Après avoir enseigné des astuces d'IA que les physiciens utilisent pour comprendre le monde réel, une machine extrêmement puissante
Il y a une histoire célèbre sur la façon dont Galileo a observé le balancement d'une lampe dans la cathédrale de Pise et l'a mesurée par rapport à son pouls. Il est arrivé à la conclusion que la période est constante et indépendante de l'amplitude.
Galileo a suggéré que le pendule peut contrôler l'horloge, et a ensuite développé un appareil similaire, bien que
Huygens ait construit la première horloge de ce type 15 ans après la mort de Galileo.
Faisant une découverte, le génie de Galileo a ignoré tous les détails désagréables qui pouvaient être pris en compte - résistance à l'air, température, lumière vacillante, bruit, autres personnes, etc. Il a considéré le modèle le plus simple d'une lampe pivotante, en utilisant uniquement sa période, en se concentrant sur la caractéristique la plus notable.
De nombreux historiens pensent que l'approche Galileo représente la première étape de l'évolution de la méthode scientifique - le processus qui nous a donné des vols, la théorie quantique, les ordinateurs électroniques, la relativité générale et l'intelligence artificielle.
Ces dernières années, les systèmes d'IA ont commencé à trouver des modèles intéressants dans les données et dérivent même indépendamment certaines lois de la physique. Mais dans ces cas, l'IA a toujours étudié un ensemble particulier de données isolées des distractions du monde réel. Les capacités de ces systèmes d'IA sont loin d'atteindre les capacités de personnes comme Galileo.
Cela soulève une question intéressante: est-il possible de développer un système d'IA qui développe des théories, comme l'a fait Galileo, en se concentrant sur les informations nécessaires pour expliquer les différents aspects du monde qu'elle observe?
Aujourd'hui, grâce au
travail de Tylin Wu et Max Tegmark du MIT, nous connaissons la réponse. Ils ont développé l'IA, copiant l'approche de Galileo et d'autres astuces que les physiciens ont apprises au fil des siècles. Leur système AI Physicist est capable de dériver plusieurs lois de la physique dans des mondes mystérieux, spécialement créés pour simuler la complexité de notre univers.
Wu et Tegmark ont ​​commencé par identifier une faiblesse importante de l'IA moderne. Sur un grand ensemble de données, ils recherchent généralement une théorie unifiée qui régit l'ensemble. Mais plus l'ensemble de données devient grand et fragmenté, plus il est difficile de le faire. Pour l'IA actuelle, il serait impossible de rechercher les lois de la physique dans la cathédrale.
Pour faire face à ce problème, les physiciens utilisent différentes méthodes de pensée qui simplifient la tâche. La première consiste à développer des théories qui décrivent une petite fraction des données. Le résultat est plusieurs théories qui décrivent divers aspects des données - par exemple, la mécanique quantique ou la théorie de la relativité. Wu et Tegmark ont ​​conçu AI Physicist pour ressembler à de grands ensembles de données avec la même méthode.
Une autre des règles de base des physiciens est le rasoir d'Occam, ou l'idée de la supériorité des idées simples. Par conséquent, les physiciens rejettent les théories qui nécessitent un créateur qui a créé l'Univers ou la Terre: l'existence d'un créateur soulève son propre ensemble de questions sur sa nature ou son origine.
Les IA sont connues pour produire des modèles trop complexes qui décrivent les données sur lesquelles elles sont formées. Par conséquent, Wu et Tegmark ont ​​également formé le système à préférer les théories plus simples aux théories complexes. Ils ont utilisé une mesure simple de la complexité basée sur la quantité d'informations couvertes par la théorie.
Un autre des trucs célèbres des physiciens est la recherche de moyens d'unir les théories. Si une théorie est capable de faire face aux tâches de deux, c'est probablement mieux. Cela a incité les physiciens à rechercher une loi régissant tout (bien qu'il n'y ait pratiquement aucune preuve réelle de l'existence d'une telle théorie).
Le dernier principe qui a aidé les physiciens dans leurs recherches: si quelque chose a fonctionné plus tôt, il peut fonctionner avec des tâches futures. Par conséquent, AI Physicist de Wu et Tegmark se souvient des solutions obtenues aux problèmes et essaie de les appliquer à de futures tâches.
Armés de ces techniques, Wu et Tegmark envoyèrent un physicien IA au travail. Ils ont développé 40 mondes mystérieux régis par les lois de la physique, changeant d'un endroit à l'autre. Dans l'un de ces mondes, une balle abandonnée peut tomber sous l'influence de la gravité dans une région contrôlée par le potentiel électromagnétique, puis tomber dans une région contrôlée par le potentiel harmonique, etc.
Wu et Tegmark se sont demandés si leur physicien IA serait capable de dériver les lois correspondantes de la physique en étudiant simplement le mouvement de la balle. Ils ont comparé le comportement d'un physicien IA avec le comportement d'un «physicien nouveau-né» en utilisant une approche similaire, mais sans possibilités d'apprentissage, ainsi qu'avec le travail d'un réseau neuronal classique.
Il s'avère que le physicien IA et le «physicien nouveau-né» peuvent dériver les bonnes lois. "Les deux entités sont capables de comprendre plus de 90% des 40 mondes mystérieux", disent-ils.
Le principal avantage d'AI Physicist par rapport au «nouveau-né» est le processus d'apprentissage accéléré et la nécessité d'un ensemble de données plus petit. "Il semble qu'un scientifique expérimenté puisse résoudre de nouveaux problèmes plus rapidement qu'un novice, en s'appuyant sur les connaissances existantes de problèmes similaires", déclarent Wu et Tegmark.
Leur système fonctionne beaucoup mieux qu'un réseau neuronal normal. "Notre physicien IA apprend généralement plus vite et produit une erreur quadratique moyenne de prédiction des milliards de fois plus petite qu'un réseau neuronal à action directe standard de complexité similaire", disent-ils.
Il s'agit d'un travail impressionnant qui suggère que l'IA peut affecter de manière significative le progrès scientifique. Bien sûr, un véritable test serait de laisser la réalité du physicien IA, par exemple, pour la placer dans la cathédrale penchée de Pise et voir si elle déduira le principe d'action d'une horloge mécanique. Ou jetez-le à d'autres données complexes, telles que des données qui déroutent les économistes, les biologistes et les climatologues. Il s'agit clairement d'une tâche facile pour un tel système.
Et si le travail d'AI Physicist est couronné de succès, les historiens des sciences pourront le considérer comme la première étape d'une nouvelle ère de l'évolution de la méthode scientifique depuis Galilée et ses semblables. Personne ne sait où elle peut nous conduire.