Nová teorie strojového učení vyvolává otázky o povaze vědy

Nový počítačový algoritmus nebo soubor pravidel, který přesně předpovídá oběžné dráhy planet ve sluneční soustavě, lze upravit tak, aby lépe předpovídal a řídil chování planety plazma to pohání fúzní zařízení, která jsou navržena tak, aby sklízela energii fúze na Zemi, která pohání slunce a hvězdy.

Algoritmus vyvinutý vědcem z Princetonské plazmové fyzikální laboratoře amerického ministerstva energetiky (DOE) (PPPL) aplikuje strojové učení, formu umělé inteligence (AI), která se učí ze zkušeností rozvíjet předpovědi. „Typicky ve fyzice provádíte pozorování, vytváříte teorii založenou na těchto pozorováních a poté pomocí této teorie předpovídáte nová pozorování,“ řekl Hong Qin, fyzik PPPL, autor článku popisujícího koncept Vědecké zprávy. „Nahrazuji tento proces nějakou černou skříní, která může poskytnout přesné předpovědi bez použití tradiční teorie nebo práva.“

Qin (vyslovováno brada) vytvořil počítačový program, do kterého přiváděl data z předchozích pozorování oběžných drah Merkuru, VenušeZemě Mars, Jupitera trpasličí planeta Ceres. Tento program, spolu s dalším programem známým jako „obslužný algoritmus“, poté provedl přesné předpovědi o drahách jiných planet ve sluneční soustavě bez použití Newtonových zákonů pohybu a gravitace. “V podstatě jsem obešel veškerou základní fyziku.” Jdu rovnou od dat k datům, “řekl Qin. „Ve středu není žádný fyzikální zákon.“

Hong Qin

Fyzik PPPL Hong Qin před snímky planetárních drah a počítačového kódu. Fotografický kredit: Elle Starkman / PPPL Office of Communications

Program nedělá přesné předpovědi omylem. „Hong naučil program základnímu principu, který příroda používá k určení dynamiky fyzického systému,“ řekl Joshua Burby, fyzik z Národní laboratoře Los Alamos DOE, který dokončil doktorát. v Princetonu pod Qinovým mentorováním. “Výhodou je, že se síť učí zákonům planetárního pohybu poté, co viděla jen velmi málo příkladů tréninku.” Jinými slovy, jeho kód se skutečně „učí“ zákony fyziky. “

Strojové učení umožňuje počítačové programy, jako je Google Translate. Překladač Google vyhledává širokou škálu informací, aby určil, kolikrát bylo slovo v jednom jazyce přeloženo do slova v jiném jazyce. To umožňuje programu vytvořit přesný překlad, aniž by se skutečně učil kterýkoli jazyk.

Tento proces se objevuje také ve filozofických myšlenkových experimentech, jako je Čínská místnost Johna Searleho. V tomto scénáři by člověk, který neumí čínsky, mohl „přeložit“ čínskou větu do angličtiny nebo jiného jazyka pomocí souboru pokynů nebo pravidel, které by nahradily porozumění. Myšlenkový experiment vyvolává otázky o tom, co to v podstatě znamená vůbec něčemu porozumět, a zda pochopení znamená, že se v hlavě děje něco jiného, ​​než dodržování pravidel.

Qin byl částečně inspirován filozofickým myšlenkovým experimentem oxfordského filozofa Nicka Bostroma, že vesmír je počítačová simulace. Pokud by to byla pravda, měly by základní fyzikální zákony odhalit, že vesmír je tvořen samostatnými částmi časoprostoru, jako jsou pixely ve videohře. „Pokud žijeme v simulaci, náš svět musí být diskrétní,“ řekl Qin. Technika černé skříňky vyvinutá Qinem nevyžaduje, aby fyzici doslova věřili simulační domněnce, i když staví na této myšlence vytvořit program, který umožňuje přesné fyzické předpovědi.

Výsledný pixelový pohled na svět, podobný tomu, který je zobrazen ve filmu Maticeje známá jako teorie diskrétního pole, která považuje vesmír za složený z jednotlivých bitů a liší se od teorií, které lidé obvykle vytvářejí. Zatímco vědci obvykle vyvíjejí zastřešující koncepty chování fyzického světa, počítače jednoduše sestavují soubor datových bodů.

