دانشمندان آلمانی یک مدل هوش مصنوعی آموزش داده اند تا مانند فیزیکدانان بزرگی مانند آلبرت انیشتین و اسحاق نیوتن فکر کند.
به گزارش ایسنا، دانشمندان مرکز تحقیقاتی یولیخ آلمان با موفقیت هوش مصنوعی را آموزش دادند تا مانند آلبرت اینشتین و اسحاق نیوتن فکر کند.
با استفاده از این روش یادگیری، این مدل می تواند الگوها را در مجموعه داده های پیچیده تشخیص دهد و یک نظریه فیزیکی برای آنها تشکیل دهد.
به گفته هوش مصنوعی، تاریخ نام هایی مانند انیشتین یا نیوتن را به خوبی به یاد می آورد، زیرا آنها نظریه های جدیدی را به ما ارائه کردند که نام آنها را در تاریخ ثبت کرده است. نظریه های آنها بسیاری از پدیده هایی را که در اطراف ما رخ می دهند توضیح می دهد.
به عنوان مثال، قوانین گرانش نیوتن به ما کمک کرده است تا نیروی گرانش را نه تنها بر روی زمین توضیح دهیم، بلکه به ما کمک کرده است تا حرکت سیارات دیگر، ماه و سایر اجرام آسمانی را به طور دقیق پیش بینی کنیم.
آموزش هوش مصنوعی فیزیکدان
دو رویکرد عمده برای تدوین یک نظریه یا فرضیه جدید وجود دارد. می توان از قوانین شناخته شده در یک زمینه شروع کرد و فرضیه های جدیدی را از آنها استخراج کرد یا سعی کرد با نظریه ای جدید رفتار یک شی یا یک پدیده جدید را توضیح دهد. با این حال، بخش دشوار این مشکل، انتخاب رویکرد مناسب برای رسیدن به فرضیه است.
قبل از تلاش برای آموزش هوش مصنوعی برای تفکر در مورد فیزیک، محققان از خود فیزیک برای درک نحوه عملکرد هوش مصنوعی استفاده کردند.
کلودیا ادغام، محقق موسسه جولیخ، از یک شبکه عصبی برای ترسیم دقیق رفتار پیچیده در یک سیستم سادهتر استفاده کرد. هوش مصنوعی این کار را با ساده کردن تعاملات پیچیده بین اجزای سیستم انجام داد.
سپس تیم تحقیقاتی از این سیستم ساده شده برای ایجاد یک نقشه معکوس با هوش مصنوعی آموزش دیده استفاده کردند. این سیستم با بازگشت از اجزای ساده به اجزای پیچیده، نظریه جدیدی را توسعه داد. این رویکرد مشابه چیزی بود که یک فیزیکدان ممکن است انتخاب کند، با این تفاوت که تعاملات را میتوان در پارامترهای تعریف شده توسط هوش مصنوعی خواند. محققان به این «هوش مصنوعی فیزیکدان» می گویند.
سیستم جدید چه تفاوتی با سایر مدل های هوش مصنوعی دارد؟
کلودیا ادغام بررسی کرد که چگونه ساختارهای کوچکتر در اعداد دستنویس توسط تعامل بین پیکسلها شکل میگیرد تا نشان دهد یک مدل هوش مصنوعی چگونه میتواند فکر کند. با کمک هوش مصنوعی، محققان این نظریه را مطرح کردند که گروههایی از پیکسلهای روشنتر در شکل اعداد دستنویس نقش دارند.
استفاده از هوش مصنوعی مفید است زیرا امکان مطالعه همزمان تعداد زیادی از تعاملات را فراهم می کند. در حالی که این تلاش محاسباتی را بهبود می بخشد، تنها می تواند به سیستم های بسیار کوچک بدون دخالت هوش مصنوعی نگاه کند.
تفاوت این سیستم با سایر مدلهای هوش مصنوعی که قبلاً منتشر شدهاند، نحوه آموزش و درک ما از نحوه عملکرد آن است. به طور معمول، مدل های هوش مصنوعی از داده های مورد استفاده برای آموزش یاد می گیرند و این یادگیری در پارامترهای سیستم آموزش دیده پنهان می شود.
به جای استفاده از یک رویکرد هوش مصنوعی مبتنی بر فیزیک، محققان با موفقیت یک نظریه و زبانی را که توسط کامپیوتر آموخته شده است استخراج کرده اند که از آن برای توصیف تعاملات بین اجزای سیستم استفاده می کند.
موریتز هلیاس، محقق ارشد این مطالعه، در یک بیانیه مطبوعاتی گفت: از این سیستم می توان برای ایجاد پلی بین عملکردهای پیچیده هوش مصنوعی و نظریه هایی که انسان می تواند درک کند، استفاده کرد.
یافته های این تحقیق در مجله Physical Review X منتشر شده است.