นักวิทยาศาสตร์กำลังค้นพบว่าปัญญาประดิษฐ์สามารถออกแบบการทดลองทางฟิสิกส์ที่ดูแปลกประหลาดอย่างสิ้นเชิงสำหรับนักวิจัยมนุษย์ แต่กลับให้ผลลัพธ์ที่ดีกว่าอย่างมาก การออกแบบที่สร้างโดย AI เหล่านี้กำลังจุดประกายการถกเถียงเกี่ยวกับสิ่งที่เราควรเรียก AI จริงๆ และเราได้เห็นการค้นพบทางวิทยาศาสตร์ที่แท้จริงหรือเป็นเพียงการจับคู่รูปแบบที่ซับซ้อน
การอภิปรายมุ่งเน้นไปที่งานวิจัยล่าสุดที่อัลกอริทึมการปรับปรุงประสิทธิภาพช่วยปรับปรุงเครื่องตรวจจับคลื่นความโน้มถ่วงและการทดลองออปติกส์ควอนตัม ที่ LIGO หอสังเกตการณ์คลื่นความโน้มถ่วงขนาดใหญ่ นักวิจัยใช้ AI เพื่อออกแบบส่วนต่างๆ ของระบบตรวจจับใหม่ ผลลัพธ์ที่ได้นั้นแปลกประหลาดมากจนนักวิทยาศาสตร์เริ่มแรกปฏิเสธว่าไร้สาระ
ข้อมูลจำเพาะของเครื่องตรวจจับคลื่นความโน้มถ่วง LIGO :
- ความยาวแขนของเครื่องตรวจจับ: 2.5 ไมล์ในแต่ละแขน
- ความไว: สามารถตรวจจับการเปลี่ยนแปลงที่เล็กกว่าความกว้างของโปรตอน
- กำหนดเวลาการก่อสร้าง: เริ่มต้นในปี 1994 ตรวจจับครั้งแรกในปี 2015
- การปรับปรุงที่เป็นไปได้ด้วย AI : ความไวดีขึ้น 10-100 เท่า หากใช้การออกแแบบด้วย AI ตั้งแต่เริ่มต้น
 |
|---|
| การสำรวจผลกระทบของ AI ในการออกแบบการทดลองฟิสิกส์ที่มีนวัตกรรม |
ปัญหาการออกแบบที่แปลกแยก
หนึ่งในแง่มุมที่โดดเด่นที่สุดของการทดลองที่สร้างโดย AI เหล่านี้คือความแปลกประหลาดอย่างสิ้นเชิงที่ปรากฏต่อนักวิทยาศาสตร์มนุษย์ การออกแบบขาดความสมมาตรและความสง่างามที่นักฟิสิกส์มักให้ความสำคัญ แต่กลับสร้างการกำหนดค่าที่ซับซ้อนและบิดเบี้ยวที่ดูเหมือนจะสุ่มเกือบหมด สิ่งนี้ได้รับการเปรียบเทียบกับการออกแบบเสาอากาศที่พัฒนาของ NASA จากหลายทศวรรษที่ผ่านมา ซึ่งใช้อัลกอริทึมพันธุกรรมเพื่อสร้างโครงสร้างที่แปลกประหลาดในทำนองเดียวกันแต่มีประสิทธิภาพสูง
ชุมชนชี้ให้เห็นว่านี่ไม่ใช่ดินแดนใหม่ทั้งหมด เทคนิคการปรับปรุงประสิทธิภาพที่คล้ายกันได้ปรับปรุงการออกแบบเสาอากาศ ชิปคอมพิวเตอร์ และส่วนประกอบเชิงกลอย่างเงียบๆ มาเป็นปีแล้ว สิ่งที่แตกต่างในตอนนี้คือขนาดและความสนใจจากสื่อที่การค้นพบของ AI เหล่านี้ได้รับ
 |
|---|
| ภาพถ่ายทางอากาศและเครื่องจักรที่ซับซ้อนของสถานที่ตรวจจับคลื่นความโน้มถ่วง |
การถกเถียงเรื่องคำศัพท์
ส่วนสำคัญของการอภิปรายมุ่งเน้นไปที่ว่าเครื่องมือเหล่านี้ควรเรียกว่า AI เลยหรือไม่ ระบบที่เป็นปัญหาใช้ gradient descent และการปรับปรุงประสิทธิภาพทางโทโพโลยีมากกว่าโมเดลภาษาขนาดใหญ่ที่คนส่วนใหญ่เชื่อมโยงกับปัญญาประดิษฐ์ในปัจจุบัน นักวิจารณ์โต้แย้งว่าการติดป้าย AI ให้กับโปรแกรมปรับปรุงประสิทธิภาพเหล่านี้เป็นการทำให้เข้าใจผิดและอาจขับเคลื่อนโดยการเพิ่มขึ้นของเงินทุนและความสนใจที่มาพร้อมกับป้าย AI
มันเป็นโปรแกรม python ที่ใช้ gradient descent ร่วมกับการปรับปรุงประสิทธิภาพทางโทโพโลยีเพื่อหากราฟขั้นต่ำที่สอดคล้องกับการทดลองควอนตัมเป้าหมายบางอย่าง
