Gibt es außer der Winkelgeschwindigkeit und der Lineargeschwindigkeit eine andere Möglichkeit, das Universum zu beschreiben? KI entdeckt neue Variablen, die in der Unterzeitschrift „Nature' veröffentlicht wurden

Die Entdeckung physikalischer Gesetze durch KI ist nichts Neues. Vor einiger Zeit haben wir über die Nachricht berichtet, dass „GNN eine Menge Daten erhält und es das Gesetz der Schwerkraft selbst entdecken kann“. Eine Studie der Columbia University zeigt, dass KI allein durch die Beobachtung von Phänomenen mit einer Kamera Variablen extrahieren kann, von denen einige möglicherweise noch nicht von Menschen entdeckt werden. Können wir neue physikalische Gesetze entdecken, wenn wir diese Methode verwenden, um neue Variablen zu entdecken?

E = mc² ist eine Masse-Energie-Gleichung, die die Beziehung zwischen Energie und Masse erklärt, wobei E für Energie, m für Masse und c für die Lichtgeschwindigkeit steht (konstant, c=299792458 m/s, manchmal 3,00×108). MS ). Die Masse-Energie-Gleichung wurde von Einstein vorgeschlagen. Sie wird hauptsächlich zur Erklärung des Massenverlusts bei Kernreaktionen und zur Berechnung der Energie von Teilchen in der Hochenergiephysik verwendet. Sie trug auch zur Geburt der Wellenmechanik bei.

Vor mehr als hundert Jahren verfügte Einstein offenbar bereits über die Grundvariablen Energie, Masse und Geschwindigkeit, bevor er diese Gleichung vorschlug. Ohne diese Variablen hätte selbst Einstein die Relativitätstheorie nicht entdecken können. Überraschenderweise kann künstliche Intelligenz diese Variablen nun automatisch entdecken, von denen einige über das menschliche Wissen hinausgehen, was die wissenschaftliche Entdeckung erheblich beschleunigen wird.

Dies ist eine neue Studie der Columbia University. Forscher versuchten, ein Programm für künstliche Intelligenz physikalische Phänomene durch Kameras beobachten zu lassen und versuchten dann, nach dem kleinsten Satz grundlegender Variablen zu suchen, die das beobachtete Phänomen vollständig beschreiben können. Die Forschungsarbeit wurde am 25. Juli in der Zeitschrift Nature Computational Science veröffentlicht.

Papieradresse: https://www.nature.com/articles/s43588-022-00281-6

Wie in der Abbildung unten gezeigt, ermöglicht diese Forschung der KI, die Bewegung zu beobachten chaotische Rocker-Videos von Antriebssystemen, um aus diesen hochdimensionalen Videoclips die minimalen Zustandsvariablen zu identifizieren und zu extrahieren, die zur Beschreibung solcher Systeme erforderlich sind.

Die Wissenschaftler füttern das System zunächst mit Rohvideoaufnahmen eines physikalischen Phänomens, für das sie bereits die Lösung kennen. Sie stellten beispielsweise ein Video eines schwingenden Pendels zur Verfügung, das bekanntermaßen vier „Zustandsvariablen“ hat – den Winkel und die Winkelgeschwindigkeit jedes seiner beiden Arme. Nach mehrstündiger Analyse gab die KI die Antwort aus: 4,7.

„Wir glauben, dass diese Antwort nahe genug liegt“, sagte Hod Lipson, Co-Autor des Artikels und Direktor des Creative Machines Lab in der Fakultät für Maschinenbau. „Vor allem wenn man bedenkt, dass die KI nur auf rohes Videomaterial zugreifen kann, ohne Kenntnisse über Physik oder Geometrie. Aber wir wollen wissen, welche Variablen sie verwendet, nicht nur eine Zahl

Dann recherchieren Sie den Menschen.“ fährt mit der Visualisierung der vom KI-Programm identifizierten tatsächlichen Variablen fort. Das Extrahieren der Variablen selbst ist schwierig, da das Programm sie nicht auf eine intuitive, für Menschen verständliche Weise beschreiben kann. Nach einigen Untersuchungen schienen zwei vom Programm ausgewählte Variablen in etwa den Winkeln der beiden Schwingarme zu entsprechen, die anderen beiden blieben jedoch ein Rätsel.

„Wir versuchen, die beiden anderen Variablen mit allen bekannten Variablen in Beziehung zu setzen, die uns einfallen: Winkelgeschwindigkeit und Lineargeschwindigkeit, kinetische Energie und potentielle Energie sowie verschiedene Kombinationen bekannter Größen“, so der Erstautor der Arbeit Boyuan Chen, Absolvent der Columbia University, jetzt Assistenzprofessor an der Duke University und promovierte, erklärte. „Aber keine der bekannten Variablen schien perfekt mit den beiden vom KI-Programm identifizierten Variablen übereinzustimmen, weil sie eine gute Vorhersage getroffen hat.“ „Ich verstehe die mathematische Sprache, die es verwendet, noch nicht“, erklärt er.

