Нов изкуствен интелект вижда прости правила там, където хората виждат единствено хаос

Нов изкуствен интелект, разработен от американски експерти, изучава еволюцията на системите във времето и свежда хиляди променливи до компактни и прости уравнения, които точно описват поведението на системите в реални условия. Методът може да намери приложение във физиката, инженерството, науката за климата и биологията. А за учените той може да бъде инструмент за изследване на системи, за които традиционните уравнения са недостъпни или твърде сложни.

Това, което отличава новия подход, е способността му да се справя с комплексни системи, чиято сложност далеч надхвърля човешките възможности. ИИ може да се справи с нелинейни системи, включващи стотици или дори хиляди взаимодействащи си променливи, и да ги сведе до по-прости правила с много по-малко измерения.

„Научните открития винаги са зависели от намирането на опростени представяния на сложни процеси“, казва Боюан Чен, директор на Лабораторията по обща роботика и доцент в катедрата по машинно инженерство и материалознание на фамилията Дикинсън в университета Дюк. – Все по-често разполагаме с необработени данни, необходими за разбирането на сложните системи, но ни липсват инструменти, които да превърнат тази информация в опростени правила, на които разчитат учените. Преодоляването на тази празнина е от решаващо значение.“

Класически пример за опростяване е изчисляването на траекторията на оръдейно гюле. Тя зависи от много фактори, включително началната скорост и ъгъла, съпротивлението на въздуха, променливите условия на вятъра и дори температурата на околната среда. В опростен вид обаче тя може да бъде описана с просто линейно уравнение, което отчита само скоростта и ъгъла.

Преди почти един век математикът Бернард Купман показва, че сложните нелинейни системи могат да бъдат представени математически с помощта на линейни модели. Представянето на твърде сложни системи с помощта на линейни модели обаче често изисква съставянето на стотици или дори хиляди уравнения, всяко от които включва различна променлива. Новата платформа за ИИ се базира на идеята на Купман и има потенциала да реши този проблем, пише Science Daily.

Техниката, предложена от учените от университета Дюк, анализира данните от времевите редове от експериментите и идентифицира най-значимите модели на промяна в системата. Тя съчетава дълбоко обучение с вдъхновени от физиката ограничения, за да стесни системата до много по-малък набор от променливи, които все пак отразяват основното ѝ поведение. Резултатът е компактен модел, който се държи математически като линейна система, като същевременно остава верен на сложността на реалния свят.

За да изпробват подхода, изследователите го прилагат към широк спектър от системи – от осцилационното движение на махало до нелинейното поведение на електрическите вериги. Въпреки голямото разнообразие на тези системи, изкуственият интелект последователно разкрива малък брой скрити променливи, които определят тяхното поведение.

В много случаи получените модели са над 10 пъти по-компактни от тези, генерирани от ранните методи за машинно обучение, като същевременно осигуряват надеждни дългосрочни прогнози.

Освен това методът не се ограничава само до прогнозиране. Той може да идентифицира стабилните състояния, известни като атрактори, в които системата естествено се стабилизира с течение на времето. Разпознаването на тези състояния е от решаващо значение за определяне на това какво се случва със системата: дали тя работи нормално, дали бавно се колебае или се приближава към нестабилност.