Hayır, AI yeni bir fizik türü keşfetmedi

Hayır, AI yeni bir fizik türü keşfetmedi

Bir bilgisayar algoritması fizik hakkında yeni bir şey keşfedebilir mi? Bu büyüleyici bir soru. Konuyla ilgili yeni bir araştırma makalesi, “Bir yapay zeka ‘alternatif’ fiziği yeni icat etmiş olabilir” sansasyonel başlığına ilham verdi.

“Alternatif fizik” terimi kulağa “alternatif gerçekler”e çok benziyor ama yine de araştıralım. Bu bilgisayar programının performansı gerçek bir fizikçinin performansıyla nasıl kıyaslanabilir? Ya da ortalama bir öğrencininki bile?

Newton mekaniği

Isaac Newton eşsiz bir dahiydi. İngiliz bilgesi yalnızca hareket ve yerçekimi çalışmalarını birleştirmekle kalmadı, aynı zamanda onları tanımlayacak matematiksel dili de icat etti. Newton tarafından ortaya konan klasik mekanik kavramları, o zamandan beri icat edilen fiziğin çoğunun temelini oluşturur. Onun kavramları daha sonra 18. yüzyılda istisnai kıta fizikçileri Joseph-Louis Lagrange ve Leonhard Euler tarafından yeni matematiksel dilde yeniden formüle edildi.

Newton’un mekaniği, büyük kütlelere etki eden yön kuvvetlerinin bir analizini gerektirir. Liseye veya üniversiteye giriş fizik dersi aldıysanız, şu sorunları görmüşsünüzdür: eğik düzlemlerdeki kutular, makaralar ve arabalar. Çeşitli yönlere giden oklar çiziyor ve güçleri dengelemeye çalışıyorsunuz. Küçük problemler için iyi çalışıyor. Sorunlar daha karmaşık hale geldikçe, bu yöntem çalışmaya devam eder, ancak acımasızca sıkıcı hale gelir.

Lagrange’ın formülasyonu ile, sistemin doğasının iki yönü tanımlanabiliyorsa, problem sadece kalkülüs kullanılarak çözülebilir. (Evet, “yalnızca” hesap: Türevleri kırmak, okların her konumda değiştiği son derece karmaşık serbest cisim diyagramlarını çözmekten çok daha kolaydır.)

Anlaşılması gereken ilk şey, sistemin enerjisi, yani hareketin (kinetik) enerjisi ve sistemin konfigürasyonu tarafından depolanan (potansiyel) enerjidir. İkinci önemli şey, sistemin hareketi için uygun koordinatları veya değişkenleri seçmektir.

Her Perşembe gelen kutunuza gönderilen mantıksız, şaşırtıcı ve etkili hikayeler için abone olun

Eski moda bir saatteki gibi basit bir sarkaç hayal edin. Sarkaç gövdesi, sallanma hareketinden kaynaklanan bir kinetik enerjiye ve yerçekimi alanındaki konumu (yüksekliği) nedeniyle potansiyel bir enerjiye sahiptir. Sarkaçın konumu tek bir değişkenle tanımlanabilir: dikeye göre açısı. Sarkaç hareketi için Lagrange’ın çözümü daha sonra göreceli kolaylıkla hesaplanabilir.

Mekanikte daha karmaşık problemleri çözmek, sistemi tanımlayabilecek uygun sayıda değişkeni keşfetmeyi gerektirir. Basit durumlarda bu kolaydır; orta derecede karmaşık durumlarda, öğrenci düzeyinde bir alıştırmadır. Son derece karmaşık sistemlerde, bir profesyonelin işi olabilir veya imkansız olabilir. Yapay zeka “fizikçisi” burada devreye giriyor.

AI fizikçisi lisans öğrencileri tarafından dövüldü

Bilgisayar, başka bir sarkaçta asılı duran bir sarkacın problemini analiz edecek şekilde ayarlandı. Bu problem iki değişken (her sarkacın düşeye olan açısı) veya Kartezyen (xy) koordinat sistemi kullanılıyorsa dört değişken gerektirir. Her iki sarkaç gövdesi rijit çubuklar yerine yaylara asılırsa, Kartezyen sistemde altı değişken elde etmek için iki değişken yay uzunluğu eklenir.

Bilgisayardan yukarıdaki problemleri hesaplamak için gereken değişken sayısını belirlemesi istendi. Yapay zeka fizikçisi nasıl yaptı? Harika değil. Sarkaç üzerindeki sert sarkaç için iki cevap verdi: ~7 ve ~4-5. (Doğru cevap 4 değişkendir.) Benzer şekilde çift yaylı sarkaç için ~8 ve ~5-6 hesaplanmıştır. (Doğru cevap 6 değişkendir.) Araştırmacılar daha küçük tahminleri gerçek cevaplara yakın oldukları için övüyorlar.

Ancak makalenin ek materyallerindeki ayrıntılara girdikten sonra sonuç çözülmeye başlar. Bilgisayar aslında 4 değişken ve 6 değişken hesaplamadı. En iyi hesaplamaları 4.71 ve 5.34 idi. Bu cevapların hiçbiri doğru cevaba bile yuvarlanmıyor. Dört değişkenli problem bir orta lisans fizik problemidir, altı değişkenli problem ise daha ileri bir lisans problemidir. Başka bir deyişle, ortalama bir fizik lisans öğrencisi, bu sorunları kavramada yapay zeka fizikçisinden önemli ölçüde daha iyidir.

Yapay zeka fizikçisi göreve hazır değil

Araştırmacılar, programdan yalnızca bilinmeyen sayıda değişkene sahip olmakla kalmayıp, klasik mekaniğin sistemleri tanımlayıp tanımlayamayacağı da belirsiz olan karmaşık sistemleri analiz etmesini istemeye devam ediyor. Örnekler arasında bir lav lambası ve ateş bulunur. Yapay zeka, bu sistemlerdeki küçük değişiklikleri tahmin etmede kabul edilebilir bir iş çıkarıyor. Ayrıca gerekli değişkenlerin sayısını da hesaplar (sırasıyla 7.89 ve 24.70). Bu sorunlara doğru cevaplar bir anlamda “yeni fizik” olacaktır, ancak AI’nın doğru olup olmadığını bilmenin bir yolu yoktur.

Bilinmeyen sistemleri analiz etmek için AI kullanmak güzel bir fikir, ancak AI şu anda kolay cevapları doğru bulamıyor. Bu nedenle, zor olanları doğru yaptığına inanmak için hiçbir nedenimiz yok.