هوش مصنوعی چطور قوانین ناشناخته فیزیک را کشف کرد؟

 محققان دانشگاه اموری در آتلانتا، ایالات متحده، از یک مدل هوش مصنوعی برای کشف این قوانین بهره بردند. برخلاف کاربردهای رایج هوش مصنوعی که معمولاً در پیش‌بینی یا پردازش اطلاعات دیده می‌شود، این بار این فناوری برای کشف اصول بنیادی رفتار ماده استفاده شد. این اقدام در تاریخ علم بی‌سابقه محسوب می‌شود.

در این پژوهش، توجه به حالتی کمتر شناخته‌شده از ماده، یعنی پلاسما همراه با گردوغبار (Dusty Plasma) معطوف بود. این نوع ماده که شامل گازهای داغ و باردار با ذرات ریز گردوغبار است، رفتارهای بسیار پیچیده‌ای از خود نشان می‌دهد. پژوهشگران با وارد کردن داده‌های مربوط به رفتار این ماده به سیستم هوش مصنوعی، مشاهده کردند که مدل قادر به شناسایی دقیق نیروهای ناشناخته‌ای است که تاکنون شناخته نشده بودند.

هوش مصنوعی: ابزاری برای کشف علوم جدید

یکی از ویژگی‌های برجسته این تحقیق، کاربرد هوش مصنوعی در کشفیات نوین فیزیک است. دکتر جاستین بارتون، یکی از پژوهشگران این پروژه و استاد دانشگاه اموری، بیان کرد: «این تحقیق نشان داد که هوش مصنوعی می‌تواند به‌عنوان ابزاری برای اکتشافات علمی استفاده شود. رویکرد ما صرفاً یک سیستم جعبه سیاه نیست؛ کاملاً می‌دانیم که چرا و چگونه این مدل عمل می‌کند. چارچوبی که ارائه داده‌ایم، جهانی است و می‌تواند در حوزه‌های مختلفی به کار برود.»

او تأیید کرد که این روش می‌تواند برای تحلیل سیستم‌های پیچیده چندذره‌ای، به‌ویژه در زمینه‌هایی مثل زیست‌شناسی سلولی و همچنین مواد صنعتی، مفید باشد و مسیرهای جدیدی را برای کشف علمی ایجاد کند.

مراحل آموزش سیستم هوش مصنوعی

این پژوهش از مطالعه ماده "پلاسما همراه با گردوغبار" آغاز شد؛ ماده‌ای که در زیست‌بوم‌های مختلف مانند حلقه‌های زحل، سطح ماه و حتی دود حاصل از آتش‌سوزی در جنگل‌های زمین یافت می‌شود. نیروهای درون این ماده، به دلیل رفتارهای غیرمنتظره، بسیار دشوار برای تعریف و درک بوده‌اند. برای بررسی این موضوع، دانشمندان یک سیستم تصویربرداری سه‌بعدی دقیق ایجاد کرده و حرکت هزاران ذره پلاستیکی را با کمک دوربین‌های پرسرعت ثبت کردند.

این داده‌های بسیار دقیق به یک شبکه عصبی ویژه داده شدند. جالب است که برخلاف بسیاری از مدل‌های هوش مصنوعی، این سیستم نیازی به حجم عظیمی از اطلاعات نداشت. درعوض، با مجموعه‌ای کوچک اما غنی از داده‌ها آموزش داده شد. در ساختار این مدل، قوانین اولیه فیزیک همچون جاذبه و نیروی مقاومت لحاظ شده بودند.

توصیف دقیق نیروها: دستاوردی نوین

این شبکه عصبی پیشرفته مسیرهای حرکتی ذرات را در سه بخش مختلف تحلیل کرد: نیروهای مرتبط با سرعت، اثرات محیطی همچون گرانش و نیروهای بین‌ذره‌ای. نتیجه تحلیل‌ها نشان داد که این سامانه توانسته با دقتی بیش از ۹۹ درصد، رفتار نیروهای ناشناخته را توصیف کند. یکی از یافته‌های خاص این بود که زمانی که ذره‌ای پیشتاز حرکت می‌کرد، ذره دنباله‌رو به سمتی نزدیک می‌شد، ولی در یک لحظه، این دنباله‌رو نیروی دفعی بر پیشتاز اعمال می‌کرد. این نوع تعامل که تاکنون به‌طور کامل ناشناخته بود، به‌دقت مدل‌سازی شد.

تصحیح مفروضات نادرست

این تحقیق نه تنها به دستاوردهای جدیدی رسید، بلکه توانست برخی فرضیات غلط و اشتباه را که در گذشته در مورد فیزیک پلاسما مطرح بودند، اصلاح کند. برای مثال، به‌طور سنتی تصور می‌شد که بار الکتریکی یک ذره به‌طور خطی با اندازه آن افزایش می‌یابد. اما یافته‌ها نشان داد که عوامل دیگری همچون دما و چگالی محیط اطراف ذرات نیز تأثیرگذار هستند. حتی نظریه کاهش نیروی بین ذرات با افزایش فاصله نیز به چالش کشیده شد.

ابداعی بزرگ با امکانات ساده

شاید باورکردنی نباشد، ولی تمامی این تحقیقات تنها با یک رایانه رومیزی معمولی اجرا شدند. نتایج این کار نشان داد که هوش مصنوعی قادر است نه‌تنها در تجزیه داده‌ها، بلکه در کشف رازهای طبیعت و ارائه چارچوب‌های علمی جدید نیز ایفای نقش کند.

دکتر ایلیا نمن‌من، نویسنده اصلی این پژوهش، در پایان این یافته‌ها را الهام‌بخش یاد کرد و گفت: «با تمام صحبت‌هایی که درباره نقش هوش مصنوعی در علم می‌شود، مثال‌های کمی وجود دارد که در آن واقعاً یک یافته علمی جدید توسط هوش مصنوعی کشف شده باشد. امیدوارم این تحقیق الهام‌بخش باشد و دیگر پژوهشگران را به استفاده از هوش مصنوعی در علوم مختلف ترغیب کند.»