एक “एआई भौतिक विज्ञानी” आउटपरफॉर्म आइंस्टीन कर सकते हैं?
एमआईटी की एआई प्रणाली रहस्य दुनिया में भौतिकी के नियमों को प्राप्त करने में सक्षम है।
स्रोत: गेराल्ट / पिक्साबे
भौतिकी एक महत्वपूर्ण वैज्ञानिक क्षेत्र है – यह सिद्धांतों के साथ एक मौलिक विज्ञान है जो प्राकृतिक विज्ञान की अन्य शाखाओं को प्रभावित करता है। यह पदार्थ, ऊर्जा, गति और बल की प्रकृति और गुणों की व्याख्या करता है। भौतिकी के नियमों में वास्तविक दुनिया की प्रासंगिकता है, और रोजमर्रा के आधुनिक जीवन में उपयोग किए जाने वाले उत्पादों और सेवाओं में तैनात हैं। खेल के मैदान में कार, हवाई जहाज, स्मार्टफोन, हेडफोन से लेकर आरी तक देखने के लिए भौतिकी के नियम हमारे जीने के तरीके को प्रभावित करते हैं। हाल ही में मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी (एमआईटी) के एक शोध दल ने एक कृत्रिम बुद्धिमत्ता (एआई) प्रणाली बनाई जो भौतिकविदों की सदियों पुरानी विरासतों को जटिल, सिम्युलेटेड दुनिया से भौतिकी के नियमों को प्राप्त करने के लिए तैयार करती है। क्या एक मशीन सीखने वाला भौतिक विज्ञानी हमारी दुनिया के प्राकृतिक नियमों को मानव भौतिक विज्ञानी से बेहतर समझ सकता है?
एप्लाइड भौतिकी ने प्रकाशिकी, ऊर्जा, इलेक्ट्रॉनिक्स, लेजर, लिडार, कंप्यूटिंग, चुंबकीय अनुनाद इमेजिंग, सोनार, रडार, अर्धचालक, सामग्री विज्ञान, विद्युत चुम्बकीय प्रणोदन, और अंतरिक्ष अन्वेषण में नवाचार लाया है। अंतःविषय भौतिकी में न्यूरोफिज़िक्स, साइकोफ़िज़िक्स, ध्वनिकी, नैनो टेक्नोलॉजी, बायोफ़िज़िक्स, एस्ट्रोफिज़िक्स और इकोनोफ़िज़िक्स शामिल हैं। भौतिकी में निर्णायक वास्तविक दुनिया के व्यावसायिक अवसर हैं।
टेलिन वू और मैक्स टेगमार्क की एमआईटी अनुसंधान टीम में चार रणनीतियों को शामिल किया गया, जो आमतौर पर भौतिकविदों द्वारा उपयोग की जाती हैं: एआई भौतिक विज्ञानी के लिए उनके एल्गोरिथ्म को विकसित करने में डिवाइड-एंड-कॉनकेयर, ओकाम के रेजर, एकीकरण और आजीवन सीखने।
उम्र भर भौतिकीविदों ने हमें प्राकृतिक घटना और हमारे ब्रह्मांड जैसे क्वांटम यांत्रिकी, सामान्य सापेक्षता, न्यूटन के सार्वभौमिक गुरुत्वाकर्षण के नियम, बिग बैंग, एम-थ्योरी, सुपरस्ट्रिंग सिद्धांत, भव्य एकीकरण सिद्धांत, बीसीएस सिद्धांत, और बलोच सिद्धांत, को समझाने के लिए सिद्धांत प्रदान किए हैं। कुछ नाम है। वू और टेगमार्क ने एक नवीन दृष्टिकोण का उपयोग किया, जो कि मशीन लर्निंग और सिद्धांतों के प्रसंस्करण पर केंद्रित है, बजाय सभी डेटा के एक एकल मॉडल को लागू करने के मानक तरीके के बजाय।
वू और टेगमार्क ने जटिल टिप्पणियों से अलग-अलग सिद्धांतों को खोजने के लिए एक विभाजन और जीत की रणनीति को तैनात किया। एल्गोरिथ्म कई सिद्धांतों को सीखता है जो समग्र डेटा के भाग का वर्णन करता है। प्रत्येक सिद्धांत को बेहतर प्रदर्शन करने वाले सिद्धांतों के लिए बड़े ग्रेडिएंट को पुरस्कृत करके अपने संबंधित डोमेन में विशेषज्ञ के रूप में प्रोत्साहित किया जाता है।
