قدم الباحثون بيانات الذكاء الاصطناعي من التجارب الفيزيائية التي تتضمن أنظمة تستخدم حركة تشبه حركة البندول لمعرفة ما إذا كان بإمكانها استخلاص القوانين الأساسية للفيزياء.الائتمان: ستيفلين / جيتي

معظم الذكاء الاصطناعي يمكن لنماذج الذكاء الاصطناعي أن تحدد بشكل موثوق الأنماط في البيانات وتقوم بالتنبؤات، ولكنها تواجه صعوبة في استخدام تلك البيانات للتوصل إلى مفاهيم علمية واسعة، مثل قوانين الجاذبية. الآن، قام فريق في الصين بتطوير نظام يسمى AI-Newton والذي، بعد تغذيته بالبيانات التجريبية، يمكنه “اكتشاف” مبادئ الفيزياء الأساسية بشكل مستقل، مثل قانون نيوتن الثاني الذي يصف تأثير القوة والكتلة على التسارع.

يقول يان تشينغ ما، عالم الفيزياء بجامعة بكين في بكين، الذي ساعد في تطوير النظام، إن هذا النموذج يحاكي العملية العلمية البشرية، من خلال بناء قاعدة معرفية تدريجية من المفاهيم والقوانين. ويضيف ما أن القدرة على تحديد المفاهيم المفيدة تعني أن النظام يمكنه اكتشاف الرؤى العلمية دون برمجة بشرية مسبقة.

يوضح كيون فافا، عالم الكمبيوتر في جامعة هارفارد في كامبريدج، ماساتشوستس، أن الذكاء الاصطناعي-نيوتن يستخدم نهجًا يسمى الانحدار الرمزي، حيث يبحث النموذج عن أفضل معادلة رياضية لتمثيل الظواهر الفيزيائية. هذه التقنية هي طريقة واعدة ل الاكتشاف العلميويضيف، لأن النظام مبرمج بطريقة تشجعه على استنتاج المفاهيم.

استخدم فريق جامعة بكين جهاز محاكاة لتوليد بيانات من 46 تجربة فيزيائية¹والتي تنطوي على الحركة الحرة للكرات والينابيع، والاصطدامات بين الأشياء وسلوك الأنظمة التي تظهر الاهتزازات والتذبذبات والحركة الشبيهة بالبندول. أدخل جهاز المحاكاة أيضًا أخطاء إحصائية عمدًا لتقليد بيانات العالم الحقيقي.

على سبيل المثال، أُعطي آي-نيوتن بيانات عن موضع الكرة في وقت معين، وطُلب منه التوصل إلى معادلة رياضية تشرح العلاقة بين متغيري الزمن والموضع. وكانت قادرة على توفير معادلة للسرعة.

وقد قام بتخزين هذه المعرفة لمجموعة المهام التالية، والتي نجح فيها في استخلاص كتلة الكرة باستخدام قانون نيوتن الثاني. ولم تتم مراجعة النتائج بعد من قبل النظراء.

سبق أن استخدم العلماء نماذج الذكاء الاصطناعي للتنبؤ بمدارات الكواكب. وفي عام 2019، طور الباحثون في المعهد الفيدرالي السويسري للتكنولوجيا (ETH) في زيورخ “منظمة العفو الدولية كوبرنيكوس’, شبكة عصبية تستخدم الملاحظات الأرضية لاستخلاص صيغ لمسارات الكواكب. في هذه الحالة، كان مطلوبًا من البشر تفسير المعادلات وفهم كيفية ارتباطها بحركة الكواكب حول الشمس.

وقد جرب فافا وزملاؤه في معهد ماساتشوستس للتكنولوجيا في كامبريدج تجربة مماثلة مع العديد من النماذج الأساسية، وهو نوع من نماذج الذكاء الاصطناعي تم تدريبه على مجموعات ضخمة من البيانات، بما في ذلك نماذج لغوية كبيرة مثل GPT وClaude وLlama.

وقاموا بتدريب النماذج على التنبؤ بمواقع الكواكب عبر الأنظمة الشمسية، ثم طلبوا منهم التنبؤ بالقوى التي تحكم مسارات الكواكب. في طبعة ما قبل الطباعة²أظهر الباحثون أنه عندما تم تدريب النماذج على المسارات المدارية، لم يتمكنوا من استخدام المعرفة للقيام بأي مهمة أخرى غير التنبؤ بمسارات الكواكب. عند محاولة تحويل بيانات المسار المداري إلى قانون حول كيفية تصرف القوى، استنتجت نماذج الذكاء الاصطناعي الأساسية قانونًا لا معنى له للجاذبية.