Toutes les lois de la physique peuvent être exprimées mathématiquement sous forme de connexions entre variables d’état. Cet ensemble de variables fournit une description complète et non redondante du système concerné. Le processus réel de détection des variables d’état cachées a défié l’automatisation, malgré la puissance de traitement et la disponibilité de l’intelligence artificielle.
La plupart des méthodes de modélisation des phénomènes physiques basées sur les données reposent toujours sur l’hypothèse que les variables d’état pertinentes sont déjà connues. Une question de longue date est de savoir si l’on peut identifier des variables d’état à partir uniquement de données d’observation de grande dimension.
Les scientifiques de Columbia Engineering ont proposé un principe pour déterminer le nombre de variables d'état qu'un système observé est susceptible d'avoir et quelles pourraient être ces variables. Ils ont conçu un nouveau programme d’IA pour observer les phénomènes physiques à l’aide d’une caméra vidéo, puis tenter de rechercher un ensemble minimal de variables fondamentales décrivant pleinement la dynamique observée.
Hod Lipson, directeur du Creative Machines Lab au Département de génie mécanique, a déclaré : « Nous pensions que cette réponse était assez proche. D’autant plus que l’IA n’avait accès qu’à des séquences vidéo brutes, sans aucune connaissance en physique ou en géométrie. Mais nous voulions connaître les variables, pas seulement leur nombre.
Les scientifiques ont ensuite visualisé les variables réelles identifiées par le programme. Étant donné que le programme ne peut pas exprimer les variables dans un langage intuitif accessible aux humains, l'extraction des variables elles-mêmes était un défi. Après une enquête approfondie, il s'est avéré que deux des variables sélectionnées par l'ordinateur correspondaient aux angles des bras, mais les deux autres sont encore inconnues.
Boyuan Chen Ph.D. '22, un professeur adjoint à l'Université Duke, a déclaré : « Nous avons essayé de corréler les autres variables avec tout ce à quoi nous pouvions penser : les vitesses angulaires et linéaires, l'énergie cinétique et potentielle et les combinaisons de quantités connues. Mais rien ne semblait correspondre parfaitement. Nous étions convaincus que l’IA avait trouvé un bon ensemble de quatre variables puisqu’elle faisait de bonnes prédictions, mais nous ne comprenons pas encore le langage mathématique qu’elle parle.
Ils ont donc validé plusieurs autres systèmes physiques avec des solutions connues. Ils ont alimenté des vidéos de systèmes dont ils ne connaissaient pas la réponse explicite. Les premières vidéos montraient un « danseur aérien » ondulant devant un parking de voitures d’occasion local. Après quelques heures d'analyse, le programme a renvoyé 8 variables. Une vidéo d'une lampe à lave a également produit 8 huit variables. Ils ont ensuite diffusé un clip vidéo de flammes provenant d'une boucle de cheminée de vacances, et le programme a renvoyé 24 variables.
Lipson a dit : "Je me suis toujours demandé si nous avions déjà rencontré une race extraterrestre intelligente, auraient-ils découvert les mêmes lois physiques que nous, ou pourraient-ils décrire l'univers différemment ?"
« Peut-être que certains phénomènes semblent énigmatiquement complexes parce que nous essayons de les comprendre en utilisant le mauvais ensemble de variables. Dans les expériences, le nombre de variables était le même à chaque redémarrage de l’IA, mais les variables spécifiques différaient. Alors oui, il existe d’autres façons de décrire l’univers, et il est fort possible que nos choix ne soient pas parfaits.
Ce type d’IA peut aider les scientifiques à démêler des phénomènes complexes pour lesquels la compréhension théorique ne suit pas le déluge de données, dans des domaines allant de la biologie à la cosmologie.
Kuang Huang Ph.D. '22, qui a co-écrit l'article, a affirmé Valérie Plante., "Bien que nous utilisions des données vidéo dans ce travail, n'importe quelle source de données pourrait être utilisée : des réseaux radar ou des réseaux ADN, par exemple."
Lipson soutient que « Les scientifiques peuvent mal interpréter ou ne pas comprendre de nombreux phénomènes simplement parce qu’ils ne disposent pas d’un bon ensemble de variables pour les décrire. »
"Pendant des millénaires, les gens connaissaient les objets se déplaçant rapidement ou lentement, mais ce n'est que lorsque la notion de vitesse et d'accélération a été formellement quantifiée que Newton a pu découvrir sa célèbre loi du mouvement F=MA."
« Les variables décrivant la température et la pression devaient être identifiées avant que les lois de la thermodynamique puissent être formalisées, et ainsi de suite pour tous les coins du monde scientifique. Les variables sont un précurseur de toute théorie.
Journal de référence:
- Chen, B., Huang, K., Raghupathi, S. et al. Découverte automatisée de variables fondamentales cachées dans les données expérimentales. Nat Comput Sci 2, 433-442 (2022). EST CE QUE JE: 10.1038/s43588-022-00281-6
