Depois de ensinar truques de IA que os físicos usam para entender o mundo real, uma máquina extremamente poderosa
Há uma história famosa sobre como Galileu observou o balanço de uma lâmpada na Catedral de Pisa e a mediu em relação ao seu pulso. Ele chegou à conclusão de que o período é constante e independente da amplitude.
Galileu sugeriu que o pêndulo pode controlar o relógio e mais tarde desenvolveu um dispositivo semelhante, embora
Huygens tenha construído o primeiro relógio desse tipo 15 anos após a morte de Galileu.
Fazendo uma descoberta, o gênio do Galileu ignorou todos os detalhes desagradáveis que poderiam ser levados em consideração - resistência do ar, temperatura, luz tremeluzente, ruído, outras pessoas, etc. Ele considerou o modelo mais simples de uma lâmpada oscilante, usando apenas seu período, concentrando-se na característica mais notável.
Muitos historiadores acreditam que a abordagem Galileu representa o estágio inicial da evolução do método científico - o processo que nos deu vôos, teoria quântica, computadores eletrônicos, relatividade geral e inteligência artificial.
Nos últimos anos, os sistemas de IA começaram a encontrar padrões interessantes nos dados e até derivar independentemente determinadas leis da física. Mas nesses casos, a IA sempre estudou um conjunto específico de dados isolado das distrações do mundo real. As capacidades desses sistemas de IA estão longe de atingir as capacidades de pessoas como o Galileo.
Isso levanta uma questão interessante: é possível desenvolver um sistema de IA que desenvolva teorias, assim como Galileu, concentrando-se nas informações necessárias para explicar os vários aspectos do mundo que ela observa?
Hoje, graças ao
trabalho de Tylin Wu e Max Tegmark do MIT, sabemos a resposta. Eles desenvolveram a IA, copiando a abordagem de Galileu e alguns outros truques que os físicos aprenderam ao longo dos séculos. Seu sistema de físico de IA é capaz de derivar várias leis da física em mundos misteriosos, criadas especialmente para simular a complexidade do nosso universo.
Wu e Tegmark começaram identificando uma fraqueza significativa na IA moderna. Em um grande conjunto de dados, eles geralmente procuram uma teoria unificada que governa todo o conjunto. Porém, quanto maior e mais fragmentado o conjunto de dados se tornar, mais difícil será fazer. Para a IA atual, seria impossível procurar as leis da física na catedral.
Para lidar com esse problema, os físicos usam vários métodos de pensamento que simplificam a tarefa. A primeira é desenvolver teorias que descrevem uma pequena fração dos dados. O resultado são várias teorias que descrevem vários aspectos dos dados - por exemplo, mecânica quântica ou teoria da relatividade. Wu e Tegmark projetaram o AI Physicist para se parecer com grandes conjuntos de dados com o mesmo método.
Outra das regras básicas dos físicos é a navalha de Occam, ou a idéia da superioridade das idéias simples. Portanto, os físicos descartam teorias que exigem um criador que criou o Universo ou a Terra: a existência de um criador levanta seu próprio conjunto de perguntas sobre sua natureza ou origem.
Sabe-se que as IAs tendem a produzir modelos excessivamente complexos que descrevem os dados nos quais são treinados. Portanto, Wu e Tegmark também treinaram o sistema para preferir teorias mais simples do que teorias complexas. Eles usaram uma medida simples de complexidade com base na quantidade de informações que a teoria cobre.
Outro dos famosos truques dos físicos é a busca de maneiras de unir teorias. Se uma teoria é capaz de lidar com as tarefas de duas, provavelmente é melhor. Isso levou os físicos a procurar uma lei que governasse tudo (embora não haja praticamente nenhuma evidência real da existência de tal teoria).
O último princípio que ajudou os físicos em suas pesquisas: se algo funcionou anteriormente, ele pode trabalhar com tarefas futuras. Portanto, o físico de IA de Wu e Tegmark se lembra das soluções obtidas para os problemas e tenta aplicá-las a tarefas futuras.
Armado com essas técnicas, Wu e Tegmark enviaram o AI Physicist para trabalhar. Eles desenvolveram 40 mundos misteriosos governados pelas leis da física, mudando de um lugar para outro. Em um desses mundos, uma bola abandonada pode cair sob a influência da gravidade em uma região controlada pelo potencial eletromagnético e depois cair em uma região controlada pelo potencial harmônico, e assim por diante.
Wu e Tegmark se perguntavam se o físico da IA seria capaz de derivar as leis correspondentes da física simplesmente estudando o movimento da bola. Eles compararam o comportamento do físico de IA com o comportamento de um "físico recém-nascido" usando uma abordagem semelhante, mas sem oportunidades de aprendizado, bem como com o trabalho de uma rede neural clássica.
Acontece que o físico da IA e o "físico recém-nascido" podem derivar as leis corretas. "Ambas as entidades são capazes de entender mais de 90% de todos os 40 mundos misteriosos", dizem eles.
A principal vantagem do AI Physicist sobre o "recém-nascido" é o processo de aprendizado acelerado e a necessidade de um conjunto de dados menor. "Parece que um cientista experiente pode resolver novos problemas mais rapidamente que um iniciante, confiando no conhecimento existente de problemas semelhantes", afirmam Wu e Tegmark.
O sistema deles funciona muito melhor do que uma rede neural normal. "Nosso físico de IA geralmente aprende mais rápido e produz um erro padrão de previsão que é bilhões de vezes menor que uma rede neural de ação direta padrão de complexidade semelhante", dizem eles.
Este é um trabalho impressionante que sugere que a IA pode afetar significativamente o progresso científico. Obviamente, um teste real seria deixar o físico de IA em realidade, por exemplo, colocá-lo na Catedral Inclinada de Pisa e ver se isso deduziria o princípio de ação de um relógio mecânico. Ou envie-o para outros dados complexos, como dados que desconcertam economistas, biólogos e climatologistas. Essa é claramente uma tarefa fácil para esse sistema.
E se o trabalho do físico da AI for bem-sucedido, os historiadores da ciência poderão considerá-lo o primeiro passo em uma nova era da evolução do método científico desde os tempos de Galileu e de seus colegas humanos. Ninguém sabe onde ela pode nos levar.