После обучения ИИ трюкам, которые физики используют для понимания реального мира, получается чрезвычайно мощная машина
Есть знаменитая история о том, как Галилей наблюдал за качанием лампы в Пизанском соборе, и замерял его по отношению к своему пульсу. Он пришёл к выводу, что период постоянен и не зависит от амплитуды.
Галилей предположил, что маятник может управлять часами, и позже разработал подобное устройство, хотя первые часы такого типа построил Гюйгенс через 15 лет после смерти Галилея.
Совершая открытие, гений Галилея проигнорировал все неприятные детали, которые можно было бы учесть – сопротивление воздуха, температуру, мерцание света, шум, других людей, и т.п. Он рассмотрел простейшую модель качающейся лампы, используя только её период, концентрируясь на самой заметной особенности.
Многие историки считают, что подход Галилея представляет самый ранний этап эволюции научного метода – процесса, подарившего нам полёты, квантовую теорию, электронные компьютеры, Общую теорию относительности и искусственный интеллект.
В последние годы ИИ-системы начали находить интересные закономерности в данных и даже самостоятельно выводить определённые законы физики. Но в этих случаях ИИ всегда изучал особый набор данных, изолированный от отвлечений реального мира. Способности этих ИИ-систем сильно не дотягивают до возможностей таких людей, как Галилей.
Это поднимает интересный вопрос: возможно ли разработать ИИ-систему, вырабатывающую теории, как это делал Галилей, концентрируясь на информации, необходимой для объяснения различных аспектов мира, наблюдаемого ею?
Сегодня, благодаря работе Тайлина Ву и Макса Тегмарка из MIT, мы знаем ответ. Они разработали ИИ, копирующий подход Галилея и некоторые другие трюки, которым физики научились за несколько столетий. Их система AI Physicist способна вывести несколько законов физики в загадочных мирах, специально созданных в целях симуляции сложности нашей Вселенной.
Ву и Тегмарк начали с определения значительного слабого места в современных ИИ. На большом наборе данных они обычно ищут единую теорию, управляющую всем набором. Но чем больше по размеру и более разрозненным становится набор данных, тем это сложнее делать. Для текущего ИИ было бы невозможен поиск законов физики в кафедральном соборе.
Чтобы справиться с этой проблемой, физики используют различные методы мышления, упрощающие задачу. Первый – разрабатывать теории, описывающие небольшую часть данных. В результате получается несколько теорий, описывающих различные аспекты данных – например, квантовая механика, или теория относительности. Ву и Тегмарк разработали AI Physicist так, чтобы он походил к большим наборам данных с тем же методом.
Ещё одно из основных правил физиков – бритва Оккама, или идея о превосходстве простых идей. Поэтому физики отбрасывают теории, которым требуется творец, создавший Вселенную или Землю: существование творца поднимает свой набор вопросов о его природе или происхождении.
Известно, что ИИ склонны к выдаче чрезмерно сложных моделей, описывающих данные, на которых они натренированы. Поэтому Ву и Тегмарк также обучили систему предпочитать более простые теории сложным. Они использовали простую меру измерения сложности, основанную на количестве информации, которую охватывает теория.
Ещё один из известных трюков физиков – поиск путей объединения теорий. Если одна теория способна справиться с задачами двух, она, скорее всего, лучше. Это подвигло физиков на поиски одного закона, управляющего всем (хотя реальных свидетельств существования подобной теории практически нет).
Последний принцип, который помог физикам в их изысканиях: если что-то сработало раньше, оно может сработать и с будущими задачами. Поэтому AI Physicist от Ву и Тегмарк запоминает полученные решения задач и пытается применить их к будущим задачам.
Вооружившись этими техниками, Ву и Тегмарк отправили AI Physicist трудиться. Они разработали 40 загадочных миров, управляемых законами физики, меняющимися от места к месту. В одном из таких миров брошенный шар может падать под воздействием гравитации в участок, управляемый электромагнитным потенциалом, а затем упасть в участок, управляемый гармоническим потенциалом, и так далее.
Ву и Тегмарк задались вопросом, сможет ли их AI Physicist вывести соответствующие законы физики, просто изучая движение шара. Они сравнивали поведение AI Physicist с поведением «новорожденного физика», использующего сходный подход, но без возможностей к обучению, а также с работой классической нейросети.
Оказывается, как AI Physicist, так и «новорожденный физик» могут выводить правильные законы. «Оба субъекта способны разобраться в более чем 90% всех 40 загадочных миров», — говорят они.
Главным преимуществом AI Physicist над «новорожденным» является ускоренный процесс обучения и необходимость в меньшем наборе данных. «Похоже на то, как опытный учёные способен решать новые задачи быстрее новичка, опираясь на имеющиеся знания о сходных проблемах», — говорят Ву и Тегмарк.
Их система работает гораздо лучше обычной нейросети. «Наш AI Physicist обычно обучается быстрее и выдаёт среднеквадратическую ошибку прогноза в миллиарды раз меньшую, чем стандартная нейросеть прямого действия сходной сложности», — говорят они.
Это впечатляющая работа, говорящая о том, что ИИ могут значительно повлиять на научный прогресс. Конечно, реальной проверкой было бы напустить AI Physicist на реальную действительность, например, поместить его в Пизанский собор, и посмотреть, выведет ли он принцип действия механических часов. Или напустить его на другие сложные данные, например, на данные, ставящие в тупик экономистов, биологов и климатологов. Это явно простая задача для такой системы.
А если работа AI Physicist будет успешной, историки науки смогут считать его первым шагом новой эры эволюции научного метода со времён Галилея и его коллег-людей. Никто не знает, куда она сможет нас привести.
