В 1918 году американский химик Ирвинг Ленгмюр опубликовал статью, в которой исследовал поведение молекул газа, прилипающих к твердой поверхности. Руководствуясь результатами тщательных экспериментов, а также своей теорией о том, что в твердых телах существуют дискретные участки для заполнения молекулами газа, он разработал ряд уравнений, описывающих, сколько газа будет прилипать при заданном давлении.
Теперь, около ста лет спустя, «ученый ИИ», разработанный исследователями из IBM Research, Samsung AI и Университета Мэриленда, округ Балтимор (UMBC), воспроизвел ключевую часть работы Ленгмюра, получившей Нобелевскую премию. Система — искусственный интеллект (ИИ), действующий как ученый, — также заново открыла третий закон движения планет Кеплера, который может рассчитать время, необходимое одному космическому объекту для обращения вокруг другого, учитывая расстояние, разделяющее их, и дала хорошее приближение к релятивистскому времени Эйнштейна. -закон замедления, который показывает, что время замедляется для быстро движущихся объектов.
Статья с описанием результатов опубликована в Nature Communications 12 апреля.
Инструмент машинного обучения, который рассуждает
Новый ИИ-ученый, которого исследователи окрестили «ИИ-Декартом», присоединяется к таким, как ИИ Фейнмана и другим недавно разработанным вычислительным инструментам, целью которых является ускорение научных открытий. В основе этих систем лежит концепция символической регрессии, которая находит уравнения, соответствующие данным. Используя базовые операторы, такие как сложение, умножение и деление, системы могут генерировать от сотен до миллионов возможных уравнений в поисках тех, которые наиболее точно описывают отношения в данных.
AI-Descartes предлагает несколько преимуществ по сравнению с другими системами, но его наиболее отличительной чертой является способность логически рассуждать, говорит Кристина Корнелио, научный сотрудник Samsung AI в Кембридже, Англия, которая является первым автором статьи. Если есть несколько уравнений-кандидатов, которые хорошо соответствуют данным, система определяет, какие уравнения лучше всего соответствуют базовой научной теории. Способность рассуждать также отличает систему от программ «генеративного ИИ», таких как ChatGPT, чья большая языковая модель имеет ограниченные логические навыки и иногда искажает базовую математику.
«В нашей работе мы объединяем подход, основанный на первых принципах, который веками использовался учеными для вывода новых формул из существующих базовых теорий, с подходом, основанным на данных, который более распространен в эпоху машинного обучения», — говорит Корнелио. . «Эта комбинация позволяет нам использовать преимущества обоих подходов и создавать более точные и содержательные модели для широкого спектра приложений».
Имя AI-Декарт — дань уважения математику и философу XVII века Рене Декарту, который утверждал, что мир природы можно описать несколькими фундаментальными физическими законами и что логическая дедукция играет ключевую роль в научных открытиях.
Подходит для реальных данных
Система особенно хорошо работает с зашумленными реальными данными, которые могут сбить с толку традиционные программы символической регрессии, которые могут игнорировать реальный сигнал в попытке найти формулы, которые охватывают каждый ошибочный зигзаг данных. Он также хорошо обрабатывает небольшие наборы данных, даже находя надежные уравнения при подаче всего десяти точек данных.
Одним из факторов, который может замедлить внедрение такого инструмента, как ИИ-Декарт, для передовой науки, является необходимость идентифицировать и кодировать связанную с ней фоновую теорию для открытых научных вопросов. Команда работает над созданием новых наборов данных, содержащих как данные реальных измерений, так и связанную с ними фоновую теорию, чтобы усовершенствовать свою систему и протестировать ее на новой местности.
Они также хотели бы в конечном итоге научить компьютеры читать научные статьи и самостоятельно строить базовую теорию.
«В этой работе нам нужны были люди-эксперты, чтобы записать в формальных, машиночитаемых терминах, каковы аксиомы фоновой теории, и если человек пропустит какую-либо из них или сделает что-то неправильно, система не будет работать. — говорит соавтор Тайлер Джозефсон, доцент кафедры химической, биохимической и экологической инженерии UMBC. «В будущем, — говорит он, — мы хотели бы автоматизировать и эту часть работы, чтобы мы могли исследовать многие другие области науки и техники».
Эта цель побуждает Джозефсона к исследованиям инструментов ИИ для развития химической инженерии.
В конечном счете, команда надеется, что их ИИ-Декарт, как и реальный человек, может вдохновить на новый продуктивный подход к науке. «Одним из самых захватывающих аспектов нашей работы является возможность добиться значительных успехов в научных исследованиях», — говорит Корнелио.
