Alle natuurwetten kunnen wiskundig worden uitgedrukt als verbindingen tussen toestandsvariabelen. Deze reeks variabelen biedt een grondige en niet-redundante beschrijving van het betreffende systeem. Het daadwerkelijke proces van het detecteren van de verborgen toestandsvariabelen heeft de automatisering getrotseerd, ondanks de verwerkingskracht en de beschikbaarheid van kunstmatige intelligentie.
De meeste datagestuurde methoden voor het modelleren van fysische verschijnselen zijn nog steeds gebaseerd op de aanname dat de relevante toestandsvariabelen al bekend zijn. Een al lang bestaande vraag is of het toestandsvariabelen kan identificeren op basis van alleen hoogdimensionale observatiegegevens.
Wetenschappers van Columbia Engineering hebben een principe voorgesteld om te bepalen hoeveel toestandsvariabelen een waargenomen systeem waarschijnlijk zal hebben en wat deze variabelen zouden kunnen zijn. Ze ontwierpen een nieuw AI-programma om fysieke verschijnselen te observeren via een videocamera en vervolgens te zoeken naar een minimale reeks fundamentele variabelen die de waargenomen dynamiek volledig beschrijven.
Hod Lipson, directeur van het Creative Machines Lab van de afdeling Werktuigbouwkunde, zei: “We dachten dat dit antwoord dichtbij genoeg was. Vooral omdat de AI alleen toegang had tot onbewerkte videobeelden, zonder enige kennis van natuurkunde of geometrie. Maar we wilden de variabelen kennen, niet alleen hun aantal.”
Wetenschappers visualiseerden vervolgens de feitelijke variabelen die het programma identificeerde. Omdat het programma de variabelen niet kan uitdrukken in een intuïtieve taal die voor mensen toegankelijk zou zijn, was het extraheren van de variabelen zelf een uitdaging. Na uitgebreid onderzoek bleek dat twee van de door de computer geselecteerde variabelen overeenkwamen met de hoeken van de armen, maar de andere twee zijn nog onbekend.
Boyuan Chen Ph.D. '22, een assistent-professor aan de Duke University, zei: “We probeerden de andere variabelen te correleren met alles wat we maar konden bedenken: hoek- en lineaire snelheden, kinetische en potentiële energie, en combinaties van bekende grootheden. Maar niets leek perfect bij elkaar te passen. We hadden er vertrouwen in dat de AI een goede set van vier variabelen had gevonden, omdat hij goede voorspellingen deed, maar we begrijpen de wiskundige taal die hij spreekt nog niet.”
Ze valideerden daarom verschillende andere fysieke systemen met bekende oplossingen. Ze voedden video's van systemen waarop ze het expliciete antwoord niet wisten. In de eerste video's was een 'luchtdanseres' te zien die voor een plaatselijk parkeerterrein voor gebruikte auto's golfde. Na een paar uur analyse retourneerde het programma 8 variabelen. Een video van een lavalamp leverde ook acht variabelen op. Vervolgens voerden ze een videoclip van vlammen uit een lus van een vakantiehaard in, en het programma retourneerde 8 variabelen.
Lipson zei: “Ik heb me altijd afgevraagd of we ooit een intelligent buitenaards ras zouden ontmoeten, of ze dezelfde natuurkundige wetten zouden hebben ontdekt als wij, of zouden ze het universum anders kunnen beschrijven?”
“Misschien lijken sommige verschijnselen raadselachtig complex omdat we ze proberen te begrijpen met behulp van de verkeerde reeks variabelen. In de experimenten was het aantal variabelen elke keer dat de AI opnieuw opstartte hetzelfde, maar de specifieke variabelen verschilden. Dus ja, er zijn alternatieve manieren om het universum te beschrijven, en het is heel goed mogelijk dat onze keuzes niet perfect zijn.”
Dit type AI kan wetenschappers helpen complexe fenomenen te ontrafelen waarvoor het theoretische inzicht geen gelijke tred kan houden met de stortvloed aan gegevens – op gebieden variërend van biologie tot kosmologie.
Kuang Huang Ph.D. '22, die co-auteur was van het artikel, zei, "Hoewel we bij dit werk videogegevens gebruikten, kon elke array-gegevensbron worden gebruikt: radararrays of DNA-arrays bijvoorbeeld."
Lipson betoogt dat “Wetenschappers kunnen veel fenomenen verkeerd interpreteren of niet begrijpen, simpelweg omdat ze niet over een goede reeks variabelen beschikken om ze te beschrijven.”
‘Miljoenen jaren lang wisten mensen dat objecten snel of langzaam bewogen, maar pas toen het begrip snelheid en versnelling formeel werd gekwantificeerd, kon Newton zijn beroemde bewegingswet F=MA ontdekken.’
“Variabelen die temperatuur en druk beschrijven moesten worden geïdentificeerd voordat de wetten van de thermodynamica konden worden geformaliseerd, enzovoort, voor elke hoek van de wetenschappelijke wereld. De variabelen zijn een voorloper van elke theorie.”
Journal Reference:
- Chen, B., Huang, K., Raghupathi, S. et al. Geautomatiseerde ontdekking van fundamentele variabelen verborgen in experimentele gegevens. Nat Comput Sci 2, 433-442 (2022). DOI: 10.1038/s43588-022-00281-6
