Den første kunstige intelligenssimuleringen noensinne virker som den ekte tingen - og er nesten like mystisk.
Forskere rapporterte om den nye simuleringen 24. juni i tidsskriftet Proceedings of the National Academy of Sciences. Målet var å lage en virtuell versjon av kosmos for å simulere forskjellige forhold for universets begynnelse, men forskerne håper også å studere sin egen simulering for å forstå hvorfor det fungerer så bra.
"Det er som å lære programvare for gjenkjenning av bilder med mange bilder av katter og hunder, men så er det i stand til å gjenkjenne elefanter," studerer medforfatter Shirley Ho, en teoretisk astrofysiker ved Centre for Computational Astrophysics i New York City, sa i en uttalelse. "Ingen vet hvordan det gjør dette, og det er et stort mysterium å bli løst."
Simulerer universet
Gitt universets enorme alder og omfang, er det en skremmende utfordring å forstå dets dannelse. Et verktøy i astrofysikerens verktøykasse er datamodellering. Tradisjonelle modeller krever mye datakraft og tid, men fordi astrofysikere kan trenge å kjøre tusenvis av simuleringer, finjustere forskjellige parametere, for å finne ut hvilket som er det mest sannsynlige virkelighetsnære scenariet.
Ho og kollegene hennar skapte eit dypt nevralt nettverk for å få fart på prosessen. Dette nevrale nettverket ble kalt Deep Density Displacement Model, eller D ^ 3M, og er designet for å gjenkjenne vanlige funksjoner i data og "lære" over tid hvordan man kan manipulere disse dataene. Når det gjelder D ^ 3M, la forskerne inn 8000 simuleringer fra en tradisjonell datamodell av universet med høy nøyaktighet. Etter at D ^ 3M hadde lært hvordan disse simuleringene fungerte, la forskerne inn en helt ny, aldri før sett simulering av et virtuelt, kubformet univers 600 millioner lysår på tvers. (Det virkelige observerbare universet er omtrent 93 milliarder lysår på tvers.)
Det nevrale nettverket var i stand til å kjøre simuleringer i dette nye universet akkurat som det hadde i 8000-simuleringsdatasettet det hadde brukt til trening. Simuleringene fokuserte på tyngdekraften i universets dannelse. Det som var overraskende, sa Ho, var at da forskerne varierte helt nye parametere, som mengden av mørk materie i det virtuelle universet, var D ^ 3M fremdeles i stand til å håndtere simuleringene - til tross for at de aldri ble trent på hvordan de skulle håndtere mørk materie. variasjoner.
Datamaskiner og kosmologi
Denne egenskapen til D ^ 3M er et mysterium, sa Ho, og gjør simuleringen spennende både for informasjonsvitenskap og kosmologi.
"Vi kan være en interessant lekeplass for en maskinelev å bruke for å se hvorfor denne modellen ekstrapolerer så bra, hvorfor den ekstrapolerer til elefanter i stedet for bare å gjenkjenne katter og hunder," sa hun. "Det er en toveis gate mellom vitenskap og dyp læring."
Modellen kan også være en tidsbesparende for forskere som er interessert i universell opprinnelse. Det nye nevrale nettverket kunne fullføre simuleringer på 30 millisekunder, sammenlignet med flere minutter for den raskeste ikke-kunstige intelligens simuleringsmetoden. Nettverket hadde også en feilrate på 2,8%, mot 9,3% for den eksisterende raskeste modellen. (Disse feilprosentene sammenlignes med en gullstandard for nøyaktighet, en modell som tar hundrevis av timer for hver simulering.)
Forskerne planlegger nå å variere andre parametere i det nye nevrale nettverket, og undersøke hvordan faktorer som hydrodynamikk, eller bevegelse av væsker og gasser, kan ha formet universets dannelse.
