ИИ-система AI-Newton: революционный шаг к автоматическим научным открытиям в физике

Группа исследователей из Китая создала искусственный интеллект под названием AI-Newton, который способен самостоятельно «выявлять» важнейшие физические законы, такие как второй закон Ньютона, на основе экспериментальных данных. Об этом сообщает Nature.

Данная модель моделирует научный процесс, который проходит человек, постепенно формируя собственную базу данных концепций и законов. Эта способность может способствовать новым научным открытиям без необходимости предварительного программирования со стороны человека, объяснил физик Ян-Цин Ма из Пекинского университета.

Кейон Вафа, ученый из Гарвардского университета, упомянул, что AI-Newton применяет метод, известный как «символическая регрессия», который позволяет находить наиболее подходящие математические уравнения для описания физических процессов.

Этот подход является многообещающим для научного исследовательского процесса, так как программа может самостоятельно продвигать извлечение новых концепций.

Команда из Пекинского университета воспользовалась симулятором для генерации данных, основываясь на 46 различных физических экспериментах, которые касаются свободного движения шаров, колебаний, столкновений объектов и динамики систем, демонстрирующих вибрации и движения маятника.

Симулятор намеренно вводил статистические ошибки для более точного воспроизведения реальных данных.

AI-Newton получила данные о положении шара в определенный момент времени и была задана задача — создать математическое уравнение, объясняющее связь между временем и положением.

Нейросеть смогла вывести уравнение для определения скорости и сохранила эти знания для дальнейших задач, где требовалось вычислить массу шара, используя второй закон Ньютона.

На данное время результаты работы еще не прошли через процесс экспертной проверки.

Ранее учеными также применялись ИИ-модели для прогнозирования орбит планет.

В 2019 году команда из Швейцарского федерального технологического института в Цюрихе создала модель AI Copernicus, предназначенную для вывода формул траекторий планет на основе наблюдений с планеты Земля.

Вафа и его коллеги из Массачусетского технологического института провели подобный эксперимент с несколькими базовыми моделями, такими как GPT, Claude и Llama.

Эти системы обучались прогнозированию расположения планет в различных солнечных системах, а затем им было предложено предсказать их движение.

Нейросети обучались на данных об орбитах, однако они не смогли применять эти знания для решения задач, отличных от определения курса планет. При попытке адаптировать эти сведения к законам поведения сил, модели вывели закон гравитации, который в данном контексте был лишним.

«Язык, обученный предсказывать результаты физических экспериментов, не будет формулировать концепции простым и ясным образом. Он применит нестандартный подход для поиска решений в физике», — заметил Вафа.

Дэвид Пауэрс, эксперт в области компьютерных и когнитивных наук из Университета Флиндерса в Австралии, указал, что модели, способные извлекать научные законы, имеют свою ценность. Тем не менее, для действительных автономных открытий ИИ должен участвовать на всех этапах исследования: от выявления проблем до проведения экспериментов, анализа данных и выдвижения гипотез.

«Экспериментальная наука требует тщательного определения интересующих переменных и проведения систематических экспериментов для получения данных и проверки гипотез», — отметил специалист.

Напомним, что в марте исследователи из Великобритании и Канады создали ИИ-модель Aardvark Weather с целью повышения точности прогнозирования погоды.