“AI 물리학 자”가 아인슈타인을 능가 할 수 있습니까?
MIT의 인공 지능 시스템은 신비 세계에서 물리 법칙을 도출 할 수 있습니다.
출처 : geralt / pixabay
물리학은 중요한 과학 분야입니다. 그것은 자연 과학의 다른 분야에 영향을 미치는 원리를 가진 근본적인 과학입니다. 물질, 에너지, 운동 및 힘의 본질 및 특성을 설명합니다. 물리학의 법칙은 현실과 관련이 있으며 일상 생활에서 사용되는 제품과 서비스에 적용됩니다. 자동차, 항공기, 스마트 폰, 헤드폰, 놀이터에서의 톱에 이르기까지 물리학 법칙은 우리의 삶의 방식에 영향을 미칩니다. 최근 매사추세츠 공과 대학 (MIT)의 한 연구팀은 인공 지능 (AI) 시스템을 만들어 수세기 전에 물리학 자의 휴리스틱을 배치하여 복잡한 가상 세계에서 물리 법칙을 도출했습니다. 물리학자를 배우는 기계가 인간의 물리학 자보다 우리 세계의 자연 법칙을 더 잘 이해할 수 있습니까?
응용 물리학은 광학, 에너지, 전자, 레이저, 라이더, 컴퓨팅, 자기 공명 영상, 음파 탐지기, 레이더, 반도체, 재료 과학, 전자기 추진 및 우주 탐사에서 혁신을 가져 왔습니다. 학제 간 물리학에는 신경 물리학, 정신 물리학, 음향학, 나노 기술, 생물 물리학, 천체 물리학 및 전자 생물학이 포함됩니다. 물리학의 돌파구는 실제 상업 기회를 제공합니다.
Tailin Wu와 Max Tegmark의 MIT 연구팀은 물리학 자들이 일반적으로 사용하는 4 가지 전략 인 분할 및 정복, Occam의 면도, 통일 및 AI Physicist 알고리즘 개발에 대한 평생 학습을 통합했습니다.
여러 물리학 자들은 양자 역학, 일반 상대성 이론, 뉴턴의 우주 만유 이론, 빅뱅, M 이론, 초정수 이론, 거대한 통일 이론, BCS 이론, 블로흐 이론과 같은 자연 현상과 우주를 설명하기위한 이론을 우리에게 제공했습니다. 몇 가지 예를 들자면 Wu와 Tegmark는 하나의 큰 모델을 모든 데이터에 적용하는 표준 방법보다는 이론 학습과 가공에 중점을 둔 혁신적인 접근법을 사용했습니다.
우 (Wu)와 테그 마크 (Tegmark)는 복잡한 관측으로부터 개별 이론을 찾기 위해 분단 및 정복 전략을 도입했습니다. 이 알고리즘은 전체 데이터의 일부를 설명하는 여러 이론을 습득합니다. 각 이론은 더 나은 수행 이론을 위해 더 큰 그라디언트에 보답함으로써 알고리즘 적으로 각 영역에 특화되도록 권장됩니다.
- 그것이 흐르게하십시오
- 새로운 AI 방법으로 Coveted NeurIPS 상 수상
- 범죄자는 무엇입니까?
- 시각적 정보를 두뇌가 여과하는 방법에 대한 새로운 발견
- 도둑질 (영화)과 인간의 소중함
Occam의 면도기는 여러 가지 가설을 제시 할 때 가정의 양이 가장 적은 것이 올바른 것일 수있는 문제 해결 방식입니다. 즉, 설명이 간단할수록 좋다. Occam의 면도기는 알고리즘에서 전체 설명 길이를 수학적으로 최소화하여 통합되었습니다. 특히 Solomonoff의 추론 이론은 Hutter의 인공 지능에 대한 AIXI 접근 방식과 관련이 있습니다.
우 (Wu)와 테그 마크 (Tegmark)는 통일에 관한 전략적 개념을 사용하여 학습 된 이론을 통일한다는 목표로 구체적인 매개 변수를 도입했습니다. 그것은 다양한 이론 사이의 근본적인 유사점을 찾아내는 것과 하나의 포괄적 인 이론으로 그것들을 모으는 것입니다. 원하는 목표는 이론의 연속체를 생성 할 수있는 마스터 이론을 갖는 것입니다.
팀은 지식이 축적되고 과거 경험을 보존 할 수 있도록 평생 학습 개념을 아키텍처에 포함 시켰습니다. 이 모델은 학습 된 솔루션을 기억하고 미래의 문제를 테스트합니다.
“인공 지능 물리학 자 (AI Physicist)”라는 이름의 결과로 만들어진 감독되지 않은 기계 학습 에이전트는 고조파 모션, 탄성 바운스, 중력 및 전자기력의 무작위 조합이있는 시뮬레이션 된 세계에서 점점 더 복잡한 물리 환경에서 테스트되었습니다.
팀은 한 위치에서 다른 위치로 다양한 자연 법칙을 가진 40 개의 “신비한”세계를 만들었습니다. 실험에서 AI 물리학자를 테스트하는 것 외에도 Wu와 Tegmark는 과거의 사례에 노출되지 않은 “기준”에이전트와 “신생아”AI Physicist를 보유 했으므로 평생 학습 전략은 아무런 영향을 미치지 않았습니다. 신생아와 AI 물리학 자 모두 40 가지 미스터리 세계의 90 % 이상을 해결할 수있는 능력을 보여주었습니다. 팀은 인간 과학자와 마찬가지로 평생 학습 전략을 통해 AI 물리학자가 새로운 환경에서 더 적은 데이터로 더 나은 성과를 거두고 더 빨리 학습 할 수 있음을 발견했습니다.
모든 과학 분야에서 물리학은 틀림없이 인공 지능을 적용하는 데 가장 좋은 것 중 하나입니다. 우주는 본질적으로 복잡하고 감독되지 않은 기계 학습의 패턴 인식 기능을 활용하면 잠재적으로 몇 가지 새로운 통찰력을 발견 할 수 있습니다. Wu와 Tegmark는 “복잡한 학습 된 신경망을 단순화하는 기술을 향상”하고자합니다. 미래의 감독되지 않은 기계 학습 에이전트의 속도와 정확성을 향상시키기 위해 AI Physicist의 미래 모델 아키텍처를 더욱 단순화하고 단순화 할 계획입니다.
연구원에 따르면 AI Physicist는 “일반적으로 더 빨리 학습하고 비교 가능한 복잡성의 표준 피드 포워드 신경망보다 약 10 배 정도 작은 평균 제곱 예측 오차를 산출합니다.”
인공 지능 Physicist는 결국 인간의 물리학 자보다 우리 세계의 자연 법칙을 더 잘 이해할 수 있습니까? 시간이 지남에 따라이 공간을보십시오.
Copyright © 2018 Cami Rosso 모든 권리 보유.
참고 문헌
우, 테일 린, 테그 마크, 맥스. “감독되지 않는 학습을위한 AI 물리학자를 향하여” arXiv : 1810.10525. 2018 년 11 월 6 일. https://arxiv.org/pdf/1810.10525.pdf에서 12-19-2018을 가져 왔습니다.