پژوهشگران به جای استفاده از رویکرد فیزیک هوش مصنوعی، با موفقیت تئوری آموخته شده توسط رایانه و زبانی را که برای توضیح تعاملات بین اجزای سیستم استفاده میکند، استخراج کردهاند.
تفاوت این سیستم با سایر مدلهای هوش مصنوعی که قبلاً منتشر شدهاند، نحوه آموزش آن و درک ما از نحوه عملکرد آن است. به طور معمول، مدلهای هوش مصنوعی دادههای مورد استفاده برای آموزش را یاد میگیرند و این یادگیری در پارامترهای سیستم آموزش دیده پنهان است.
به عنوان مثال، قوانین گرانش نیوتن به ما کمک کرده است تا نیروی گرانش را نه تنها روی زمین توضیح دهیم، بلکه به ما کمک کرده تا حرکت سیارات دیگر، ماه و سایر اجرام آسمانی را نیز به طور دقیق پیشبینی کنیم.
به گزارش گزارش برنا؛ دانشمندان مرکز پژوهشی یولیش(Jülich) در آلمان با موفقیت هوش مصنوعی را به گونهای آموزش دادهاند که مانند آلبرت اینشتین و اسحاق نیوتن فکر کند.
سپس تیم تحقیقاتی از این سیستم ساده شده برای ایجاد یک نقشه معکوس با هوش مصنوعی آموزش دیده استفاده کرد. این سیستم با بازگشت از اجزای ساده به اجزای پیچیده، نظریه جدیدی را توسعه داد. این رویکرد مشابه چیزی بود که یک فیزیکدان ممکن است انتخاب کند، با این تفاوت که فعل و انفعالات در پارامترهای تعریف شده توسط هوش مصنوعی قابل خواندن بودند. پژوهشگران این را «هوش مصنوعی فیزیکدان» مینامند.
موریتز هلیاس، پژوهشگر ارشد این مطالعه در بیانیهای مطبوعاتی گفت: از این سیستم میتوان برای ایجاد پلی بین عملکردهای پیچیده هوش مصنوعی و نظریههایی که انسان میتواند درک کند، استفاده کرد.
سیستم جدید چه تفاوتی با سایر مدلهای هوش مصنوعی دارد؟
آموزش هوش مصنوعی فیزیکدان
پژوهشگران قبل از تلاش برای آموزش هوش مصنوعی برای تفکر در مورد فیزیک، از خود فیزیک برای درک عملکرد هوش مصنوعی استفاده میکردند.
دو رویکرد عمده برای تشکیل یک نظریه یا فرضیه جدید وجود دارد. میتوان از قوانین شناخته شده در یک حوزه شروع کرد و فرضیههای جدیدی را از آنها استخراج کرد یا سعی کرد با نظریهای جدید رفتار یک شیء یا یک پدیده جدید را توضیح داد. با این حال بخش دشوار این مسئله، انتخاب رویکرد مناسب برای رسیدن به فرضیه است.
انتهای پیام/