نگاهی نو به فیزیک از طریق هوش مصنوعی

اولین گام درک نظریات فیزیک، شناسایی متغیرهای آن است. مهندسان دانشگاه کلمبیا یک نرم‌افزار هوش مصنوعی ساخته‌اند، تا دریابند آیا می‌توان تنها با استفاده از داده‌های مشاهده‌ای، متغیرهای حالتی را تشخیص داد؟ این الگوریتم توانست با استفاده از فیلم‌هایی که از سیستم‌های فیزیکی دینامیک مختلف گرفته شده‌ بود، مباحث دینامیک مربوطه را کشف کرده و متغیرهای حالتی را تشخیص دهد و نگاهی نو به فیزیک داشته باشد، بدون اینکه از قبل دانشی در مورد نظریات این دانش داشته باشد.

انرژی، جرم و سرعت، سه متغیری هستند که معادله‌ معروف انیشتین، ، را تشکیل می‌دهند. اولین گام درک فیزیک، شناسایی متغیرهای مربوطه است. بدون مفهوم انرژی، جرم و سرعت، حتی انیشتین هم نمی‌توانست قانون نسبیت را کشف کند. اگر بتوان این متغیرها را به صورت خودکار کشف کرد، کشفیات علمی شتاب چشمگیری می‌یابند.

پژوهشگران دانشکده مهندسی کلمبیا برای پاسخ به این سؤال، یک نرم‌افزار هوش مصنوعی جدید طراحی کردند. این نرم‌افزار، نگاهی نو به فیزیک داشت، به گونه‌ای که با تماشای ویدئوهایی که از پدیده‌های فیزیکی گوناگون گرفته شده بودند، مجموعه‌ متغیرهای زیربنایی برای توصیف دینامیک مشاهده‌شده را توصیف می‌کرد. پژوهش مذکور در تاریخ 25 ژوئیه (3 مرداد) در ژورنال Nature Computational Sciences منتشر شد.

در ابتدا، پژوهشگران ویدئوهای خامی را به سیستم نرم‌افزار هوش مصنوعی دادند که مربوط به پدیده‌های شناخته‌شده بود، یعنی پدیده‌هایی که خودشان از قبل متغیرهای دخیل در آن‌ها را می‌دانستند. برای مثال، ویدئویی از یک آونگ دوتایی به سیستم ارائه شد؛ آونگ دوتایی چهار متغیر حالتی دارد: زاویه و سرعت زاویه‌ای هر یک از دو بازو. بعد از دو ساعت تحلیل، سیستم به پاسخ 7/4 رسید.

نحوه عملکرد نرم‌افزار طراحی‌شده هوش مصنوعی

هاد لیپسون، رئیس آزمایشگاه Creative Machines دانشکده مهندسی مکانیک کلمبیا، توضیح می‌دهد: «این پاسخ در نظر ما به اندازه‌ کافی به پاسخ درست نزدیک بود، به‌ویژه از آنجایی که سیستم نرم‌افزار طراحی‌شده هوش مصنوعی تنها به تصویر ویدئویی خام دسترسی داشت و هیچ دانش پیشینی از فیزیک یا هندسه نداشت و در واقع، نگاهی نو به فیزیک داشت. در هر صورت، ما می‌خواستیم بدانیم سیستم چه متغیرهایی را تشخیص داده است، نه این‌که صرفا تعدادشان را بدانیم.»

پژوهشگران دانشکده مهندسی کلمبیا در گام بعدی به سراغ مصورسازی متغیرهای سیستم نرم‌افزار طراحی‌شده هوش مصنوعی رفتند. استخراج متغیرها کار آسانی نبود، چون برنامه نمی‌تواند به شیوه‌ای که برای انسان‌ها قابل‌فهم باشد، آن‌ها را توصیف کند. بعد از مقداری مطالعه و بررسی، مشخص شد دو تا از متغیرهایی که برنامه انتخاب کرده بود، با زوایای بازوان آونگ هم‌بستگی دارند، اما دو متغیر دیگر همچنان ناشناخته باقی ماندند.

بویان چن، استاد دانشگاه دوک و سرپرست پروژه، می‌گوید: «سعی کردیم ارتباط سایر متغیرها را با هرچه می‌دانستیم و نمی‌دانستیم، بررسی کنیم: سرعت زاویه‌ای و خطی، انرژی حرکتی و پتانسیل، و انواع ترکیبات شناخته شده. اما به نظر می‌رسید هیچ چیزی تطابق کامل را با متغیرهایی که مدل تشخیص داده است، ندارد. از آنجایی که باور داشتیم عملکرد سیستم در امر پیش‌بینی خوب است، می‌دانستیم هر چهار متغیر صحیح و معتبر هستند؛ فقط هنوز زبان ریاضی سیستم نرم‌افزار طراحی‌شده هوش مصنوعی را نمی‌فهمیم.»

