На краю известного: сможет ли ИИ открыть новую физику
Искусственный интеллект становится важным инструментом изучения Вселенной: нейросети помогают ученым анализировать большие объемы данных и находить скрытые закономерности. Недавнее исследование показало, что трансферное обучение может ускорить поиск неизвестных физических явлений и сократить затраты на сложные симуляции. Однако избыток накопленных знаний иногда мешает ИИ обнаруживать новую физику. О том, как ученые ищут баланс между опытом и способностью алгоритмов к открытиям, — в материале «Известий».
Как ИИ помогает искать новые законы
Современная космология пытается ответить на вопросы, которые до сих пор остаются загадкой для ученых. Для этого исследователи создают сложные компьютерные модели, имитирующие развитие Вселенной при разных условиях. Однако такие расчеты требуют огромных вычислительных ресурсов и могут занимать много времени.
Новое исследование, опубликованное в Journal of Cosmology and Astroparticle Physics, показало, что ускорить этот процесс может искусственный интеллект. Ученые выяснили, что метод трансферного обучения позволяет нейросетям быстрее изучать сложные космологические модели и находить признаки новой физики.
Суть подхода заключается в том, что ИИ не обучают сразу на самых сложных симуляциях. Сначала нейросеть получает базовые знания на более простых моделях, основанных на современной стандартной космологической модели ΛCDM, которая описывает расширение Вселенной и распределение галактик. Затем алгоритм обучают на более сложных вариантах, где могут проявляться неизвестные физические процессы.
Эксперимент показал, что в некоторых случаях трансферное обучение позволяет более чем в десять раз сократить количество дорогостоящих компьютерных симуляций. Это может существенно ускорить поиск новых физических явлений, например, связанных с темной материей, темной энергией, массивными нейтрино или возможными отклонениями от известных законов природы.
По словам заместителя директора по научной работе Института ядерных исследований РАН, члена-корреспондента РАН Григория Рубцова, подобные технологии уже стали полноценным инструментом современной науки.
— То, что массово называется искусственным интеллектом, а в научных исследованиях называется машинным обучением, становится полноценным инструментом, имеющим множество практических применений. Можно говорить, что у ученых в руках есть еще один метод, который значительно дополняет существующие и позволяет повысить точность проводимого анализа, — отметил эксперт.
Однако исследование выявило и важное ограничение нового подхода. Иногда уже полученные знания могут мешать искусственному интеллекту распознавать действительно новые явления. Если неизвестный физический эффект оказывается похож на уже знакомую закономерность, нейросеть может интерпретировать его через старые модели и не заметить принципиально новое открытие.
Этот эффект получил название «негативный перенос». Он похож на ситуацию, когда человек, сталкиваясь с необычным явлением, пытается объяснить его только через уже известный опыт. В исследовании ученые обнаружили такую проблему при анализе моделей с массивными нейтрино: некоторые признаки новых физических процессов оказались похожи на изменения, связанные с параметром σ8 стандартной космологической модели.
Как отметил Григорий Рубцов, проблема закономерна, поскольку поиск новых явлений всегда был одной из самых сложных задач науки.
— Из истории физики известно, что люди также в ряде случаев могут такие явления пропустить. Для ИИ существенно то, что в основе это инструмент, который обучается на тренировочных наборах данных. Простые модели машинного обучения не могут на выходе выдать ничего, кроме того, что было в тренировочных данных. Более сложные обладают вариативностью. Существуют и модели, которые находят еще неизвестные закономерности, но эта задача на многие порядки сложнее, — пояснил он.
Как ИИ меняет научный поиск
Исследование в области космологии показывает более широкую тенденцию. Искусственный интеллект постепенно становится не просто инструментом обработки данных, а помощником ученых в поиске новых знаний. Если сегодня технология помогает быстрее моделировать развитие Вселенной, то завтра аналогичные методы могут ускорить разработку лекарств, создание новых материалов, прогнозирование климатических изменений и решение сложных инженерных задач.
Как пояснил Григорий Рубцов, поскольку многие научные задачи имеют схожую структуру, решения, разработанные для одной области, могут успешно применяться и в другой.
