Výpočty na ohýbanie mysle vyžadovali, aby sa predpovedalo, ako sa tri nebeské telá obiehajú okolo seba fyzicky od nepamäti Sira Isaaca Newtona. Teraz umelá inteligencia (A.I.) ukázala, že dokáže vyriešiť problém za zlomok času, ktorý vyžadujú predchádzajúce prístupy.
Newton bol prvým, kto tento problém sformuloval v 17. storočí, ale nájdenie jednoduchého spôsobu jeho riešenia sa ukázalo byť neuveriteľne ťažké. Gravitačné interakcie medzi tromi nebeskými objektmi, ako sú planéty, hviezdy a mesiace, majú za následok chaotický systém - taký, ktorý je zložitý a vysoko citlivý na počiatočné polohy každého tela.
Súčasné prístupy k riešeniu týchto problémov zahŕňajú používanie softvéru, ktorý môže trvať týždne alebo dokonca mesiace, kým sa dokončí výpočet. Vedci sa preto rozhodli zistiť, či neurónová sieť - typ vzoru rozpoznávajúceho A.I. to voľne napodobňuje fungovanie mozgu - mohlo by to fungovať lepšie.
Algoritmus, ktorý vytvorili, poskytoval presné riešenia až 100 miliónov krát rýchlejšie ako najmodernejší softvérový program, známy ako Brutus. To by sa mohlo ukázať ako neoceniteľné pre astronómov, ktorí sa snažia porozumieť veciam, ako je chovanie hviezdokopov a širší vývoj vesmíru, povedal Chris Foley, biostatista na univerzite v Cambridge a spoluautor článku do databázy arXiv, ktorý zatiaľ nemá. byť recenzovaný.
„Táto neurónová sieť, ak robí dobrú prácu, by nám mala byť schopná poskytnúť riešenia v bezprecedentnom časovom rámci,“ povedal pre Live Science. „Takže môžeme začať premýšľať o pokroku s oveľa hlbšími otázkami, napríklad ako sa tvoria gravitačné vlny.“
Pred tým, ako neurčité siete dokážu predpovedať, musia byť vyškolení tak, že im budú doručené údaje. Vedci teda museli vygenerovať 9 900 zjednodušených scenárov s tromi telesami pomocou nástroja Brutus, súčasného lídra v riešení problémov s tromi telami.
Potom testovali, ako dobre môže neurónová sieť predpovedať vývoj 5 000 neviditeľných scenárov, a zistili, že jej výsledky úzko zodpovedajú výsledkom Brutusa. Program na báze A.I. však vyriešil problémy v priemere iba zlomok sekundy v porovnaní s takmer 2 minútami.
Programy ako Brutus sú také pomalé, že problém riešia hrubou silou, uviedol Foley, ktorý vykonáva výpočty pre každý malý krok trajektórií nebeských telies. Neurónová sieť sa na druhej strane jednoducho pozerá na pohyby, ktoré tieto výpočty vytvárajú, a odvodzuje vzorec, ktorý môže pomôcť predpovedať, ako budú hrať budúce scenáre.
To však predstavuje problém pri rozširovaní systému, uviedol Foley. Súčasný algoritmus je dôkazom koncepcie a vychádza zo zjednodušených scenárov, ale školenie o zložitejších alebo dokonca zvýšenie počtu zúčastnených orgánov na štyri z piatich si najskôr vyžaduje vygenerovanie údajov o Brutus, čo môže byť extrémne časovo náročné a drahé.
"Existuje súhra medzi našou schopnosťou trénovať fantasticky pôsobiacu neurónovú sieť a našou schopnosťou skutočne odvodiť údaje, pomocou ktorých je možné trénovať," uviedol. "Takže tam je úzky profil."
Jedným zo spôsobov, ako tento problém vyriešiť, by bolo, aby vedci vytvorili spoločné úložisko údajov vytvorených pomocou programov, ako je Brutus. Po prvé, čo by si vyžadovalo vytvorenie štandardných protokolov na zabezpečenie toho, aby údaje boli všetky konzistentným štandardom a formátom, uviedol Foley.
Stále existuje niekoľko problémov, s ktorými sa dá pracovať aj s neurónovou sieťou, uviedol Foley. Môže to bežať iba určitý čas, ale nie je možné vopred vedieť, ako dlho bude trvať konkrétny scenár, aby algoritmu mohlo dôjsť pary, kým sa problém nevyrieši.
Vedci nepredpokladajú, že by nervová sieť pracovala izolovane, uviedol Foley. Myslia si, že najlepším riešením by bolo, keby program ako Brutus urobil väčšinu práce s neurónovou sieťou a prevzal iba tie časti simulácie, ktoré zahŕňajú zložitejšie výpočty, ktoré zabraňujú softvéru.
„Vytvoril si tento hybrid,“ povedal Foley. „Zakaždým, keď Brutus uviazne, zamestnávaš neurónovú sieť a pripravuješ ju vpred. A potom zhodnotíš, či sa Brutus nezastavil.“
