Kõiki füüsikaseadusi saab matemaatiliselt väljendada seostena olekumuutujate vahel. See muutujate kogum annab olemasoleva süsteemi põhjaliku ja üleliigse kirjelduse. Varjatud olekumuutujate tuvastamise tegelik protsess on trotsinud automatiseerimist, hoolimata töötlemisvõimsusest ja tehisintellekti kättesaadavusest.
Enamik andmepõhiseid füüsikaliste nähtuste modelleerimise meetodeid tugineb endiselt eeldusele, et asjakohased olekumuutujad on juba teada. Pikaajaline küsimus on, kas see suudab tuvastada olekumuutujaid ainult suuremõõtmeliste vaatlusandmete põhjal.
Columbia Engineeringi teadlased pakkusid välja põhimõtte, mille abil saab määrata, kui palju olekumuutujaid vaadeldaval süsteemil tõenäoliselt on ja millised need muutujad olla võivad. Nad töötasid välja uue AI-programmi, et jälgida füüsilisi nähtusi läbi videokaamera ja seejärel proovida otsida minimaalset komplekti põhimuutujaid, mis kirjeldavad täielikult vaadeldavat dünaamikat.
Hod Lipson, masinaehituse osakonna Creative Machines Labi direktor, ütles: "Me arvasime, et see vastus oli piisavalt lähedane. Eriti kuna tehisintellektil oli juurdepääs ainult toores videomaterjalile, ilma füüsika- või geomeetriaalaste teadmisteta. Kuid me tahtsime teada muutujaid, mitte ainult nende arvu.
Seejärel visualiseerisid teadlased tegelikud muutujad, mille programm tuvastas. Kuna programm ei saa väljendada muutujaid üheski intuitiivses keeles, mis oleks inimestele kättesaadav, oli muutujate endi väljavõtmine keeruline. Pärast põhjalikku uurimist selgus, et arvuti valitud muutujatest kaks ühtisid käte nurkade kaldega, kuid ülejäänud kaks on seni teadmata.
Boyuan Chen Ph.D. '22, Duke'i ülikooli dotsent, ütles: "Proovisime korreleerida teisi muutujaid kõige ja kõigega, mida suutsime mõelda: nurk- ja lineaarkiirused, kineetiline ja potentsiaalne energia ning teadaolevate koguste kombinatsioonid. Kuid miski ei paistnud ideaalselt sobivat. Olime kindlad, et tehisintellekt on leidnud hea nelja muutuja komplekti, kuna ta tegi häid ennustusi, kuid me ei mõista veel matemaatilist keelt, mida see räägib.
Seetõttu valideerisid nad teadaolevate lahendustega mitmeid teisi füüsilisi süsteeme. Nad edastasid videoid süsteemidest, mille kohta nad selget vastust ei teadnud. Esimestes videotes oli näha "õhutantsijat", kes lainetab kohaliku kasutatud autode platsi ees. Pärast mõnetunnist analüüsi saatis programm 8 muutujat. Lava lambi video tootis samuti 8 kaheksa muutujat. Seejärel söötsid nad pühadekaminasilmuse leekide videoklippi ja programm tagastas 24 muutujat.
Lipson ütles: "Mõtlesin alati, et kui me kunagi kohtaksime intelligentset tulnukat rassi, kas nad oleksid avastanud samad füüsikaseadused kui meie või kirjeldaksid nad universumit erinevalt?"
„Võib-olla tunduvad mõned nähtused mõistatuslikult keerulised, kuna püüame neid mõista valede muutujate komplekti kasutades. Katsetes oli muutujate arv iga kord, kui AI taaskäivitus, sama, kuid konkreetsed muutujad erinesid. Nii et jah, universumi kirjeldamiseks on alternatiivseid viise ja on täiesti võimalik, et meie valikud pole täiuslikud.
Seda tüüpi tehisintellekt võib aidata teadlastel lahti harutada keerulisi nähtusi, mille teoreetiline mõistmine ei käi andmete üleujutusega sammu – bioloogiast kosmoloogiani.
Kuang Huang Ph.D. '22, kes oli paberi kaasautor, ütles, "Kuigi me kasutasime selles töös videoandmeid, võib kasutada mis tahes massiivi andmeallikat - näiteks radari massiive või DNA massiive."
Lipson vaidleb vastu "Teadlased võivad paljusid nähtusi valesti tõlgendada või mitte mõista lihtsalt seetõttu, et neil pole nende kirjeldamiseks head muutujate komplekti."
"Inimesed teadsid aastatuhandeid kiiresti või aeglaselt liikuvatest objektidest, kuid alles siis, kui kiiruse ja kiirenduse mõiste ametlikult kvantifitseeriti, võis Newton avastada oma kuulsa liikumisseaduse F = MA."
"Enne termodünaamika seaduste vormistamist tuli kindlaks teha temperatuuri ja rõhku kirjeldavad muutujad ja nii edasi igas teadusmaailma nurgas. Muutujad on mis tahes teooria eelkäijad.
Ajakirja viide:
- Chen, B., Huang, K., Raghupathi, S. jt. Eksperimentaalsetes andmetes peidetud põhimuutujate automaatne avastamine. Nat Comput Sci 2, 433–442 (2022). DOI: 10.1038/s43588-022-00281-6