— Указанные методы безусловно востребованы в медицине, промышленности и других отраслях. Задачи очень похожи, поэтому разработки часто переходят из одной области в другую, — рассказал эксперт.
Одним из примеров он называет медицину. Искусственный интеллект уже помогает врачам анализировать медицинские снимки и результаты обследований. Особенно ценными эти технологии становятся при диагностике редких заболеваний, когда накопить большой объем данных для обучения алгоритмов практически невозможно. Аналогичный принцип может использоваться и в других научных дисциплинах, где исследователям приходится искать редкие или малоизученные явления.
Руководитель исследовательского центра в сфере искусственного интеллекта по направлению «Транспорт и логистика» НИЯУ МИФИ Юрий Бородачев в беседе с «Известиями» подчеркнул, что главная ценность ИИ заключается не в том, что он заменяет человека, а в том, что он позволяет исследователям сосредоточиться на действительно сложных задачах.
— Сейчас искусственный интеллект воспринимается скорее как ограниченный, но очень полезный помощник. Он действительно повышает производительность труда, особенно там, где есть понятные алгоритмы и повторяющиеся процессы, — отметил эксперт.
Одно из главных преимуществ нейросетей — способность быстро работать с огромным количеством вариантов.
— Если перед ученым стоит сложная проблема, у которой существуют тысячи возможных вариантов решения, человек может потратить годы только на то, чтобы перебрать основные подходы. А нейросеть может предложить несколько наиболее перспективных вариантов, показать возможные направления поиска», — пояснил Бородачев.
Поэтому влияние подобных технологий выходит далеко за пределы космологии. По мере роста объема научных данных искусственный интеллект становится универсальным инструментом, который помогает исследователям быстрее находить нужную информацию, сопоставлять результаты разных работ и замечать связи, которые человеку было бы сложно обнаружить самостоятельно. В конечном итоге это позволяет ускорить научные открытия, а значит — быстрее внедрять новые технологии, методы лечения и инженерные решения, которые напрямую влияют на качество жизни людей.
Сможет ли ИИ стать главным исследователем космоса
В ближайшие годы роль искусственного интеллекта в космологии может значительно вырасти. Новые телескопы и научные проекты будут собирать беспрецедентные объемы данных, которые невозможно обработать вручную. В этих условиях именно алгоритмы помогут ученым быстрее находить скрытые закономерности, проверять гипотезы и искать признаки новой физики.
По словам Юрия Бородачева, развитие подобных технологий изменит саму работу исследователя.
— Всё больше механической и рутинной работы исследователя будет передаваться искусственному интеллекту. Человек будет больше заниматься формулировкой задач, постановкой экспериментов и анализом полученных результатов, — считает эксперт.
Однако, несмотря на стремительное развитие технологий, специалисты не ожидают, что искусственный интеллект сможет полностью заменить ученого. Григорий Рубцов полагает, что алгоритмы остаются инструментом, а определяющая роль по-прежнему принадлежит человеку.
— Граница проходит там же, где граница между работой столяра и рубанка — в точке соприкосновения руки и рукоятки. Можно предположить, что рубанок будет автоматическим и держать его не нужно, но и в этом случае где-то есть человек, управляющий этой машиной. Человек определяет смысл и содержание работы машины, и так же происходит при автоматизации научных исследований, — пояснил эксперт.
Как подчеркнул Рубцов, искусственный интеллект действительно способен ускорить отдельные открытия, однако сам научный прогресс определяется не только вычислительными возможностями, но и идеями исследователей, а иногда — удачным стечением обстоятельств. Более того, чрезмерное доверие алгоритмам может иметь и обратный эффект.
Развитие искусственного интеллекта поднимает и новые этические вопросы. Если алгоритмы начинают управлять не только цифровыми данными, но и реальными объектами — например, автономным транспортом или роботизированными системами, — возникает вопрос ответственности за принимаемые решения.
По мнению Юрия Бородачева, даже самые совершенные автономные системы должны оставаться подконтрольными человеку.
— Должна существовать условная «красная кнопка», которая позволит остановить систему, если она начинает работать не так, как ожидается, — заключил эксперт.