بعد از اعتبارسنجی سیستم روی چند سیستم دینامیک شناخته‌شده‌ دیگر، پژوهشگران دانشکده مهندسی کلمبیا ویدئوی سیستم‌هایی را به مدل تغذیه کردند که راهکارهایشان را نمی‌دانستند. اولین ویدئو مربوط به یک عروسک بادکنکی بود که در هوا تکان می‌خورد. بعد از چند ساعت تحلیل، نرم‌افزار 8 متغیر را برای توصیف حرکت بادکنک ارائه داد. ویدئوی دیگر مربوط به یک چراغ آباژوری بود که 8 متغیر دریافت کرد. در آخر، نرم‌افزار هوش مصنوعی 24 متغیر برای ویدئویی از شعله‌های شومینه تشخیص داد.

لیپسون در خصوص نگاهی نو به فیزیک از طریق هوش مصنوعی می‌گوید: «همیشه برایم سؤال بوده است که اگر با نژادی از بیگانگان هوشمند روبه‌رو شویم، آیا همان قوانین فیزیکی که ما می‌دانیم را آن‌ها هم کشف کرده‌اند؟ یا جهان را به شیوه‌ دیگری توصیف می‌کنند؟ شاید برخی پدیده‌ها برایمان رمزآلود و پیچیده‌اند، چون سعی داریم با متغیرهای اشتباهی آن‌ها را درک کنیم».

در این آزمایشات، تعدادی از متغیرهایی که نرم‌افزار هوش مصنوعی برای سیستم‌های پویا تشخیص می‌داد، ثابت بودند و برخی متغیرهای دیگر، هر بار با دفعه‌ قبل فرق داشتند. پس شاید بتوان گفت راه‌های دیگری هم برای توصیف جهان وجود دارد و روش‌هایی که به تاکنون به کار برده‌ایم، لزوماً صددرصد بی‌نقص نبوده‌اند.

کمک به قوانین فیزیک و دیگر قوانین علمی

به اعتقاد پژوهشگران، این سیستم نرم‌افزار هوش مصنوعی به دانشمندان کمک می‌کند از پدیده‌های پیچیده‌ای پرده بردارند که درک نظری از آن‌ها ناقص مانده است و چه بسا از این طریق، نگاهی نو به فیزیک داشته باشند. کوانگ هوانگ، از نویسندگان مقاله، اضافه می‌کند: «با اینکه در این پروژه از داده‌های ویدئویی استفاده کردیم، هر آرایه‌ دیگری، همچون داده‌های راداری یا DNA را نیز می‌توان به کار برد.» این پروژه در راستای علاقه‌ چند ده ساله‌ لیپسون به ساخت الگوریتم‌هایی شکل گرفته است که می‌توانند داده‌ها را به قوانین علمی تبدیل کنند. سیستم‌های نرم‌افزاری قدیمی همچون Eureqa (محصول لیپسون و مایکل اشمیت) می‌توانند قوانین فیزیک فرم‌آزادی از دل داده‌های تجربی استخراج کنند، به شرطی که متغیرهای مناسب از قبل معلوم و شناخته شده باشند و از این طریق، کمک به قوانین فیزیک کرده‌اند.

لیپسون معتقد است که دانشمندان، بسیاری از پدیده‌ها را درک نمی‌کنند، چون متغیرهای مناسب و لازم برای توصیف آن پدیده را در دست ندارند. وی خاطرنشان می‌کند: «برای قرن‌ها، مردم می‌دانستند حرکت اشیا یا سریع و یا کند است، اما تنها بعد از کشف مفاهیم سرعت و شتاب بود که نیوتون توانست فرمول معروفش، F=MA، را کشف کند». درست به همین منوال، برای تدوین نظریات و کمک به قوانین فیزیک و ترمودینامیک، ابتدا باید متغیرهای دما و فشار را در دست داشت. این نکته برای سایر علوم هم صدق می‌کند. پس باید از خود بپرسیم تا به حال چه قوانین و نظریاتی را به خاطر نداشتن متغیرهای مناسب از دست داده‌ایم؟

سوناند راگوپاتی و ایشان چاندراتریا به جمع‌آوری داده‌های آزمایشی کمک کرده و در نوشتار مقاله همکاری داشته‌اند. این پروژه حاصل همکاری دانشگاه‌های واشینگتون و کلمبیا و مؤسسه هوش مصنوعی NSF هاروارد در خصوص نگاهی نو به فیزیک بوده است.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید