Foto: kentoh / Dollar Photo Club

Nová umělá inteligence AI-Descartes sestavuje vědecké rovnice

Výzkumníci z IBM Research, Samsung AI a University of Maryland (Baltimore County) vyvinuli umělou inteligenci, která funguje jako vědec – v tom smyslu, že z dat a známých rovnic sestavuje další rovnice. Nástroj nazvaný AI-Descartes tak třeba znovuobjevil Keplerův zákon o oběhu planet nebo rovnici popisující ulpívání plynu na povrchu pevné látky.
Jádrem fungování systému je obyčejná regrese, tedy statistické zkoumání, jakou křivkou by se dala nejlépe propojit dostupná data. Jakýkoliv systém s dostatečnou výpočetní silou takhle dokáže procházet obrovské množství rovnic. První autorka článku Cristina Cornelio (Samsung) nicméně uvádí, že AI-Descartes k tomu navíc dokáže logicky uvažovat: to znamená, že zkoumá, zda rovnice vyhovují nejen datům, ale i vědeckým teoriím (poznámka PH: představuju si to nějak takhle: ke každé množině dat lze vygenerovat polynom n-tého stupně, který jí bude odpovídat úplně přesně; ale to právě bude špatně, stejně jako různé kombinace ještě složitějších funkcí; umělá inteligence dokáže odhadnout, rovnice jakého typu dává nějaký smysl). AI-Descartes má mít ve srovnání s ChatGPT mnohem vyšší schopnost logického uvažování a práci s daty kombinuje s tím, že se snaží vycházet z „prvních principů“ (PH: to si představuju tak, že třeba vztah mezi určitými veličinami bude vyhodnocen jako nejspíše n-tá mocnina).
Systém podle průvodní tiskové zprávy funguje obzvláště dobře na zašuměných datech z reálného světa, což může být pro tradiční programy pro regresi, které v takových případech mohou přehlédnout skutečný signál. Dobře si AI-Descartes poradí i s malými soubory dat, dokonce najde spolehlivé rovnice třeba i jen z 10 datových bodů.
Jedním z problémů je, že pro otevřené otázky ovšem často není k dispozici ani základní teorie; a pokud ano, je třeba ji nejprve nějak zakódovat do podoby použitelné pro program. (Ve stávající verzi mu lidé přepisovali do formální podoby axiomy teorie, které představuje pozadí pro daný problém.) Teprve pak nejspíš program objeví něco opravdu nového. Samozřejmě nejlepší by bylo, kdyby AI-Descartes dokázal sám číst vědecké články a nějakou teorii problému si na tom základě vypracoval sám.

Combining Data and Theory for Derivable Scientific Discovery with AI-Descartes, Nature Communications (2023). DOI: 10.1038/s41467-023-37236-y
Zdroj: University of Maryland Baltimore County / TechXplore.com

Enzymy s lehkými izotopy jsou účinnější mnohem víc

Těžká voda reaguje chemicky trochu jinak než čistě „lehká“, nebo než běžná směs obou izotopů. …

2 comments

  1. ja jako clovek jsem vzdycky premyslel cim svoje experimentalni data tzv. nafituju.
    skoro bych rekl, ze kazdy obor ma svoji sadu rovnic.
    kdyz si vezmu chemickou kinetiku tak vetsina reseni jsou ruzne mixy exponencialnich/logaritmickych
    funkci jak neco rychle roste/klesa a pak pomalu dobehne do rovnovahy.

    tak bych ai ucil, pro dany obor jaka sada rovnic a fyzikalnich teorii se pro to hodi a ai to muze zacit kombinovat.
    no tak to dela i clovek 🙂

Napsat komentář

Vaše e-mailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *

Používáme soubory cookies pro přizpůsobení obsahu webu a sledování návštěvnosti. Data o používání webu sdílíme s našimi partnery pro cílení reklamy a analýzu návštěvnosti. Více informací

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close