Изкуствен интелект реши проблем от времето на Нютон

Бъди най-интересния човек, когото познаваш

Ивайло Красимиров

Изчисленията необходими, за да се предскаже как три небесни тела обикалят едно около друго, озадачават физиците още от времето на сър Исак Нютон. Сега изкуственият интелект (A.I.) показа, че може да реши проблема за частица от времето, необходимо при предишните подходи.

Нютон е първият, който формулира проблема през 17-ти век, но намирането на прост начин за решаването му се оказа невероятно трудно. Гравитационните взаимодействия между три небесни обекта като планети, звезди и луни, водят до хаотична система – такава, която е сложна и силно чувствителна към изходните позиции на всяко тяло.

Настоящите подходи за решаване на тези проблеми включват използване на софтуер, който може да отнеме седмици или дори месеци за завършване на изчисленията. Затова изследователи решили да видят дали невронна мрежа – вид модел, базиран на A.I. който слабо имитира работата на мозъка – би могла да се справи по-добре.

Алгоритъмът, който те изграждат, предоставя точни решения до 100 милиона пъти по-бързи от най-модерната софтуерна програма, известна като Brutus. Това би могло да се окаже безценно за астрономите, които се опитват да разберат неща, като поведението на звездни клъстери и по-широката еволюция на Вселената, казва Крис Фоли, био-статистик в Кембриджкия университет и съавтор на статията.

„Тази невронна мрежа, ако върши добра работа, би трябвало да може да ни осигури решения в безпрецедентни времеви рамки“, казва той пред Live Science. „Така че можем да започнем да мислим за постигане на напредък с много по-дълбоки въпроси, като например как се образуват гравитационните вълни“.

Невронните мрежи трябва да бъдат обучени чрез подаване на данни, преди да могат да правят прогнозите си. Така че изследователите е трябвало да генерират 9 900 опростени сценария с три тела, използвайки Брутус, сегашният лидер в решаването на проблеми с три тела.

След това тестват колко добре нервната мрежа може да предскаже еволюцията на 5000 не проиграни сценарии и откриват, че нейните резултати съответстват точно на тези на Брутус. Програмата, базирана на A.I., обаче решава проблемите средно само за частица от секундата в сравнение с близо 2 минути при досегашните методи с Брутус.

„Причината програми като Брутус да са толкова бавни е, че решават проблема с груба сила“, казва Фоли, „извършвайки изчисления за всяка малка стъпка от траекториите на небесните тела. Невронната мрежа, от друга страна, просто разглежда движенията, които тези изчисления произвеждат и извежда модел, който може да помогне да се предвиди как ще се изпълнят бъдещите сценарии.

Това обаче представлява проблем за мащабирането на системата, продължава Фоли. „Настоящият алгоритъм е доказателство за концепцията и се получи от опростени сценарии, но обучението на по-сложни или дори увеличаването на броя на участващите тела до четири или пет, първо изисква да генерирате данните за Брутус, за което може да бъде нужно изключително време и да излезе много скъпо.

„Има взаимодействие между способността ни да тренираме отлично изпълняваща задачи невронна мрежа и способността ни всъщност да извличаме данни, с които да я тренираме“, казва той. „Значи там е тясно място“.

Един от начините за справяне с този проблем би бил изследователите да създадат общо хранилище от данни, произведени с помощта на програми като Брутус. Но първо това ще изисква създаването на стандартни протоколи, за да се гарантира, че всички данни са в постоянен стандарт и формат, каза Фоли.

Все още има няколко проблема, с които трябва да се работи и с невронната мрежа, казва Фоли. Тя може да работи само за определено време, но не е възможно да се знае предварително колко време ще отнеме даден сценарий, така че алгоритъмът може да се изчерпи, преди проблемът да бъде решен.

Изследователите обаче не предвиждат нервната мрежа да работи изолирано, обяснява Фоли. Те смятат, че най-доброто решение би било програма като Брутус да извърши по-голямата част изчисленията с невронната мрежа, като се вземат само частите от симулацията, които включват по-сложни изчисления, които затормозяват софтуера.
„Създаваме нещо като хибрид“, казва Фоли. „Всеки път, когато Брутус зацикли, вие използвате невронната мрежа и продължавате напред“.

Категории на статиите:
Физика

Коментарите са затворени.

Мегавселена