyli się przez wieki. Ich system – zwany fizykiem AI – jest w stanie wydobyć kilka praw fizyki w tajemniczych światach, które zostały celowo skonstruowane, aby symulować złożoność naszego wszechświata.

Wu i Tegmark zaczynają od zidentyfikowania istotnej słabości nowoczesnych systemów sztucznej inteligencji. Po otrzymaniu dużego zbioru danych zwykle szukają jednej teorii, która rządzi całością. Ale staje się to coraz trudniejsze, im większy i bardziej chaotyczny staje się zbiór danych.

Rzeczywiście, wnętrze katedry byłoby praktycznie niemożliwym środowiskiem dla jakiegokolwiek obecnego systemu sztucznej inteligencji do wydobywania praw fizyki.

Aby poradzić sobie z tym problemem, fizycy stosują szereg procesów myślowych w celu uproszczenia problemu. Pierwszym z nich jest opracowanie teorii opisujących tylko niewielką część zbioru danych. Daje to wiele teorii, z których wszystkie opisują różne aspekty danych — jak na przykład mechanika kwantowa i teoria względności.

Wu i Tegmark opracowali fizykę AI, aby traktować duże zbiory danych w ten sam sposób.

Inną ogólną zasadą, którą stosują fizycy, jest brzytwa Ockhama — idea, że ​​prostsze wyjaśnienia są lepsze. Właśnie dlatego fizycy na ogół odrzucają teorie, w których do stworzenia wszechświata, Ziemi lub samego życia wymagane jest, aby siła napędowa była głównym motorem: rzekome istnienie takiego napędu rodzi dodatkowe pytania dotyczące jego natury i pochodzenia.

Systemy sztucznej inteligencji są dobrze znane z tworzenia zbyt skomplikowanych modeli opisujących dane, na których są szkolone. Tak więc Wu i Tegmark również uczą swój system preferowania prostszych teorii od bardziej złożonych. Robią to za pomocą prostej miary złożoności opartej na ilości informacji, które zawiera teoria.

Inną sztuczką znanych fizyków jest szukanie sposobów na ujednolicenie teorii. Jeśli jedna teoria może działać jak dwie, prawdopodobnie jest lepsza. To doprowadziło fizyków do poszukiwania jedynego prawa, które rządzi nimi wszystkimi (chociaż niewiele jest rzeczywistych dowodów na istnienie takiej teorii).

Ostatnią zasadą, która pomogła fizykom dobrze sobie radzić, jest uczenie się przez całe życie: idea, że ​​jeśli konkretne podejście zadziałało w przeszłości, może zadziałać w przypadku przyszłych problemów. Fizyk AI Wu i Tegmarka zapamiętuje wyuczone rozwiązania i wypróbowuje je na przyszłych problemach.

Uzbrojeni w te techniki, Wu i Tegmark przetestowali swojego fizyka AI. Robią to, opracowując 40 tajemniczych światów rządzonych prawami fizyki, które różnią się w zależności od miejsca. Tak więc piłka rzucona w jeden z tych światów może początkowo wpaść pod działaniem siły grawitacji w obszar rządzony potencjałem elektromagnetycznym, następnie w obszar rządzony potencjałem harmonicznym i tak dalej.

Pytanie, które zadają Wu i Tegmark, brzmi, czy ich fizyk AI może wyprowadzić odpowiednie prawa fizyki po prostu patrząc na ruch piłki w czasie. Porównują zachowanie fizyka AI z zachowaniem fizyka noworodka, który stosuje to samo podejście, ale bez korzyści płynących z uczenia się przez całe życie, a także z konwencjonalną siecią neuronową.

Okazuje się, że zarówno fizyk AI, jak i fizyk noworodka mogą wyprowadzić odpowiednie prawa. Mówią, że obaj agenci są w stanie rozwiązać ponad 90% wszystkich 40 tajemniczych światów.

Główną przewagą AI Fizyka nad agentem Newborn jest to, że szybciej się uczy, wykorzystując mniej danych. To tak, jakby doświadczony naukowiec mógł rozwiązywać nowe problemy znacznie szybciej niż początkujący, opierając się na wcześniejszej wiedzy o podobnych problemach, mówią Wu i Tegmark.

A ich system jest znacznie lepszy niż konwencjonalna sieć neuronowa. Nasz [fizyk sztucznej inteligencji] zazwyczaj uczy się szybciej i generuje błędy średniokwadratowe przewidywania około miliard razy mniejsze niż standardowa sieć neuronowa o porównywalnej złożoności.

To imponująca praca, która sugeruje, że systemy sztucznej inteligencji mogą mieć znaczący wpływ na rozwój nauki. Oczywiście prawdziwym testem będzie pozwolenie Fizykowi AI na prawdziwe środowisko, takie jak wnętrze katedry w Pizie, i sprawdzenie, czy wywodzi on zasadę stojącą za mechanicznymi zegarami.

A może uwolnić go na innych złożonych zestawach danych, takich jak te, które regularnie wprawiają w zakłopotanie ekonomistów, biologów i klimatologów. Z pewnością są tu nisko wiszące owoce, jak na system zdolny do ich zbierania.

A jeśli Fizyk AI odniesie sukces, historycy nauki mogą spojrzeć wstecz jako na jeden z pierwszych kroków w nowej erze ewolucji dla metody naukowej poza Galileuszem i jego ludzkimi kolegami. Nie wiadomo, dokąd nas to zaprowadzi.

Nr ref.: arxiv.org/abs/1810.10525 : W kierunku fizyka AI do nienadzorowanego uczenia się

ukryć