Kaikki fysiikan lait voidaan ilmaista matemaattisesti tilamuuttujien välisinä yhteyksinä. Tämä muuttujajoukko tarjoaa perusteellisen ja tarpeettoman kuvauksen käsillä olevasta järjestelmästä. Varsinainen piilotilamuuttujien havaitsemisprosessi on uhmannut automaatiota prosessointitehon ja tekoälyn saatavuudesta huolimatta.
Useimmat tietopohjaiset menetelmät fysikaalisten ilmiöiden mallintamiseen perustuvat edelleen oletukseen, että asiaankuuluvat tilamuuttujat ovat jo tiedossa. Pitkäaikainen kysymys on, pystyykö se tunnistamaan tilamuuttujia vain korkean ulottuvuuden havaintodatasta.
Columbia Engineeringin tutkijat ehdottivat periaatetta sen määrittämiseksi, kuinka monta tilamuuttujaa havaitulla järjestelmällä todennäköisesti on ja mitä nämä muuttujat voivat olla. He suunnittelivat uuden tekoälyohjelman havainnoimaan fyysisiä ilmiöitä videokameran kautta ja yrittämään sitten etsiä vähimmäisjoukon perusmuuttujia, jotka kuvaavat täysin havaittua dynamiikkaa.
Hod Lipson, konetekniikan osaston Creative Machines Labin johtaja, sanoi: "Luulimme, että tämä vastaus oli riittävän lähellä. Varsinkin kun tekoälyllä oli pääsy vain raakavideomateriaaliin, ilman mitään tietoa fysiikasta tai geometriasta. Mutta halusimme tietää muuttujat, ei vain niiden lukumäärää."
Sitten tutkijat visualisoivat ohjelman tunnistamat todelliset muuttujat. Koska ohjelma ei voi ilmaista muuttujia millään intuitiivisella kielellä, joka olisi ihmisten saatavilla, itse muuttujien poimiminen oli haastavaa. Pitkän tutkimuksen jälkeen kävi ilmi, että kaksi tietokoneen valitsemista muuttujista vastasi käsivarsien kulmia, mutta kaksi muuta ovat vielä tuntemattomia.
Boyuan Chen Ph.D. '22, Duken yliopiston apulaisprofessori, sanoi: ”Yritimme korreloida muita muuttujia kaikkeen, mitä voimme ajatella: kulma- ja lineaarinopeuksia, kineettistä ja potentiaalista energiaa sekä tunnettujen suureiden yhdistelmiä. Mutta mikään ei näyttänyt sopivan täydellisesti. Olimme varmoja, että tekoäly oli löytänyt hyvän neljän muuttujan joukon, koska se teki hyviä ennusteita, mutta emme vielä ymmärrä sen puhumaa matemaattista kieltä."
Siksi he validoivat useita muita fyysisiä järjestelmiä tunnetuilla ratkaisuilla. He syöttivät videoita järjestelmistä, joihin he eivät tienneet nimenomaista vastausta. Ensimmäisissä videoissa esiintyi "ilmatanssija" aaltoilemassa paikallisen käytettyjen autojen torin edessä. Muutaman tunnin analysoinnin jälkeen ohjelma palautti 8 muuttujaa. Lava-lampun video tuotti myös 8 kahdeksan muuttujaa. Sitten he syöttivät videoleikkeen liekkeistä lomatakkasilmukasta, ja ohjelma palautti 24 muuttujaa.
Lipson sanoi: "Mietin aina, jos olisimme tavanneet älykkään avaruusolion, olisivatko he löytäneet samat fysiikan lait kuin me, vai voisivatko he kuvailla maailmankaikkeutta eri tavalla?"
”Ehkä jotkut ilmiöt näyttävät arvoituksellisen monimutkaisilta, koska yritämme ymmärtää niitä käyttämällä vääriä muuttujia. Kokeissa muuttujien määrä oli sama joka kerta kun tekoäly käynnistettiin uudelleen, mutta tietyt muuttujat vaihtelivat. Joten kyllä, on olemassa vaihtoehtoisia tapoja kuvata universumia, ja on täysin mahdollista, että valintamme eivät ole täydellisiä."
Tämän tyyppinen tekoäly voi auttaa tutkijoita selvittämään monimutkaisia ilmiöitä, joiden teoreettinen ymmärrys ei pysy tietotulvan tahdissa – biologiasta kosmologiaan.
Kuang Huang Ph.D. '22, joka oli lehden toinen kirjoittaja, sanoi, "Vaikka käytimme tässä työssä videodataa, mitä tahansa tietolähdettä voidaan käyttää - esimerkiksi tutka- tai DNA-matriisia."
Lipson väittää näin "Tutkijat saattavat tulkita väärin tai eivät ymmärrä monia ilmiöitä yksinkertaisesti siksi, että heillä ei ole hyviä muuttujia kuvaamaan niitä."
"Ihmiset tiesivät vuosituhansien ajan nopeasti tai hitaasti liikkuvista esineistä, mutta vasta kun nopeuden ja kiihtyvyyden käsite mitattiin muodollisesti, Newton pystyi löytämään kuuluisan liikelakinsa F=MA."
"Lämpötilaa ja painetta kuvaavat muuttujat piti tunnistaa ennen kuin termodynamiikan lakeja voitiin formalisoida, ja niin edelleen tieteellisen maailman joka kolkassa. Muuttujat ovat minkä tahansa teorian edeltäjä."
Lehden viite:
- Chen, B., Huang, K., Raghupathi, S. et ai. Koetietoihin piilotettujen perusmuuttujien automaattinen etsintä. Nat Comput Sci 2, 433–442 (2022). DOI: 10.1038/s43588-022-00281-6
