Podstawą każdej teorii fizycznej jest identyfikacja odpowiednich zmiennych. Bez pojęcia energii, masy i prędkości, niemożliwe byłoby sformułowanie słynnego wzoru E=mc2, a także żadnego innego. Czy można odkrywać je automatycznie, np. z pomocą sztucznej inteligencji?
Czytaj też: Sztuczna inteligencja na poziomie niemowlaka. Niewiarygodne, czego się nauczyła po 28 godzinach
Naukowcy z Columbia Engineering zadali podobne pytania wytrenowanemu algorytmowi sztucznej inteligencji. Program zaprojektowano w taki sposób, aby obserwował zjawiska fizyczne za pomocą kamery wideo, a następnie poszukiwał minimalnego zestawu fundamentalnych zmiennych, które opisują zachodzącą między nimi dynamikę. Szczegóły opisano w Nature Computational Science.
Obserwowanie zmiennych
Fizycy zaczęli od wprowadzenia do systemu surowych nagrań wideo ze zjawiskami, na które znali już odpowiedzi, np. obserwację podwójnego wahadła, które ma dokładnie cztery “zmienne stanu” – kąt i prędkość kątową każdego z dwóch ramion. Po kilku godzinach algorytm dostarczył odpowiedź: 4,7.
Uznaliśmy, że ta odpowiedź jest wystarczająco bliska. Zwłaszcza, że wszystko, do czego SI miała dostęp, to surowy materiał wideo, bez żadnej wiedzy z zakresu fizyki czy geometrii. Chcieliśmy jednak wiedzieć, czym tak naprawdę są zmienne, a nie tylko ich liczba.Hod Lipson, dyrektor Creative Machines Lab z Columbia Engineering
Wyodrębnienie surowych zmiennych nie było łatwe, gdyż program nie potrafił opisać ich w intuicyjny sposób. Po jakimś czasie okazało się, że dwie z wybranych przez algorytm zmiennych luźno odpowiadają kątom ramion, ale dwie nadal pozostają tajemnicą.
Próbowaliśmy skorelować pozostałe zmienne z czymkolwiek i wszystkim, co przyszło nam do głowy: prędkościami kątowymi i liniowymi, energią kinetyczną i potencjalną oraz różnymi kombinacjami znanych wielkości. Nic nie wydawało się pasować. Byliśmy przekonani, że SI znalazła prawidłowy zestaw czterech zmiennych, ponieważ dokonywała dobrych prognoz, ale nie rozumiemy jeszcze języka matematycznego, którym się posługuje.Dr Boyuan Chen, obecnie adiunkt na Duke University, który kierował pracami
Naukowcy zasugerowali, że istnieją alternatywne sposoby opisywania Wszechświata i całkiem możliwe, że nasze wybory nie są idealne. Ten rodzaj wytrenowanej SI może pomóc nam odkryć złożone zjawiska, dla których teoretyczne zrozumienie nie nadąża za zalewem danych – dotyczy to wielu dziedzin nauki: od biologii po kosmologię.