Штучний інтелект пояснює фізику віртуальних світів як справжній вчений

The Digital Artist/Tag Hartman-Simkins

Фізики Массачусетського технологічного інституту Макс Тегмарк і Тайлін Ву створили серію симульованих світів задля дослідження можливостей штучного інтелекту.

Альберт А.І.-nstein

Однією з серйозних проблем для розробників штучного інтелекту є створення системи, яка може інтерпретувати і розуміти світ навколо неї - просто подивіться, як довго це потрібно для створення автономних автомобілів.

Щоб дослідити цю проблему, фізики Массачусетського технологічного інституту Макс Тегмарк і Тайлін Ву створили серію симульованих світів, в яких м'яч відскочив через райони, піддані гравітаційним і електричних полів, відповідно до огляду технологій MIT. Вони передавали ці дані в індивідуальну систему штучного інтелекту і доручили їй з'ясувати фізику цих віртуальних світів.

В кінці кінців, згідно з дослідженням, опублікованим на сервері preprint ArXiv минулого тижня, вони отримали алгоритм, який може дізнатися про навколишнє середовище, використовуючи трюки, подібні науковим методам.

AI-saac Ньютон

Більшість алгоритмів машинного навчання мають тенденцію осмислювати дані, на яких вони проходять навчання, за допомогою широких, всеосяжних правил і припущень.

Цей новий «ШІ фізик», як його називали Тегмарк і Ву, може розділяти те, що йому повідомили дані навчання. Це перевагу для простоти дає фізику штучного інтелекту здатність створювати різні теорії про фізичному середовищі, вільно засновані на різних областях фізики. Це означає, що він може дізнатися, як працюють, наприклад, як механіка, так і електромагнетизм.

Річард F-AI-nman

Можливо, як запропонував MIT Technology Review, такі інструменти, як фізик ІІ, могли б допомогти прийняти деякі аспекти наукових досліджень. Системи машинного навчання процвітають в пошуку закономірностей і прогнозуванні, і вони найбільш корисні при пошуку більшої кількості даних і пошуку більш неясних кореляцій, ніж будь-коли міг би людина.

За допомогою алгоритму, який може спростити і спростити свої висновки, на відміну від цифрової маркування Оккама, дослідні лабораторії за всіма видами науки можуть незабаром виявити нові відкриття, які люди могли б ігнорувати протягом багатьох років.

Джерела: Огляд технологій MIT