پژوهشگران دانشگاه دوک (Duke University) از توسعه چارچوبی نوین در حوزه هوش مصنوعی خبر دادهاند که قادر است قوانین ساده و قابلفهم پنهان در پس پدیدههای بسیار پیچیده طبیعی و فناورانه را شناسایی کند؛ قوانینی که تاکنون استخراج آنها برای انسان دشوار یا حتی غیرممکن بوده است.
این سامانه با الهام از روش کار «دینامیستها» — دانشمندانی که به مطالعه تغییرات سیستمها در گذر زمان میپردازند — طراحی شده است. همانگونه که نیوتن با معادلات ریاضی رابطه میان نیرو و حرکت را توضیح داد، این هوش مصنوعی نیز دادههای زمانی مربوط به رفتار یک سیستم پیچیده را تحلیل کرده و معادلاتی تولید میکند که بهطور دقیق آن رفتار را توصیف میکنند.
نکته متمایز این رویکرد، توانایی آن در سادهسازی سیستمهای غیرخطی بسیار بزرگ است؛ سیستمهایی که ممکن است شامل صدها یا هزاران متغیر باشند. این چارچوب میتواند چنین پیچیدگیهایی را به مجموعهای کوچک از قواعد و متغیرهای کلیدی کاهش دهد، بدون آنکه دقت مدلسازی از بین برود.
نتایج این پژوهش که در تاریخ ۱۷ دسامبر در نشریه علمی npj Complexity منتشر شده، نشان میدهد این روش در تحلیل سیستمهای گوناگونی مانند الگوهای اقلیمی جهانی، مدارهای الکتریکی، سامانههای مکانیکی و حتی فعالیتهای عصبی مغز عملکرد موفقی داشته است. در آزمایشها، مدلهای بهدستآمده در برخی موارد بیش از ۱۰ برابر سادهتر از مدلهای پیشین یادگیری ماشین بودهاند و در عین حال، پیشبینیهای بلندمدت قابل اعتمادی ارائه دادهاند.
بویوان چن، مدیر آزمایشگاه رباتیک عمومی دانشگاه دوک، در توضیح اهمیت این دستاورد گفت: «پیشرفت علمی همواره بر پایه سادهسازی فرآیندهای پیچیده بنا شده است. امروز دادههای خام فراوانی در اختیار داریم، اما ابزار کافی برای تبدیل آنها به قوانین ساده علمی نداریم. این چارچوب هوش مصنوعی به پر کردن این شکاف کمک میکند.»
این سامانه نهتنها برای پیشبینی رفتار سیستمها کاربرد دارد، بلکه میتواند حالتهای پایدار یا «جاذبها» را نیز شناسایی کند؛ نقاطی که سیستمها در طول زمان به سمت آنها میل میکنند. شناسایی این وضعیتها به پژوهشگران امکان میدهد تشخیص دهند آیا یک سیستم در حالت عادی قرار دارد یا به سمت ناپایداری حرکت میکند.
پژوهشگران تأکید میکنند که هدف این فناوری جایگزینی فیزیک یا نظریههای علمی نیست، بلکه گسترش توانایی انسان در استدلال علمی با استفاده از دادههاست؛ بهویژه در شرایطی که قوانین فیزیکی ناشناخته، پنهان یا بسیار پیچیدهاند.
در گامهای بعدی، تیم تحقیقاتی قصد دارد از این چارچوب برای هدایت بهتر طراحی آزمایشها و همچنین تحلیل دادههای پیچیدهتری مانند ویدئو، صوت و سیگنالهای زیستی استفاده کند. این پژوهش بخشی از تلاش بلندمدت برای توسعه «دانشمندان ماشینی» است؛ سامانههایی که میتوانند به کشف خودکار قوانین بنیادین حاکم بر جهان فیزیکی و سامانههای زنده کمک کنند.
کد خبر ۲۱۲۰۴۱۰۰۱.۰۰۴
منبع: سایتک دیلی
