طبیعیات کے تمام قوانین کو ریاضیاتی طور پر ریاستی متغیرات کے درمیان کنکشن کے طور پر ظاہر کیا جا سکتا ہے۔ متغیرات کا یہ سیٹ ہاتھ میں موجود سسٹم کی مکمل اور غیر فالتو تفصیل فراہم کرتا ہے۔ پروسیسنگ پاور اور مصنوعی ذہانت کی دستیابی کے باوجود پوشیدہ حالت کے متغیرات کا پتہ لگانے کے اصل عمل نے آٹومیشن کی مخالفت کی ہے۔
جسمانی مظاہر کی ماڈلنگ کے لیے زیادہ تر ڈیٹا پر مبنی طریقے اب بھی اس مفروضے پر انحصار کرتے ہیں کہ متعلقہ ریاستی متغیرات پہلے سے ہی معلوم ہیں۔ ایک دیرینہ سوال یہ ہے کہ کیا یہ صرف اعلیٰ جہتی مشاہداتی ڈیٹا سے ریاستی متغیرات کی شناخت کر سکتا ہے۔
کولمبیا انجینئرنگ کے سائنسدانوں نے اس بات کا تعین کرنے کے لیے ایک اصول تجویز کیا کہ ایک مشاہدہ شدہ نظام میں کتنے ریاستی متغیرات کا امکان ہے اور یہ متغیرات کیا ہو سکتے ہیں۔ انہوں نے ایک ویڈیو کیمرے کے ذریعے جسمانی مظاہر کا مشاہدہ کرنے کے لیے ایک نیا AI پروگرام ڈیزائن کیا اور پھر بنیادی متغیرات کے کم سے کم سیٹ کو تلاش کرنے کی کوشش کی جو مشاہدہ شدہ حرکیات کو مکمل طور پر بیان کرتے ہیں۔
مکینیکل انجینئرنگ کے شعبہ میں تخلیقی مشینوں کی لیب کے ڈائریکٹر ہوڈ لپسن نے کہا، "ہم نے سوچا کہ یہ جواب کافی قریب تھا۔ خاص طور پر چونکہ تمام AI تک رسائی خام ویڈیو فوٹیج تھی، بغیر فزکس یا جیومیٹری کے علم کے۔ لیکن ہم متغیرات کو جاننا چاہتے تھے، نہ صرف ان کی تعداد۔
اس کے بعد سائنسدانوں نے اصل متغیرات کا تصور کیا جن کی شناخت پروگرام نے کی تھی۔ چونکہ یہ پروگرام کسی بھی بدیہی زبان میں متغیرات کا اظہار نہیں کر سکتا جو انسانوں کے لیے قابل رسائی ہو، اس لیے متغیرات کو نکالنا خود ایک مشکل کام تھا۔ کافی تحقیق کے بعد پتہ چلا کہ کمپیوٹر کے منتخب کردہ دو متغیرات بازوؤں کے زاویوں سے مماثل ہیں، لیکن باقی دو ابھی تک نامعلوم ہیں۔
Boyuan Chen Ph.D. '22، ڈیوک یونیورسٹی کے ایک اسسٹنٹ پروفیسر نے کہا، "ہم نے دوسرے متغیرات کو کسی بھی چیز اور ہر چیز کے ساتھ جوڑنے کی کوشش کی جس کے بارے میں ہم سوچ سکتے ہیں: کونیی اور لکیری رفتار، حرکی اور ممکنہ توانائی، اور معلوم مقداروں کے امتزاج۔ لیکن کچھ بھی بالکل میل نہیں کھاتا تھا۔ ہمیں یقین تھا کہ AI کو چار متغیرات کا ایک اچھا مجموعہ ملا ہے کیونکہ یہ اچھی پیشین گوئیاں کر رہا تھا، لیکن ہم ابھی تک اس ریاضی کی زبان کو نہیں سمجھتے جو یہ بول رہا ہے۔"
