Umjetna inteligencija (AI) čini prve korake prema istinskom razumijevanju zakona fizike. Većina AI modela danas može prepoznati obrasce i davati predviđanja, ali ne uspijeva generirati opće znanstvene koncepte. Tim s kineskog Sveučilišta Peking razvio je sustav AI-Newton, sposoban samostalno otkrivati ključne principe fizike, uključujući Newtonov drugi zakon koji povezuje silu, masu i ubrzanje.
Oponašanje ljudske znanstvene metode
Sustav oponaša ljudsku znanstvenu metodu postupnim građenjem baze podataka koncepta i zakona. Mogućnost prepoznavanja korisnih koncepata znači da sustav potencijalno može otkrivati znanstvene uvide bez prethodnog ljudskog programiranja, pojašnjava Yan-Qing Ma, fizičar sa Sveučilišta Peking i koaturo AI-Newton modela umjetne inteligencije u studiji koja se nalazi na preprint serveru arXiv, gsdje čeka znanstvene recenzije.
Pristup AI-Newstona se temelji na simboličkoj regresiji, objašnjava za Nature Keyon Vafa, računalni znanstvenik s američkog Sveučilišta Harvard u Cambridgeu (Massachusetts), koji nije sudjelovao u istraživanju. Ta metoda traži matematičke jednadžbe koje opisuju fizičke pojave. Vafa napominje da simbolička regresija potiče AI da izvede koncepte, a ne samo da prilagođava podatke.
Za testiranje AI-Newtona, kineski tim je simulirao 46 fizikalnih eksperimenata, uključujući slobodno gibanje kugli i opruga, sudare objekata, vibracije, oscilacije i gibanje poput klatna. Simulator je namjerno uključio statističke pogreške kako bi oponašao stvarne uvjete. AI-Newton je, primjerice, uspješno izveo jednadžbu brzine iz podataka o položaju kugle, a kasnije je pomoću Newtonovog drugog zakona odredio masu kugle.
Još nije poptuno autonoman, ali je prvi korak
Prethodni AI projekti, poput AI Copernicus ETH Züricha iz 2019. godine, zahtijevali su ljudsku interpretaciju podataka o planetarnim putanjama. Temeljni modeli poput GPT-a i Lamme, trenirani za predviđanje položaja planeta, nisu uspjeli pretvoriti orbite u smisleni zakon o silama.
AI model treniran za predviđanje ishoda fizikalnih eksperimenata neće kodirati koncepte jednostavnim i ekonomičnim načinom. Umjesto toga, pronaći će neki vrlo ne-ljudski način da aproksimira fizička rješenja, kaže Vafa.
Stručnjaci poput Davida Powersa sa Sveučilišta Flinders naglašavaju da izvođenje zakona predstavlja samo dio znanstvenog procesa, piše Nature. Ma, međutim, dodaje da AI-Newton još nije potpuno autonoman, ali predstavlja korak prema uvježbavanju AI modela da otkriva nove opće zakone, a njegov tim trenutno istražuje primjenu i u kvantnoj teoriji.
