موفقیت خیره‌کننده اولین هوش مصنوعی در شبیه‌سازی جهان

گروهی از پژوهشگران پیش‌گام موفق شدند اولین هوش مصنوعی شبیه‌ساز جهان را بسازند. این هوش مصنوعی بسیار دقیق و سریع است و حتی خالقان هوش مصنوعی از قابلیت‌های درک کیهانی او انگشت‌به‌دهان ماندند. دانشمندان چندین دهه است با استفاده از شبیه‌سازهای کامپیوتری به‌دنبال کشف منشأ و تکامل جهان با استفاده از روش مهندسی معکوس دیجیتال هستند. مهندسی معکوس (Reverse-Engineer) فرایند حل مسئله‌ای است که به‌جای آنکه از پرسش آغاز شود، از پاسخ آغاز می‌شود. کاربرد اصلی مهندسی معکوس در یکی از این دو مورد است: ۱. وقتی جواب سؤالی را می‌دانیم؛ اما نمی‌دانیم این جواب مربوط‌به چه سؤالی است؛ ۲. وقتی سؤال و جواب را می‌دانیم؛ اما نمی‌دانیم مسیر و فرایند رسیدن به این جواب چه بوده است. معمولا هدف مهندسی معکوس، استخراج دانش یا طراحی نهفته در هر محصول است.

بهترین روش‌های سنّتی در شبیه‌سازی جهان با استفاده از تکنولوژی مدرن چند دقیقه طول می‌کشد و نتایج رضایت‌بخشی تولید می‌کند. افزون‌براین، نخستین هوش مصنوعی شبیه‌ساز جهان می‌تواند نتایج بسیار دقیقی را فقط در کمتر از یک میلی‌ثانیه تولید کند.

این تیم تحقیقاتی گزارش می‌دهد:

با استفاده از این شبیه‌ساز، موفق شدیم شبکه‌ی عصبی عمیقی برای پیش‌بینی شکل‌گیری ساختار جهان ایجاد کنیم. دستیابی به چنین موفقیتی، روش تقریبی و سریع مبتنی‌بر تحلیل سنّتی را بهبود بخشیده و تا دامنه‌ای فراتر از داده‌های آموزش‌داده‌شده قابلیت استنتاج‌کردن نیز دارد.

مبالغه نیست اگر بگوییم این هوش مصنوعی می‌تواند کارهایی انجام دهد که سازندگانش آن را برای این کارها به‌وجود نیاوردند. شبیه‌سازی تکامل جهان در شرایط مختلف گرانشی، تولید نتایج بسیار دقیق برای متغیرهایی است که پیش‌ازآن برای چنین کاری آموزش داده نشده بود. برای نمونه، گزارش مقدار ماده‌تاریک در جهان، یکی از پارامترهای خاصی است که این شبیه‌ساز هوش مصنوعی انجام داده و دانشمندان را شگفت‌زده کرده است.

این تیم تحقیقاتی هرگز سیستمی به‌نام Deep Density Displacement Model که به‌اختصار D3M خوانده می‌شود، برای گزارش مقدار ماده‌تاریک در جهان به هوش مصنوعی آموزش نداده بود. باوجوداین، این هوش مصنوعی به‌طورتوضیح‌ناپذیری می‌تواند ارزش‌ها و متغیرهایی که تا‌به‌حال برای آن آموزش ندیده، براساس نتیجه‌گیری و استنتاجی تغییر دهد که قبلا در آموزش‌ها تجربه کرده است.

شیرلی هو، یکی از دانشمندان این تیم تحقیقاتی، به Phys.Org گفت:

عملکرد و قابلیت پیش‌بینی‌ناپذیر این هوش مصنوعی درست مانند این است که نرم‌افزار تشخیص و شناسایی عکس را برای شناسایی سگ‌ها و گربه‌ها آموزش دهید و خود این نرم‌افزار بتواند پس از آموزش، فیل‌ها را نیز در تصاویر شناسایی کند. هیچ‌کس هنوز نمی‌داند که این هوش مصنوعی چطور می‌تواند آموزش‌های قبلی خود را تعمیم دهد. این موضوع راز بزرگی است که در‌حال‌تلاش برای پرده‌برداشتن از آن هستیم.

 این شبیه‌ساز به‌غیر از داشتن طبیعت پیش‌بینی‌ناپذیر هوش مصنوعی جعبه‌سیاه (Black Box AI) و یادگیری عمیق، توانایی بالقوه برای کمک به فیزیک‌دانان و محققان را در حل برخی از مسائل پررمزوراز در حوزه‌ی کیهان دارد.

نتیجه‌ی این تحقیقات به رهبری سویی او، از مؤسسه‌ی Flatiron و دانشگاه کارنگی ملون، با همکاری تیمی از دانشمندان در مقاله‌ای پژوهشی ثبت شده است. همکاران سویی او در این تیم پژوهشی عبارت‌اند از: یین لی، از دانشگاه برکلی و مؤسسه‌ی Kavli، یو فنگ، از دانشگاه برکلی، شیرلی هو، از مؤسسه‌ی Flatiron و دانشگاه کارنگی ملون، وی چن، از مؤسسه‌ی Flatiron؛ سیامک روان‌بخش، از دانشگاه بریتیش‌کلمبیا در ونکوور و بارناباس پوچوس، از دانشگاه کارنگی ملون.