لہذا، انہوں نے معروف حل کے ساتھ کئی دیگر جسمانی نظاموں کی توثیق کی۔ انہوں نے ایسے سسٹمز کی ویڈیوز فیڈ کیں جن کا انہیں واضح جواب نہیں معلوم تھا۔ پہلی ویڈیوز میں ایک "ایئر ڈانسر" کو دکھایا گیا تھا جو ایک مقامی استعمال شدہ کار لاٹ کے سامنے غیر منقول تھا۔ چند گھنٹوں کے تجزیے کے بعد، پروگرام نے 8 متغیرات لوٹائے۔ لاوا لیمپ کی ایک ویڈیو نے بھی 8 آٹھ متغیرات تیار کیے۔ اس کے بعد انہوں نے چھٹی والے فائر پلیس لوپ سے شعلوں کا ایک ویڈیو کلپ کھلایا، اور پروگرام نے 24 متغیرات لوٹائے۔
لپسن نے کہا، "میں ہمیشہ سوچتا تھا کہ اگر ہم کبھی کسی ذہین اجنبی نسل سے ملے تو کیا وہ وہی فزکس قوانین دریافت کر لیتے جو ہمارے پاس ہیں، یا وہ کائنات کو مختلف طریقے سے بیان کر سکتے ہیں؟"
"شاید کچھ مظاہر پراسرار طور پر پیچیدہ معلوم ہوتے ہیں کیونکہ ہم ان کو متغیرات کے غلط سیٹ کا استعمال کرتے ہوئے سمجھنے کی کوشش کر رہے ہیں۔ تجربات میں، AI کے دوبارہ شروع ہونے پر متغیرات کی تعداد یکساں تھی، لیکن مخصوص متغیرات مختلف تھے۔ تو ہاں، کائنات کو بیان کرنے کے متبادل طریقے موجود ہیں، اور یہ بہت ممکن ہے کہ ہمارے انتخاب کامل نہ ہوں۔"
اس قسم کی AI سائنسدانوں کو ایسے پیچیدہ مظاہر کو کھولنے میں مدد کر سکتی ہے جس کے لیے نظریاتی سمجھ بوجھ ڈیٹا کے سیلاب کے ساتھ رفتار برقرار نہیں رکھ رہی ہے۔
کوانگ ہوانگ پی ایچ ڈی '22، جس نے اس مقالے کے شریک مصنف، نے کہا, "جب کہ ہم نے اس کام میں ویڈیو ڈیٹا کا استعمال کیا، کسی بھی سرنی ڈیٹا سورس کو استعمال کیا جا سکتا ہے — مثال کے طور پر ریڈار اری، یا ڈی این اے ارے۔"
لپسن کا استدلال ہے۔ "سائنس دان غلط تشریح کر رہے ہیں یا بہت سے مظاہر کو سمجھنے میں صرف اس لیے ناکام ہو سکتے ہیں کہ ان کے پاس ان کی وضاحت کے لیے متغیرات کا اچھا مجموعہ نہیں ہے۔"
"ہزاروں سالوں سے، لوگ چیزوں کو تیزی سے یا آہستہ حرکت کرنے کے بارے میں جانتے تھے، لیکن یہ صرف اس وقت ہوا جب رفتار اور سرعت کے تصور کو رسمی طور پر درست کیا گیا تھا کہ نیوٹن اپنے مشہور قانون F=MA کو دریافت کر سکتا تھا۔"
"درجہ حرارت اور دباؤ کو بیان کرنے والے متغیرات کی شناخت کرنے کی ضرورت ہے اس سے پہلے کہ تھرموڈینامکس کے قوانین کو باقاعدہ بنایا جا سکے، اور اسی طرح سائنسی دنیا کے ہر کونے کے لیے۔ متغیرات کسی بھی نظریہ کا پیش خیمہ ہیں۔"
جرنل حوالہ:
- چن، بی، ہوانگ، کے، رگھوپتی، ایس وغیرہ۔ تجرباتی ڈیٹا میں چھپے ہوئے بنیادی متغیرات کی خودکار دریافت۔ نیٹ کمپیوٹ سائنس 2، 433–442 (2022)۔ DOI: 10.1038/s43588-022-00281-6