ความสับสนในคำศัพท์นี้สะท้อนความกังวลที่กว้างขึ้นเกี่ยวกับการโฆษณาชวนเชื่อ AI ที่บดบังความสำเร็จทางเทคนิคที่แท้จริง เครื่องมือเหล่านี้มีพลังอย่างไม่ต้องสงสัย แต่พวกมันแตกต่างจากแชทบอทและเครื่องมือสร้างภาพที่ครองหัวข้าว AI อย่างพื้นฐาน
เครื่องมือปรับปรุง AI ที่ใช้:
- PyTheus: ใช้ gradient descent ร่วมกับการปรับปรุงแบบโทโพโลยี
- MELVIN: ออกแบบมาสำหรับการทดลองควอนตัมออปติกส์
- การแสดงข้อมูลแบบกราฟ: การทดลองแสดงเป็นกราฟทางคณิตศาสตร์ที่มีโหนดและขอบ
- ภาษาโปรแกรม: Python และ PyTorch
ผลลัพธ์จริงเทียบกับการค้นพบใหม่
ผลกระทบในทางปฏิบัติของการทดลองที่ออกแบบโดย AI เหล่านี้แตกต่างกันอย่างมาก ในบางกรณี AI ค้นพบเทคนิคที่นักวิทยาศาสตร์รัสเซียได้พัฒนาไว้หลายทศวรรษก่อนแล้ว แต่นำมาผสมผสานเข้ากับการออกแบบเชิงปฏิบัติที่นักวิจัยมนุษย์มองข้าม สำหรับการทดลองการพันกันแบบควอนตัม การปรับปรุงประสิทธิภาพ AI สร้างการกำหนดค่าใหม่ที่นักวิจัยจีนทดสอบสำเร็จในปลายปี 2023
อย่างไรก็ตาม นักสงสัยสังเกตว่าความสำเร็จเหล่านี้แม้จะน่าประทับใจ แต่ยังไม่ได้นำไปสู่การค้นพบฟิสิกส์ใหม่ทั้งหมด AI นั้นโดยพื้นฐานแล้วเก่งมากในการหาวิธีแก้ปัญหาที่เหมาะสมที่สุดภายในกฎฟิสิกส์ที่รู้จักแล้วมากกว่าการเปิดเผยปรากฏการณ์ที่ไม่เคยรู้จักมาก่อน บางคนเปรียบเทียบสิ่งนี้กับการมองเห็นรูปแบบในเมฆหรือใบชา - การจับคู่รูปแบบที่น่าประทับใจซึ่งอาจไม่ได้แสดงถึงความเข้าใจทางวิทยาศาสตร์ที่แท้จริง
ผลการทดลองสำคัญ:
- การแลกเปลี่ยนการพันกันเชิงควอนตัม: AI สร้างการกำหนดค่าใหม่ที่ได้รับการทดสอบสำเร็จโดยทีมจีนในเดือนธันวาคม 2023
- เครื่องมือวัดคลื่นแทรกสอด LIGO: AI ค้นพบหลักการทางทฤษฎีของ Russia อีกครั้งและนำมาประยุกต์ใช้ในการออกแบบเชิงปฏิบัติ
- การคำนวณความหนาแน่นของสสารมืด: สูตรของ AI มีประสิทธิภาพเหนือกว่าทฤษฎีที่มนุษย์สร้างขึ้นในการทำนายการกระจายตัวของสสารมืด
 |
|---|
| นักวิทยาศาสตร์ที่กำลังทำการทดลองอย่างพิถีพิถันด้วยเทคโนโลยีเลเซอร์ |
มองไปข้างหน้า
ชุมชนยังคงแบ่งแยกเกี่ยวกับความสำคัญระยะยาวของการพัฒนาเหล่านี้ นักมองโลกในแง่ดีมองว่านี่เป็นจุดเริ่มต้นของการค้นพบทางวิทยาศาสตร์ที่ขับเคลื่อนโดย AI ซึ่งเครื่องจักรอาจเสนอทฤษฎีฟิสิกส์ใหม่ทั้งหมดได้ในที่สุด นักมองโลกในแง่ร้ายมองว่าเป็นการปรับปรุงประสิทธิภาพที่ซับซ้อนแต่มีข้อจำกัดในท้ายที่สุดซึ่งยังคงต้องการการตีความและการตรวจสอบจากมนุษย์
สิ่งที่ชัดเจนคือเครื่องมือเหล่านี้กำลังมีคุณค่าเพิ่มขึ้นสำหรับการออกแบบการทดลอง แม้ว่าพวกมันจะยังไม่ได้ปฏิวัติความเข้าใจของเราเกี่ยวกับฟิสิกส์ ดังที่นักวิจัยคนหนึ่งกล่าวไว้ การมีการออกแบบ AI เหล่านี้ในระหว่างการก่อสร้าง LIGO เดิมอาจปรับปรุงความไวได้ 10 ถึง 100 เท่า - ซึ่งเป็นข้อได้เปรียบเชิงปฏิบัติที่สำคัญโดยไม่คำนึงถึงการจำแนกประเภทของเทคโนโลยีพื้นฐาน
อ้างอิง: AI Comes Up with Bizarre Physics Experiments. But They Work.