Vědci z New York University Abu Dhabi (NYUAD) prokázali, že umělá inteligence dokáže nezávisle znovu objevit základní zákony částicové fyziky, a to i bez předchozího školení. Výsledky publikované v časopise Journal of High Energy Physics ukazují, že jednoduché algoritmy strojového učení mohou extrahovat stejné organizační principy, na jejichž objevování vědci strávili desetiletí.
AI rekonstruuje standardní model
Studie poskytla systému AI nezpracovaná experimentální data získaná z experimentů částicové fyziky prováděných v 50. a 60. letech 20. století. Umělá inteligence neměla předchozí znalosti o standardním modelu (SM), obecně přijímané struktuře, která klasifikuje všechny známé základní částice a síly. Navzdory tomu úspěšně identifikoval klíčové vlastnosti SM, včetně:
- Zachování kvantových čísel: Umělá inteligence nezávisle objevila baryonové číslo, isospin, podivnost, kouzlo a krásu – základní vlastnosti, které určují interakce částic.
- Osmidílná cesta: AI replikovala vlivné klasifikační schéma Murraye Gell-Manna, které předpovídalo existenci kvarků před jejich experimentálním potvrzením.
- Reggeho trajektorie: Systém odhalil vzorce mezi hmotností částic a jejich rotací, které se shodují s experimentálními pozorováními, opět bez jakéhokoli náznaku potřeby hledat tato spojení.
Proč je to důležité
Schopnost umělé inteligence rekonstruovat základní principy fyziky z nezpracovaných dat je významná, protože samotný standardní model je monumentálním úspěchem. Jeho vytvoření vyžadovalo desetiletí teoretického vhledu, experimentování a matematických inovací. Skutečnost, že relativně jednoduchá umělá inteligence může dospět ke stejným závěrům, naznačuje, že tato technologie by mohla urychlit vědecké objevy.
Důsledky tohoto přístupu jsou široké:
- Rozpoznávání vzorů: Umělá inteligence dokáže skenovat obrovské soubory dat a hledat vzory, které by mohly uniknout lidské pozornosti.
- Nová fyzika: Systém dokáže odhalit dříve nerozpoznané struktury směřující k fyzice mimo standardní model.
- Nástroj pro validaci: Umělá inteligence může sloužit jako nezávislá metoda pro testování existujících teorií, čímž se zvyšuje důvěra v zavedené znalosti.
Metodika a výsledky
Tým NYUAD používal standardní metody strojového učení bez dozoru: analýzu hlavních komponent, t-distribuované stochastické vkládání sousedů a shlukovací algoritmy. AI nebyla vybavena předchozími teoretickými znalostmi matematických nástrojů používaných v té době. To znamená, že vzory, které objevil, byly odvozeny pouze ze základní struktury experimentálních dat.
“Skutečnost, že se jedná o relativně standardní nástroje strojového učení, činí hloubku fyzických struktur, které odhalili, ještě významnější.”
Výzkum odráží podobné výsledky v chemii, kde AI již dříve rekonstruovala periodickou tabulku prvků z dat o atomovém prostředí. To hovoří o obecné schopnosti umělé inteligence získávat vědecké poznatky z hrubých pozorování napříč obory.
Aktuální problémy a budoucí směry
Výzkumný tým plánuje prozkoumat, zda umělá inteligence dokáže předpovědět existenci kvarků jako stavebních kamenů hadronů a odvodit symetrie měřidel z kvantové teorie pole. Konečným cílem je jít nad rámec reprodukce známých fyzikálních zákonů a odhalit zcela nové částice nebo skryté symetrie.
NYU Abu Dhabi uprostřed regionální nestability
Zveřejnění této studie se shoduje s dočasným uzavřením kampusu NYU Abu Dhabi z důvodu pokračujícího regionálního geopolitického napětí, včetně konfliktu mezi Íránem a Izraelem. Navzdory výpadkům univerzita pokračuje ve výzkumné práci na dálku. Studie byla dokončena před uzavřením a podtrhuje pokračující závazek instituce k vědeckému pokroku v SAE.
Závěr: Schopnost umělé inteligence samostatně znovu objevovat základní fyzikální zákony znamená rozhodující krok k využití strojového učení jako mocného nástroje pro vědecký výzkum. Tento průlom otevírá možnost získat nové poznatky o vesmíru, které mohou zůstat lidským výzkumníkům skryty.
