AI는 자신의 '기본' 물리학을 발견하고 있으며 과학자들은 당황합니다

물리학은 과학의 보다 엄격하고 엄격한 학문 중 하나이며, 그 비밀을 밝히기 위해서는 꼭 이루어져야 하는 긴 방정식과 복잡한 측정으로 가득 차 있습니다. 그러나 가장 단순한 방정식이 만들어지기 전에 과학자들은 먼저 작성된 방정식의 중요한 전신인 시스템 변수를 찾아내야 했습니다.

뉴턴의 위대한 기본 힘 방정식을 생각해 보세요: F=MA. 그러한 방정식을 구성하기 전에 뉴턴은 먼저 가속도, 질량 및 힘의 개념을 이해해야 했습니다. 컬럼비아 대학의 엔지니어링 및 데이터 과학 교수 Hod Lipson은 마더보드에 이렇게 말했습니다.

"그것은 예술입니다. 체계적인 방법은 없습니다."라고 Lipson은 말합니다. "알파벳을 어떻게 발견하는가? 그것은 유기적으로 발생하는 것과 같습니다."

Lipson의 Creative Machines Lab에서 그와 동료들은 이러한 발견 과정이 어떻게 진행되는지, 그리고 기계 학습을 사용하여 인간 과학자들이 놓쳤을 수 있는 숨겨진 대체 물리학을 발견할 때 이를 어떻게 개선할 수 있는지 더 잘 이해하려고 합니다.

이를 위해 Lipson과 동료들은 이중 진자의 스윙이나 불꽃의 깜박임과 같은 비디오를 "보고" 물리적 현상을 연구하고 동작을 설명하는 데 필요한 변수 수를 생성할 수 있는 기계 학습 알고리즘을 설계했습니다. . 알려진 시스템의 경우, 알고리즘은 1 값 내에서 정확한 변수 수(예: 2 대신 단일 진자를 설명하는 2.05개의 변수)를 예측할 수 있었고 심지어 알려지지 않은 시스템에 대한 변수 예측도 할 수 있었습니다. 이 연구 결과는 지난 주 Nature Computational Science 저널에 "실험 데이터에 숨겨진 기본 변수의 자동 발견"이라는 제목의 연구로 발표되었습니다.

이 알고리즘이 데이터를 연구하고 그것으로부터 물리적 관계를 추출하려고 시도한 최초의 것은 아니지만, Lipson은 이 작업이 데이터에서 예상되는 변수의 수나 유형에 대한 정보를 알고리즘에 제공하지 않은 최초의 작업이기 때문에 차별화된다고 말합니다. 체계. 이 때문에 시스템은 인간의 렌즈만을 통해서만 변수를 찾는 데 제한되지 않으며, Lipson은 이러한 시스템 내에 숨겨진 물리학을 발견하는 데 중요할 수 있다고 말합니다.

Lipson은 "사람들이 이러한 변수를 찾기 위해 밤낮으로 애쓰는 것이 아니며 이것이 프로세스를 가속화할 수 있습니다"라고 설명합니다.

“우리가 아마도 많은 것을 간과하고 있다는 것이 더 큰 문제입니다.”라고 그는 계속합니다. "그러나 우리가 여기에 AI 능력을 쏟을 수 있다면 아마도 우리는 매우 유용한 것을 발견하고 우리의 사고 방식을 바꿀 것이라고 생각했던 변수에 너무 많은 것이 달려 있습니다."

성공을 위한 알고리즘을 준비하기 위해 논문의 첫 번째 저자이자 현재 Duke University의 공학 조교수인 Boyan Chen을 포함한 Lipson과 동료들은 다양한 복잡성의 동적 동작 비디오를 제공했습니다. 여기에는 이중 진자 및 그네 막대와 같은 알려진 모션뿐만 아니라 용암 램프, 깜박이는 불 또는 풍선 공기 댄서와 같이 아직 이해되지 않은 모션도 포함됩니다.

AI는 이러한 비디오를 연구한 후 현상을 미래의 몇 단계 모델링하고 해당 동작을 담당하는 점점 더 작은 변수 목록을 만들려고 시도했습니다. 마지막으로 AI는 모션을 정확하게 캡처하기 위해 시스템에 필요한 최소한의 변수를 내보냅니다.

AI가 적절한 수의 변수를 찾는 데는 꽤 성공적이었지만, 조만간 과학 실험실에 진입하지 못하게 만드는 한 가지 큰 문제가 있습니다. 과학자들에게 시스템에 일정한 수의 변수가 있음을 알릴 수 있지만 현재 이러한 변수가 무엇인지 설명하는 언어가 부족합니다. 예를 들어 "에어 댄서"에 대해 8개의 변수를 반환하고 벽난로에 대해 24개의 변수를 반환했습니다. 설명 가능성은 AI 시스템의 오랜 연구 목표로, 과학자들이 특정 결정 하나를 리버스 엔지니어링하기 어렵게 만드는 복잡한 블랙박스일 수 있습니다.

이것은 Chen이 당분간 크게 걱정하지 않는 부분입니다.