L’intelligence artificielle découvre de nouvelles variables physiques !

Un outil d’intelligence artificielle a examiné des systèmes physiques et, sans surprise, a trouvé de nouvelles façons de décrire ce qu’il a trouvé.

Comment donnons-nous un sens à l’univers ? Il n’y a pas de manuel. Il n’y a pas d’ordonnance.

À la base, la physique nous aide à comprendre les relations entre les variables observables, ce sont des choses que nous pouvons mesurer. Vitesse, énergie, masse, position, angles, température, charge. Certaines variables comme l’accélération peuvent être réduites à des variables plus fondamentales. Ce sont toutes des variables de la physique qui façonnent notre compréhension du monde.

Ces variables sont liées entre elles par des équations.

L’équation la plus célèbre d’Albert Einstein, E = mc²résume la relation entre les variables énergie (E) et la masse (m), en utilisant le constant: la vitesse de la lumière (c). En fait, toute la théorie très compliquée de la relativité restreinte d’Einstein peut être réduite à des relations entre trois variables : l’énergie, la masse et la vitesse.

Il n’y a rien de sacré dans notre choix de variable. Les variables et les mathématiques que nous choisissons ont résisté à l’épreuve du temps comme étant celles qui ont du sens pour une théorie ou un système physique donné.

Mais que se passerait-il si nous devions trouver d’autres variables physiques pour résoudre les mêmes problèmes ? Cela ne changerait ni le problème ni la solution. Mais cela pourrait nous donner de nouvelles perspectives sur le fonctionnement interne de l’univers et accélérer les découvertes scientifiques.

Lire la suite: L’apprentissage automatique identifie l’origine de la météorite martienne la plus célèbre pour atterrir sur Terre

Maintenant, un outil d’intelligence artificielle (IA) développé à l’Université de Columbia à New York a fait exactement cela. Les résultats des expériences sont publiés dans Science computationnelle de la nature.

Les roboticiens de Columbia Engineering ont développé un programme d’IA pour examiner les données vidéo brutes et rechercher l’ensemble minimal de variables fondamentales qui décrivent pleinement la dynamique physique observée du système, le balancement d’un pendule.

Pour tester leur IA, l’équipe a d’abord montré à l’outil des vidéos d’un phénomène dont ils connaissaient déjà la réponse.

La double pendule peut être décrite avec exactement quatre variables d’état l’angle et la vitesse angulaire de chacun des deux bras. Après avoir regardé les vidéos pendant quelques heures, l’IA a donné sa réponse pour le nombre de variables dans le système : 4,7.

Nous pensions que cette réponse était suffisamment proche, déclare l’auteur principal Hod Lipson, directeur du Creative Machines Lab du département de génie mécanique de l’université de Columbia. D’autant plus que toute l’IA avait accès à des séquences vidéo brutes, sans aucune connaissance en physique ou en géométrie. Mais nous voulions savoir quelles étaient réellement les variables, pas seulement leur nombre.

Ainsi, le défi suivant consistait à essayer de visualiser les variables identifiées par l’IA. Cela n’a pas été facile car le programme ne décrit pas les variables dans un langage intuitif pour les humains. Les chercheurs ont cependant corrélé deux des variables aux angles de chaque bras du pendule.

Nous avons essayé de corréler les autres variables avec tout ce à quoi nous pouvions penser : les vitesses angulaires et linéaires, l’énergie cinétique et potentielle, et diverses combinaisons de quantités connues, explique l’auteur principal Boyuan Chen, maintenant professeur adjoint à l’Université Duke. Mais rien ne semblait correspondre parfaitement.

Boyuan Chen, maintenant professeur adjoint à l’Université Duke, a déclaré que l’équipe avait essayé de corréler d’autres variables avec tout ce à quoi ils pouvaient penser : vitesses angulaires et linéaires, énergie cinétique et potentielle, et diverses combinaisons de quantités connues. Mais rien ne semblait correspondre parfaitement.

Convaincue que les bonnes prédictions de l’IA sur la dynamique du système signifiaient qu’elle avait trouvé un ensemble valide de quatre variables, l’équipe était perplexe quant à ce que les autres pourraient être.

Nous ne comprenons pas encore le langage mathématique qu’il parle dit Chen.

Pourtant, l’IA a renvoyé de bons calculs sur d’autres systèmes physiques avec des solutions connues.

Déjà confus, qu’est-ce que l’équipe aurait à perdre en montrant à l’IA quelque chose pour lequel il n’y a pas de réponse connue ?

L’équipe a montré à l’IA une vidéo de bras gonflables farfelus ondulés agitant des hommes de tube de Gars de la famille gloire, se débattre devant un parking de voitures d’occasion. Quelques heures d’analyse ont renvoyé huit variables. Une vidéo de lampe à lave a également donné huit variables. Une vidéo en boucle d’une cheminée a produit 24 variables.

Les chercheurs se demandent si les ensembles de variables étaient différents à chaque fois que le programme était redémarré, ou s’il trouvait le même ensemble unique de variables pour chaque système.

Je me suis toujours demandé si nous rencontrions une race extraterrestre intelligente, auraient-ils découvert les mêmes lois physiques que nous, ou pourraient-ils décrire l’univers d’une manière différente ? demande Lipson. Peut-être que certains phénomènes semblent énigmatiquement complexes parce que nous essayons de les comprendre en utilisant le mauvais ensemble de variables.?

Dans les expériences, le nombre de variables est resté inchangé, mais les variables spécifiques ont varié à chaque redémarrage de l’IA. Cela indique qu’il existe d’autres façons de décrire les systèmes et par extension l’univers et il est possible que nos choix ne soient pas parfaits.

De tels outils d’IA peuvent aider les scientifiques à saisir des phénomènes complexes qui échappent à la compréhension théorique actuelle. Bien que nous ayons utilisé des données vidéo dans ce travail, tout type de source de données de réseau pourrait être utilisé, par exemple, des réseaux radar ou des réseaux ADN, explique le co-auteur Kuang Huang.

Lipson soutient que les scientifiques peuvent mal interpréter ou ne pas comprendre de nombreux phénomènes simplement parce qu’ils ne disposent pas d’un bon ensemble de variables. Pendant des millénaires, les gens connaissaient les objets se déplaçant rapidement ou lentement, mais ce n’est que lorsque la notion de vitesse et d’accélération a été formellement quantifiée que Newton a pu découvrir sa célèbre loi du mouvement. F = ma.

De même, il fallait décrire les variables de température et de pression avant de formaliser les lois de la thermodynamique. La même chose est vraie pour toute théorie scientifique pour développer une théorie, vous avez d’abord besoin des variables. Quelles autres lois manquons-nous simplement parce que nous n’avons pas les variables ? demande le co-auteur et professeur de mathématiques Qiang Du.