Čini se da prva simulacija svemira umjetne inteligencije djeluje poput prave - i gotovo je tajanstvena.
Istraživači su prijavili novu simulaciju 24. lipnja u časopisu Proceedings of the National Academy of Sciences. Cilj je bio stvoriti virtualnu verziju kosmosa kako bi simulirali različite uvjete za početak svemira, ali znanstvenici se također nadaju da će proučiti vlastitu simulaciju kako bi shvatili zašto to tako dobro funkcionira.
"To je poput podučavanja softvera za prepoznavanje slike s puno slika mačaka i pasa, ali tada je u stanju prepoznati slonove", napisala je koautorica studije Shirley Ho, teorijska astrofizičarka iz Centra za računsku astrofiziku u New Yorku. izjava. "Nitko ne zna kako se to radi i velika je misterija koja se treba riješiti."
Simulacija svemira
S obzirom na ogromnu starost i razmjere svemira, razumijevanje njegova stvaranja je zastrašujući izazov. Jedan alat u alatnom okviru astrofizičara je računalno modeliranje. Tradicionalni modeli zahtijevaju mnogo računalne snage i vremena, jer će astrofizičari možda trebati pokrenuti tisuće simulacija, ugađati različite parametre, kako bi odredili koji je najvjerojatniji scenarij u stvarnom svijetu.
Ho i njezini kolege stvorili su duboku neuronsku mrežu kako bi ubrzali proces. Označeno modelom izmještanja duboke gustoće, ili D ^ 3M, ova je neuronska mreža dizajnirana da prepozna zajedničke značajke u podacima i "nauči" s vremenom manipulirati tim podacima. U slučaju D ^ 3M, istraživači su uložili 8000 simulacija iz tradicionalnog računalnog modela svemira visoke točnosti. Nakon što je D ^ 3M naučio kako te simulacije funkcioniraju, istraživači su postavili potpuno novu, nikad viđenu simulaciju virtualnog svemira u obliku kocke, veličine 600 milijuna svjetlosnih godina. (Stvarni promatrajući svemir je širok oko 93 milijarde svjetlosnih godina.)
Neuronska mreža bila je u stanju pokrenuti simulacije u ovom novom svemiru baš kao što je imala i u 8000 simulacijskih podataka koje je koristila za trening. Simulacije su bile usredotočene na ulogu gravitacije u nastajanju svemira. Iznenađujuće, rekao je Ho, bilo je da kada su istraživači mijenjali potpuno nove parametre, poput količine tamne materije u virtualnom svemiru, D ^ 3M je još uvijek bio u mogućnosti nositi se sa simulacijama - usprkos tome što nikada nisu bili obučeni kako postupati sa tamnom materijom varijacije.
Računala i kozmologija
Ova je značajka D ^ 3M misterija, rekao je Ho, i simulaciju čini intrigantnom i za računarstvo i za kosmologiju.
"Možemo biti zanimljivo igralište koje stroj za učenje može koristiti kako bi vidio zašto se ovaj model tako dobro ekstrapolira, zašto se ekstrapolira na slonove umjesto da samo prepoznaju mačke i pse", rekla je. "To je dvosmjerna ulica između znanosti i dubokog učenja."
Ovaj bi model mogao uštedjeti vrijeme istraživačima koje zanima univerzalno podrijetlo. Nova neuronska mreža mogla bi dovršiti simulacije u 30 milisekundi, u usporedbi s nekoliko minuta za najbržu metodu simulacije ne-umjetne inteligencije. Mreža je također imala stupanj pogreške od 2,8% u usporedbi s 9,3% za postojeći najbrži model. (Te se stope pogreške uspoređuju sa zlatnim standardom točnosti, modelom koji za svaku simulaciju zahtijeva stotine sati.)
Istraživači sada planiraju mijenjati druge parametre u novoj neurološkoj mreži, ispitujući kako čimbenici poput hidrodinamike ili kretanja fluida i plinova mogu oblikovati stvaranje svemira.