ओकाम का रेजर, जिसे पारसीमोनी के कानून के रूप में भी जाना जाता है, एक समस्या-सुलझाने वाला दृष्टिकोण है जो कई परिकल्पना देते समय, जिस पर कम से कम मान्यताओं की मात्रा अधिक होती है, वह सही होने की अधिक संभावना है। दूसरे शब्दों में, स्पष्टीकरण जितना आसान होगा, उतना ही बेहतर होगा। एल्गोरिथम में गणितीय रूप से कुल विवरण लंबाई को कम करके ओज़म के रेजर को शामिल किया गया था। विशेष रूप से, विधि ने सोलोमनॉफ के सिद्धांत का इस्तेमाल किया, जो हंटर के AIXI दृष्टिकोण से जुड़ा हुआ था जो कृत्रिम सामान्य बुद्धि से जुड़ा था।
एकीकरण की रणनीतिक अवधारणा का उपयोग करके, वू और टेगमार्क ने सीखा सिद्धांतों को एकीकृत करने के लक्ष्य के साथ विशिष्ट मापदंडों को पेश किया। यह विभिन्न सिद्धांतों के बीच मौलिक समानता की पहचान करने और उन्हें एक व्यापक सिद्धांत में एक साथ लाने के बारे में है। वांछित लक्ष्य एक मास्टर सिद्धांत है जो सिद्धांतों की एक निरंतरता उत्पन्न कर सकता है।
टीम ने आजीवन सीखने की अवधारणा को वास्तुकला में शामिल किया ताकि ज्ञान संचित हो और पिछले अनुभव संरक्षित रहें। मॉडल ने समाधानों को याद किया और भविष्य की समस्याओं पर उनका परीक्षण किया।
“एआई फिजिसिस्ट” नाम के परिणामी अप्रकाशित मशीन लर्निंग एजेंट का परीक्षण नकली दुनिया में तेजी से जटिल भौतिकी वातावरण में किया गया, जिसमें हार्मोनिक गति, लोचदार उछाल, गुरुत्वाकर्षण और विद्युत चुंबकत्व के यादृच्छिक संयोजन थे।
टीम ने भौतिकी के प्राकृतिक नियमों के साथ 40 “रहस्य” दुनिया बनाई जो एक स्थान से दूसरे स्थान पर भिन्न थी। प्रयोग में, एआई फिजिसिस्ट के परीक्षण के अलावा, वू और टेगमार्क के पास एक “बेसलाइन” एजेंट था, और एक “नवजात शिशु” एआई भौतिक विज्ञानी है जो पिछले उदाहरणों के संपर्क में नहीं आया है, और इसलिए एक आजीवन सीखने की रणनीति का कोई प्रभाव नहीं पड़ा। दोनों नवजात शिशु और एआई फिजिसिस्ट ने सभी 40 रहस्य दुनिया के 90 प्रतिशत से ऊपर हल करने की क्षमता दिखाई। टीम ने पाया कि मानव वैज्ञानिकों की तरह, एक आजीवन सीखने की रणनीति एआई भौतिक विज्ञानी को बेहतर प्रदर्शन करने और नए वातावरण में कम डेटा के साथ तेजी से सीखने में मदद करती है।
सभी वैज्ञानिक क्षेत्रों में से, कृत्रिम बुद्धि को लागू करने के लिए भौतिकी यकीनन सबसे अच्छे लोगों में से एक है। ब्रह्मांड स्वाभाविक रूप से जटिल है, और अनुपयोगी मशीन सीखने की पैटर्न-मान्यता क्षमताओं का दोहन संभवतः कुछ उपन्यास अंतर्दृष्टि को प्रकट कर सकता है। वू और टेगमार्क ने “जटिल सीखा तंत्रिका जाल को सरल बनाने के लिए तकनीकों में सुधार करना चाहते हैं।” वे भविष्य के अनपराकृत मशीन सीखने वाले एजेंटों की गति और सटीकता दोनों को बेहतर बनाने के लिए एआई भौतिक विज्ञानी के भविष्य के मॉडल आर्किटेक्चर को और कम करने और सरल बनाने की योजना बनाते हैं।
शोधकर्ताओं के अनुसार, AI फिजिसिस्ट “आमतौर पर तेजी से सीखते हैं और तुलनीय जटिलता के एक मानक फीडफॉर्वर्ड न्यूरल नेट की तुलना में एक अरब गुना छोटे के बारे में मतलब-चुकता भविष्यवाणी त्रुटियों का उत्पादन करते हैं।”
क्या एआई भौतिक विज्ञानी अंततः मानव भौतिक विज्ञानी की तुलना में हमारी दुनिया के प्राकृतिक नियमों को समझने के लिए विकसित हो सकते हैं? समय के साथ इस स्थान को देखें।
कॉपीराइट © 2018 कैमी रोसो सभी अधिकार सुरक्षित।
संदर्भ
वू, टेलिन, टेगमार्क, मैक्स। “अनसुप्रोस्ड लर्निंग के लिए एआई फिजिसिस्ट की ओर।” arXiv : 1810.10525 6 नवंबर, 2018. https://arxiv.org/pdf/1810.10525.pdf से 12-19-2018 को लिया गया।
