دانشمندان مرکز پژوهشی یولیش در آلمان با موفقیت یک هوشی مصنوعی آموزش داده‌اند که مانند آلبرت اینشتین یا آیزاک نیوتن فکر می‌کند. مدل با این نوع یادگیری می‌تواند الگوهایی را در مجموعه داده‌های پیچیده تشخیص دهد و نظریه‌های فیزیکی درباره آن‌ها بسازد.
بزرگانی مانند اینشتین و نیوتن با نظریاتی که از آزمون زمان سربلند عبور کرده‌اند و آزمایش‌ها و نظریه‌های دیگری که برپایه آن‌ها شکل گرفتند، در تاریخ ماندگار شده‌اند. این نظریه‌ها علاوه بر مشاهدات خود آن‌ها پدیده‌های دیگری را نیز که در دنیا اطراف ما جریان دارند توضیح می‌دهند. اما یک هوش مصنوعی چگونه می‌تواند به تفکری مشابه برسد؟
دو روش کلی برای ایجاد یک نظریه یا فرضیه جدید وجود دارد. می‌توان از اصول و معادلات شناخته‌شده یک حوزه برای استخراج فرضیه‌های جدید استفاده کرد. یا می‌توان برای توضیح رفتار یک شیء یا پدیده جدید از یک نظریه جدید استفاده کرد. اما بخش مشکل این است که از روشی درست برای ایجاد فرضیه استفاده شود.
دانشمندان به‌جای آن که هوش مصنوعی را برای تفکر درباره داده‌های فیزیکی آموزش دهند، از فیزیک برای فهم چگونگی کار هوش مصنوعی استفاده کرده‌اند. پژوهشگران یولیش از یک شبکه عصبی برای ترسیم رفتارهای پیچیده در یک سیستم ساده‌تر طراحی کردند. هوش مصنوعی این وظیفه را با ساده‌سازی روابط بین اجزاء سیستم انجام می‌داد.
سپس پژوهشگران از سیستم ساده‌سازی‌شده برای ساخت یک ترسیم معکوس با هوش مصنوعی آموزش‌دیده استفاده کردند. وقتی این سیستم از اجزاء ساده به اجزاء پیچیده می‌رسید، نظریه‌ای جدید توسعه می‌داد. این رویکرد رویکرد مشابه چیزی است که فیزیکدانان انجام می‌دهند، با این تفاوت که اندرکنش‌ها تنها در پارامترهایی که هوش مصنوعی تعریف می‌کرد قابل‌خواندن هستند.
به‌عبارت دیگر، با این روش، آن‌ها اندرکنش‌های قاعده‌مند میان بخش‌های مختلف یک سیستم عملکرد سیستم را توضیح می‌دهند. این مشابه کاری است که علم فیزیک انجام می‌دهد. به همین دلیل، این نوع مدل‌ها را «فیزیک هوش مصنوعی» می‌نامند.
منبع: دیجیاتو
بزرگانی مانند اینشتین و نیوتن با نظریاتی که از آزمون زمان سربلند عبور کرده‌اند و آزمایش‌ها و نظریه‌های دیگری که برپایه آن‌ها شکل گرفتند، در تاریخ ماندگار شده‌اند. این نظریه‌ها علاوه بر مشاهدات خود آن‌ها پدیده‌های دیگری را نیز که در دنیا اطراف ما جریان دارند توضیح می‌دهند. اما یک هوش مصنوعی چگونه می‌تواند به تفکری مشابه برسد؟
دو روش کلی برای ایجاد یک نظریه یا فرضیه جدید وجود دارد. می‌توان از اصول و معادلات شناخته‌شده یک حوزه برای استخراج فرضیه‌های جدید استفاده کرد. یا می‌توان برای توضیح رفتار یک شیء یا پدیده جدید از یک نظریه جدید استفاده کرد. اما بخش مشکل این است که از روشی درست برای ایجاد فرضیه استفاده شود.
دانشمندان به‌جای آن که هوش مصنوعی را برای تفکر درباره داده‌های فیزیکی آموزش دهند، از فیزیک برای فهم چگونگی کار هوش مصنوعی استفاده کرده‌اند. پژوهشگران یولیش از یک شبکه عصبی برای ترسیم رفتارهای پیچیده در یک سیستم ساده‌تر طراحی کردند. هوش مصنوعی این وظیفه را با ساده‌سازی روابط بین اجزاء سیستم انجام می‌داد.
سپس پژوهشگران از سیستم ساده‌سازی‌شده برای ساخت یک ترسیم معکوس با هوش مصنوعی آموزش‌دیده استفاده کردند. وقتی این سیستم از اجزاء ساده به اجزاء پیچیده می‌رسید، نظریه‌ای جدید توسعه می‌داد. این رویکرد رویکرد مشابه چیزی است که فیزیکدانان انجام می‌دهند، با این تفاوت که اندرکنش‌ها تنها در پارامترهایی که هوش مصنوعی تعریف می‌کرد قابل‌خواندن هستند.
به‌عبارت دیگر، با این روش، آن‌ها اندرکنش‌های قاعده‌مند میان بخش‌های مختلف یک سیستم عملکرد سیستم را توضیح می‌دهند. این مشابه کاری است که علم فیزیک انجام می‌دهد. به همین دلیل، این نوع مدل‌ها را «فیزیک هوش مصنوعی» می‌نامند.
منبع: دیجیاتو