هوش مصنوعی قوانین فیزیک را بازنویسی می‌کند؛ کشفی انقلابی با حداقل داده‌ها

شفقنا – در یک پیشرفت بی‌سابقه، دانشمندان در دانشگاه اِموری در آتلانتا، با استفاده از یک برنامه هوش مصنوعی، موفق به کشف قوانین جدید فیزیک شده‌اند. برخلاف رویکردهای معمول در هوش مصنوعی که مدل‌ها صرفاً پیامدها را پیش‌بینی می‌کنند یا داده‌ها را پاکسازی می‌کنند، این تیم هوش مصنوعی خود را برای شناسایی قوانین بنیادین فیزیک آموزش داده‌اند.

به گزارش سرویس ترجمه شفقنا، محققان با تغذیه سیستم هوش مصنوعی خود از داده‌های تجربی یک حالت مرموز ماده به نام «پلاسمای غبارآلود» گازی داغ و دارای بار الکتریکی که مملو از ذرات ریز گرد و غبار است – به این دستاورد منحصر به فرد رسیدند. سپس، با حیرت مشاهده کردند که هوش مصنوعی توصیف‌های شگفت‌انگیز و دقیقی از نیروهای عجیب و غریبی را آشکار کرد که قبلاً به طور کامل درک نشده بودند.

این پیشرفت نشان می‌دهد که هوش مصنوعی می‌تواند برای کشف قوانین ناشناخته‌ای که بر نحوه تعامل ذرات در یک سیستم آشفته حاکم هستند، به کار گرفته شود. علاوه بر این، این کشف، فرضیات دیرینه در فیزیک پلاسما را اصلاح می‌کند و دریچه‌ای نو به سوی مطالعه سیستم‌های پیچیده چندذره‌ای، از سلول‌های زنده گرفته تا مواد صنعتی، به روش‌های کاملاً جدید می‌گشاید.

جاستین برتون، یکی از نویسندگان این مطالعه و استاد دانشگاه اِموری، می‌گوید: ما نشان دادیم که می‌توانیم از هوش مصنوعی برای کشف فیزیک جدید استفاده کنیم. روش هوش مصنوعی ما یک جعبه سیاه نیست، ما می‌دانیم چگونه و چرا کار می‌کند. چارچوبی که ارائه می‌دهد نیز جهانی است. به طور بالقوه می‌تواند برای سایر سیستم‌های چند پیکره‌ای نیز به کار رود تا مسیرهای جدیدی را برای کشف بگشاید.

ایلیا نِمِنمَن، نویسنده ارشد مطالعه و استاد دانشگاه، می‌گوید: وقتی چیز جدیدی را بررسی می‌کنید، داده‌های زیادی برای آموزش هوش مصنوعی ندارید. این بدان معناست که ما باید یک شبکه عصبی طراحی می‌کردیم که بتواند با مقدار کمی داده آموزش ببیند و همچنان چیز جدیدی یاد بگیرد.

شبکه عصبی طراحی شده در این مطالعه، حرکت ذرات را به سه جزء تقسیم کرد؛ اثرات سرعت (مانند کشش)، نیروهای محیطی (مانند گرانش)، و نیروهای بین‌ذره‌ای. این به هوش مصنوعی اجازه داد تا رفتارهای پیچیده را در حالی که از اصول اولیه فیزیک پیروی می‌کرد، یاد بگیرد.

در نتیجه، هوش مصنوعی توصیف‌های دقیقی از نیروهای غیرمتقابل را با بیش از ۹۹ درصد دقت کشف کرد. یکی از بینش‌های شگفت‌آور این بود که وقتی یک ذره پیشرو است، ذره دنباله‌رو را به سمت خود می‌کشد، اما ذره دنباله‌رو، ذره پیشرو را به عقب هل می‌دهد. این نوع تعامل نامتقارن قبلاً مورد گمانه‌زنی قرار گرفته بود اما هرگز به وضوح مدل‌سازی نشده بود.

شبکه عصبی همچنین برخی از فرضیات نادرستی را که سال‌ها نظریه پلاسما را شکل داده بودند، اصلاح کرد. نِمِنمَن افزود: آنچه حتی جالب‌تر است این است که ما نشان می‌دهیم برخی از فرضیات نظری رایج در مورد این نیروها کاملاً دقیق نیستند.

به عنوان مثال، یکی از این فرضیات این بود که بار الکتریکی یک ذره دقیقاً با اندازه آن افزایش می‌یابد – معلوم شد که اینطور نیست. در عوض، این رابطه به چگالی و دمای پلاسمای اطراف بستگی دارد.

این مدل هوش مصنوعی یک چارچوب جهانی تولید کرد که اکنون می‌تواند برای انواع سیستم‌های چند ذره‌ای، از مخلوط‌های رنگ گرفته تا سلول‌های مهاجر در موجودات زنده، به کار گرفته شود. این تحقیق همچنین نشان می‌دهد که هوش مصنوعی می‌تواند فراتر از محاسبات عددی عمل کند و در واقع به دانشمندان کمک کند تا قوانین پنهان حاکم بر طبیعت را کشف کنند.

این خبر را اینجا ببینید.