AI yang Bisa Bikin Teori Fisika Baru



TL;DR
  • AI bisa bikin teori fisika dari data rumit.
  • AI pelajari interaksi mikroskopis dari perilaku sistem.
  • AI gunakan bahasa fisika untuk jelaskan teori.
AI yang Bisa Bikin Teori Fisika Baru - credit for: techexplorist - pibitek.biz - ANN

credit for: techexplorist


336-280

pibitek.biz - Fisika menghadapi tantangan untuk memahami bagaimana sifat kolektif muncul dari interaksi di tingkat mikroskopis. Interaksi ini sangat penting untuk hampir semua teori fisika dan biasanya digambarkan dengan istilah matematika dalam tindakan. Cara tradisional adalah dengan menurunkan istilah-istilah ini dari proses dasar dan menggunakan model yang dihasilkan untuk memprediksi perilaku sistem secara keseluruhan.

Tapi, bagaimana kalau kita tidak tahu proses yang mendasarinya?

Apakah mungkin untuk membalik pendekatan dan mengetahui tindakan mikroskopis dengan mengamati sistem secara keseluruhan?

Penciptaan teori baru dalam fisika selalu berkaitan dengan tokoh-tokoh terkenal seperti Isaac Newton atau Albert Einstein. Banyak hadiah Nobel yang diberikan untuk teori-teori revolusioner di bidang ini. Sekarang, ilmuwan di Forschungszentrum Jülich telah mengembangkan AI yang mampu melakukan hal serupa.

AI ini bisa mengenali pola dalam data yang rumit dan menerjemahkannya menjadi teori fisika yang konsisten. Dalam wawancara di bawah ini, Prof. Moritz Helias dari Institute for Advanced Simulation (IAS-6) Forschungszentrum Jülich menjelaskan konsep "Fisika dari AI" dan bagaimana cara kerjanya berbeda dari pendekatan tradisional.

Fisikawan biasanya mulai dengan mengamati sistem dan kemudian mengusulkan bagaimana komponen-komponennya berinteraksi untuk menjelaskan perilakunya. Mereka menurunkan prediksi dari pengamatan ini, yang kemudian diuji. Misalnya, hukum gravitasi Newton yang bisa memprediksi gerakan benda-benda langit dengan akurat.

Mereka menggunakan metode yang disebut "fisika untuk machine learning" dan menggunakan fisika untuk memahami fungsi AI yang kompleks. Ide baru mereka melibatkan pelatihan jaringan saraf untuk memetakan perilaku kompleks ke sistem yang lebih sederhana. Kemudian, mereka membuat pemetaan terbalik untuk mengembangkan teori baru berdasarkan interaksi yang disederhanakan ini.

Pendekatan ini mirip dengan fisika tradisional, tetapi mereka mengekstrak interaksi dari parameter AI. Fisikawan menganalisis kumpulan data angka tulisan tangan, yang sering digunakan dalam penelitian dengan jaringan saraf. Mereka menyelidiki bagaimana elemen gambar kecil, seperti tepi angka, terbentuk oleh interaksi antara piksel.

Ini membantu mereka memahami bagaimana AI memproses informasi visual. AI memungkinkan mereka untuk menangani perhitungan besar dengan efisien. Meskipun upaya komputasi masih tinggi karena banyaknya interaksi yang mungkin, mereka memparameterkannya dengan efektif.

Saat ini, fisikawan bisa mempelajari sistem dengan sekitar 1.000 komponen yang berinteraksi, tetapi optimisasi lebih lanjut bisa memperluas kemampuan ini. Berbeda dengan banyak AI yang belajar teori implisit dari data, pendekatan mereka mengekstrak dan merumuskan teori yang dipelajari menggunakan bahasa berbasis fisika. Ini membuat teori AI mereka dapat diinterpretasikan dan termasuk dalam "AI yang dapat dijelaskan" dan "Fisika dari AI", yang menjembatani kesenjangan antara proses AI yang kompleks dan teori yang dapat dipahami manusia.