Nachdem die Wissenschaftler viele andere physikalische Systeme mit bekannten Lösungen verifiziert hatten, gaben die Wissenschaftler Videos von Systemen ein, für die sie keine klare Antwort wussten. Eines der Videos zeigt einen Ballon, der sich im Wind wiegt. Nach mehreren Stunden Analyse gab das Programm 8 Variablen zurück. Ebenso ergaben Videos über Lavalampen 8 Variablen. Als das Video in ein Video über einen Kamin geändert wurde, gab das Programm 24 Variablen zurück.

Eine besonders interessante Frage ist: Ist der vom KI-Programm gefundene Variablensatz für jedes System einzigartig? Mit anderen Worten: Wird der nächste gefundene Variablensatz nach jedem Neustart des Programms immer noch derselbe sein wie der ursprüngliche?

„Ich habe mich immer gefragt, wenn wir einer besonders intelligenten außerirdischen Spezies begegnen könnten, hätten sie einige der physikalischen Gesetze entdeckt, die wir entdeckt haben? Oder würden sie es anders beschreiben? „Das Universum?“ Lipson sagte: „Vielleicht scheinen einige Phänomene sehr kompliziert zu sein, weil wir versucht haben, sie mit dem falschen Satz von Variablen zu beschreiben.

Im Experiment ist die Anzahl der Variablen, die die KI jedes Mal extrahiert hat, gleich.“ Die spezifischen Variablen sind jedes Mal unterschiedlich. Daher haben wir neben der konventionellen Möglichkeit auch andere Möglichkeiten, das Universum zu beschreiben, und die Art und Weise, wie wir uns jetzt entscheiden, ist möglicherweise nicht perfekt.

Forscher sagen, dass diese Art von KI Wissenschaftlern dabei helfen kann, komplexe Phänomene in der Biologie, Kosmologie und anderen Disziplinen zu entdecken, bei denen das theoretische Verständnis mit den riesigen Datenmengen nicht Schritt halten kann. „Obwohl wir in dieser Arbeit Videodaten verwendet haben, kann jede Art von Array-Datenquelle verwendet werden – etwa ein Radar-Array oder ein DNA-Array“, erklärt Co-Autor Kuang Huang.

Diese Arbeit ist Teil eines jahrzehntelangen Forschungsinteresses von Lipson und Qiang Du, Professor für Angewandte Mathematik der Fu Foundation an der Columbia University, an der Entwicklung von Algorithmen, die Daten in wissenschaftliche Gesetze umwandeln können. Frühere Softwaresysteme wie die Eureqa-Software von Lipson und Michael Schmidt konnten beliebige physikalische Gesetze aus experimentellen Daten extrahieren, allerdings nur, wenn die Variablen vorherbestimmt waren. Was aber, wenn wir die Variablen noch nicht einmal kennen?

Lipson glaubt, dass Wissenschaftler manchmal ein Phänomen missverstehen oder nicht verstehen, einfach weil sie nicht über einen guten Satz an Variablen verfügen, um es zu beschreiben. „Seit Tausenden von Jahren haben die Menschen die Vorstellung davon, wie schnell sich ein Objekt bewegt, aber erst als die Konzepte von Geschwindigkeit und Beschleunigung formal quantifiziert wurden, entdeckte Newton Newtons berühmtes zweites Gesetz: F=MA“, sagte Lipson. Diese Variablen sind die Voraussetzungen für die Theoriebildung. Auf dieser Grundlage wollte Du Qiang wissen: „Welche anderen Gesetze wurden von uns aufgrund des Mangels an Variablen nicht entdeckt?“ ist derzeit Assistenzprofessor an der Duke University und verantwortlich für die Leitung des universellen Robotiklabors (General Robotics Lab). Er schloss sein Studium der Informatik an der Columbia University mit den Schwerpunkten Computer Vision, maschinelles Lernen und Robotik ab. Er studierte bei Professor Hod Lipson, einem Weltpionier in den Bereichen Robotik, Datenwissenschaft und 3D-Druck. Er hat viele Artikel auf führenden internationalen Konferenzen im Bereich künstliche Intelligenz und Robotik veröffentlicht (NeurIPS, IROS, GECCO, Humanoids usw.) und war als Gutachter für mehrere internationale Konferenzen tätig (CVPR, ICML, ICLR, PRCV usw.). . Darüber hinaus erhielt er ein ACM GECCO-Studentenstipendium, ein Stipendium der chinesischen Regierung, ein Stipendium für Weltraumwissenschaft und Technologieinnovation der Chinesischen Akademie der Wissenschaften usw.

Das obige ist der detaillierte Inhalt vonGibt es außer der Winkelgeschwindigkeit und der Lineargeschwindigkeit eine andere Möglichkeit, das Universum zu beschreiben? KI entdeckt neue Variablen, die in der Unterzeitschrift „Nature' veröffentlicht wurden. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!