Qin a Eric Palmerduca, postgraduální student v Univerzita Princeton Program fyziky plazmatu v současné době vyvíjí způsoby, jak pomocí diskrétních teorií pole předpovědět chování plazmatických částic ve fúzních experimentech prováděných vědci z celého světa. Nejběžnější fúzní zařízení jsou tokamaky ve tvaru koblihy, které uzavírají plazmu do silných magnetických polí.

Fúze, síla, která pohání slunce a hvězdy, kombinuje prvky světla ve formě plazmy – horký, nabitý stav hmoty tvořený volnými elektrony a atomovými jádry, který tvoří 99% viditelného vesmíru – a vytváří obrovské množství energie. Vědci se snaží replikovat fúzi na Zemi, aby dosáhli prakticky nevyčerpatelné dodávky elektřiny k výrobě elektřiny.

„V zařízení pro magnetickou fúzi je dynamika plazmatu složitá a vícevrstvá a efektivní řídící zákony nebo výpočetní modely pro konkrétní fyzický proces, o který se zajímáme, nejsou vždy jasné,“ řekl Qin. „V těchto scénářích můžeme použít techniku ​​strojového učení, kterou jsem vyvinul, k vytvoření teorie diskrétního pole, a poté použít tuto teorii diskrétního pole k pochopení a předpovědi nových experimentálních pozorování.“

Tento proces vyvolává otázky o povaze samotné vědy. Nechtějí vědci namísto pouhého sběru dat vyvinout fyzické teorie, které vysvětlují svět? Nejsou teorie základní pro fyziku a nutné k vysvětlení a pochopení jevů?

„Tvrdil bych, že konečným cílem každého vědce je předpověď,“ řekl Qin. “Možná nebudete potřebovat zákon.” Například pokud dokážu dokonale předpovědět oběžnou dráhu planety, nepotřebuji znát Newtonovy zákony gravitace a pohybu. Dalo by se namítnout, že díky tomu byste pochopili méně, než kdybyste znali Newtonovy zákony. V jistém smyslu je to správné. Z praktického hlediska však přesné předpovědi neznamenají nic menšího. “

Strojové učení by také mohlo otevřít příležitosti pro další výzkum. „Výrazně to rozšiřuje rozsah problémů, se kterými se můžete vypořádat, protože pro začátek potřebujete pouze data,“ řekl Palmerduca.

Tato technika by také mohla vést k vývoji tradiční fyzikální teorie. „I když tato metoda v jistém smyslu vylučuje potřebu takové teorie, lze ji také považovat za cestu k jedné,“ řekl Palmerduca. “Když se snažíte odvodit teorii, chcete, aby bylo k dispozici co nejvíce dat.” Když získáte data, můžete pomocí strojového učení vyplnit mezery v těchto datech nebo jinak rozšířit datovou sadu. “

Odkaz: „Strojové učení a obsluha diskrétních polních teorií“, Hong Qin, 9. listopadu 2020, Vědecké zprávy.
DOI: 10.1038 / s41598-020-76301-0

Related articles

Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Share article

Latest articles

Vědci navrhují vzorky tekutých krystalů s vlastním pohonem

Nový výzkum ukazuje, že pohyb tekutých krystalů lze použít k nasměrování vývoje autonomních materiálů, které dokáží snímat vstupy, zesilovat signály a dokonce vypočítávat informace....

Činnosti v rizikových kruzích mozku mohou předpovídat změny cen akcií

Podle Společnost pro neurovědy 8. března 2021 Celý mozek potvrzuje, že aktivita v predikovaných oblastech předpovídá směr a skloňování ceny akcií. Nahoře, směr ceny akcií:...

Nenásytná poptávka po konopí vytváří obrovskou uhlíkovou stopu

Emise skleníkových plynů z životního cyklu pěstování konopí modelované v USA po celém světě Uznání: Hailey Summers / Colorado State University Vědci z Colorado State...

Hubble objevil nádhernou hvězdnou školku

po Evropská kosmická agentura / Hubble 8. března 2021 AFGL 5180, školka krásných hvězd v souhvězdí Blíženců (Gemini), byla zachycena Hubbleovým kosmickým dalekohledem. Poděkování: ESA /...

Biologové a matematici z MIT odhalují, jak se vajíčka tak zvětšují

Zasunuté ošetřovatelské buňky ovocných mušek vytlačují jejich obsah do velké vaječné buňky. Uznání: Jasmine Imran Elsus Růst vajec závisí na fyzikálních jevech, které brání...

Newsletter

Subscribe to stay updated.