Исследователи из Массачусетского технологического института (MIT) создали систему AI Physicist, которая способна генерировать теории о физических законах в вымышленных вселенных. Это позволит ИИ экстраполировать свои знания и прогнозировать будущее.
Что сообщили?
Искусственный интеллект пока не умеет распознавать объекты или ситуации, отбрасывая несущественные детали. Иначе говоря, он не умеет фокусироваться на определённом объекте. Причина состоит в том, что ИИ на сегодняшнем уровне развития неспособен определять нужное. К примеру, если показать ИИ много фотографий кошек, где они будут в разном окружении, то система не сможет их опознать именно из-за этой разницы.
В MIT использовали другой подход. Исследователи Тайлин Ву (Tailin Wu) и Макс Тегмарк (Max Tegmark) запрограммировали в алгоритме машинного обучения четыре стратегии, которые используются учёными для генерации теорий о сложных наблюдениях. Также они добавили метод малых моделей. Эти модели описывают некое подмножество объектов, а затем из них формируется более крупная «теория всего».
Что за стратегии применили учёные?
Это методики: разделяй и властвуй (генерация множества теорий, каждая из которых объясняет часть общей картины), бритва Оккама (использование максимально простой теории без привлечения сторонних сущностей), унификация (комбинирование теорий) и обучение на протяжении всей жизни (попытка приложить теории для решения будущих проблем). ИИ представили ряд постепенно усложняющихся виртуальных сред с необычными и странными физическими законами. Задачей машины стало прогнозирование поведения объектов в этих средах.
Для того, чтобы ИИ смог определить, как объекты будут двигаться в двух измерениях в этих средах, ему пришлось создать собственные физические теории. AI Physicist, как сообщается, смог предсказать поведение шара в среде с разными физическим явлениями в более чем 90 % случаев, что намного выше, чем у традиционных систем машинного обучения.
Зачем это нужно?
Предполагается, что в будущем ИИ смогут самостоятельно ставить задачи и проводить эксперименты, пускай и в виртуальном пространстве. Это позволит учёным лучше понимать сложные системы, а также использовать искусственный интеллект для прогнозирования климатических изменений, экономики и прочих систем с большим количеством данных. Что касается науки, то такие системы наверняка найдут применение в астрономии, физике, химии и так далее.
В 2017 году физики опровергли популярную теорию о нереальности нашей Вселенной. В рамках теории постулировалось, что наш мир — своеобразная Матрица. Однако, по словам учёных, ограничения в квантовой механике указывают на невозможность компьютерной симуляции всего вокруг.
Источник: