Nauczyliśmy komputer, jak działa wszechświat. To problem
Gdy sztuczna inteligencja patrzy w kosmos, to widzi więcej - ale czasem widzi za dużo. I za bardzo chce się przypodobać.
Kosmologia od lat opiera się na gigantycznych symulacjach, które mają pomóc zrozumieć, jak powstały galaktyki, skąd bierze się ciemna materia i dlaczego Wszechświat rozszerza się w takim tempie. To praca żmudna, kosztowna i wymagająca mocy obliczeniowej. Nic dziwnego, że naukowcy coraz częściej sięgają po AI, by przyspieszyć badania.
Ale najnowsze wyniki pokazują, że sztuczna inteligencja może być jednocześnie błogosławieństwem i przekleństwem. Z jednej strony potrafi błyskawicznie analizować kosmiczne symulacje. Z drugiej - zaczyna myśleć jak fizycy, a to oznacza, że przejmuje także ich… uprzedzenia. Takie wnioski płyną z pracy opublikowanej w JCAP.
Czytaj też:
Transfer learning: AI uczy się kosmosu jak student przed sesją
Zespół badaczy z Flatiron Institute, Princeton University i innych ośrodków postanowił sprawdzić, czy AI może szybciej uczyć się fizyki, jeśli najpierw „przerobi” podstawy - czyli standardowy model kosmologiczny ΛCDM. Czyli jakby student najpierw przeczytał podręcznik do fizyki dla licealistów, a dopiero potem zabrał się za teorię strun.
Ta metoda nazywa się transfer learningiem. Najpierw sieć neuronowa uczy się na prostszych symulacjach, a potem dostaje trudniejsze zadania: modele z masywnymi neutrinami, zmienną ciemną energią czy zmodyfikowaną grawitacją. Dzięki temu naukowcy mogą ograniczyć liczbę kosztownych symulacji nawet ponad dziesięciokrotnie. Brzmi świetnie? No właśnie - tylko brzmi.
Problem pojawia się wtedy, gdy nowe zjawiska kosmologiczne wyglądają podobnie do tych, które AI poznała wcześniej. Wtedy sieć… myli jedno z drugim. To zjawisko nazwano negatywnym transferem.
Przykład? Efekty wywołane przez masywne neutrina mogą wyglądać podobnie do zmian w parametrze σ₈, opisującym, jak silnie materia we Wszechświecie skupia się w struktury. AI, nauczona wcześniej standardowego modelu, zaczyna interpretować nowe dane tak, jakby były tylko wariacją tego, co już zna. W efekcie przestaje dostrzegać ślady nowej fizyki.
Kosmos jest zbyt skomplikowany, by AI mogła iść na skróty
Badacze podkreślają, że błędy AI wynikają z degeneracji fizycznych - sytuacji, w których różne zjawiska dają podobne efekty obserwacyjne. To problem, z którym od lat zmagają się ludzie. Teraz okazuje się, że AI dziedziczy te same ograniczenia. To ważna lekcja: jeśli chcemy, by sztuczna inteligencja odkrywała nową fizykę to musimy rozumieć, co i przede wszystkim jak się w niej zapisuje. W przeciwnym razie AI będzie tylko powielać nasze błędy - tyle że szybciej.
Można to też ująć inaczej, w pewnym uproszczeniu: aby AI mogła odkrywać nowe prawa fizyki to czasem musi… oduczyć się starych. Jeśli sieć zbyt mocno przywiąże się do standardowego modelu to zacznie widzieć go wszędzie - nawet tam, gdzie dane sugerują coś zupełnie innego. Naukowcy sugerują, że przyszłe modele będą musiały być trenowane bardziej elastycznie, z kontrolowanym „zapominaniem”, aby uniknąć negatywnego transferu.
AI w kosmologii to narzędzie, które już dziś zmienia sposób, w jaki badamy Wszechświat. Ale najnowsze badania pokazują, że sztuczna inteligencja - podobnie jak człowiek - może wpaść w pułapkę własnych przyzwyczajeń. Jeśli chcemy, by odkryła nową fizykę, musimy nauczyć ją… myśleć inaczej. I to jest chyba najbardziej ludzkie, co można powiedzieć o AI.
Lubi oglądać się zarówno za siebie – wspominając przełomowe dokonania w informatyce – jak i przed siebie, będąc nieustannie ciekawym tego, co będzie dalej. Jego zainteresowania to przede wszystkim software: UI/UX, algorytmy, uczenie maszynowe, chmura czy sztuczna inteligencja. Nic dziwnego, że jako specjalizację obrał sobie pilnowanie firmy Microsoft. Uwielbia też sztukę gier i kina, przez co wyrósł na pasjonata sprzętu RTV – a i o technologii wspomnianych gier i filmów ma wiele ciekawego do opowiedzenia. Jego pierwsza obecność w mediach dotyczyła muzyki – współtworzył Overkill.pl. Ciąg dalszy jego rozwoju dotyczył już tylko nowych technologii. Zanim dołączył do zespołu Spider’s Web przez lata współtworzył CHIP.pl i Magazyn CHIP.