Il sistema ha dimostrato le sue abilità sulla terza legge del moto planetario di Keplero, sulla legge relativistica della dilatazione del tempo di Einstein e sull’equazione di Langmuir dell’assorbimento del gas.
Nel 1918, il chimico americano Irving Langmuir pubblicò un articolo che esaminava il comportamento delle molecole di gas che si attaccano a una superficie solida. Guidato dai risultati di accurati esperimenti, nonché dalla sua teoria secondo cui i solidi offrono siti discreti per il riempimento delle molecole di gas, ha elaborato una serie di equazioni che descrivono quanto gas si attaccherà, data la pressione.
Ora, circa cento anni dopo, uno “scienziato AI” sviluppato dai ricercatori di IBM Research, Samsung AI e dell’Università del Maryland, Contea di Baltimora (UMBC) ha riprodotto una parte fondamentale del lavoro di Langmuir, vincitore del premio Nobel. Il sistema, l’intelligenza artificiale (AI) che funziona come uno scienziato, ha anche riscoperto la terza legge del moto planetario di Keplero, che può calcolare il tempo impiegato da un oggetto spaziale per orbitare attorno a un altro data la distanza che li separa, e ha prodotto una buona approssimazione del tempo relativistico di Einstein -legge di dilatazione, che mostra che il tempo rallenta per oggetti in rapido movimento.
La ricerca è stata supportata dalla Defense Advanced Research Projects Agency (DARPA). Un documento che descrive i risultati sarà pubblicato sulla rivista Nature Communications il 12 aprile.
Uno strumento di apprendimento automatico che ragiona
Il nuovo scienziato di intelligenza artificiale, soprannominato “AI-Descartes” dai ricercatori, si unisce a artisti del calibro di AI Feynman e altri strumenti informatici sviluppati di recente che mirano ad accelerare la scoperta scientifica. Al centro di questi sistemi c’è un concetto chiamato regressione simbolica, che trova le equazioni per adattare i dati. Dati gli operatori di base, come addizione, moltiplicazione e divisione, i sistemi possono generare da centinaia a milioni di equazioni candidate, cercando quelle che descrivono più accuratamente le relazioni nei dati.
AI-Descartes offre alcuni vantaggi rispetto ad altri sistemi, ma la sua caratteristica più distintiva è la sua capacità di ragionare logicamente, afferma Cristina Cornelio, ricercatrice presso Samsung AI a Cambridge, in Inghilterra, che è la prima autrice dell’articolo. Se sono presenti più equazioni candidate che si adattano bene ai dati, il sistema identifica quali equazioni si adattano meglio alla teoria scientifica di base. La capacità di ragionare distingue anche il sistema dai programmi di “IA generativa” come ChatGPT, il cui modello di linguaggio di grandi dimensioni ha capacità logiche limitate e talvolta incasina la matematica di base.
“Nel nostro lavoro, stiamo fondendo un approccio basato sui principi primi, che è stato utilizzato dagli scienziati per secoli per derivare nuove formule dalle teorie di base esistenti, con un approccio basato sui dati che è più comune nell’era dell’apprendimento automatico”, afferma Cornelio. . “Questa combinazione ci consente di trarre vantaggio da entrambi gli approcci e creare modelli più accurati e significativi per un’ampia gamma di applicazioni”.
Il nome AI-Descartes è un cenno al matematico e filosofo del XVII secolo René Descartes, che sosteneva che il mondo naturale potesse essere descritto da poche leggi fisiche fondamentali e che la deduzione logica giocasse un ruolo chiave nella scoperta scientifica.
Adatto per i dati del mondo reale
Il sistema funziona particolarmente bene su dati rumorosi e del mondo reale, che possono inciampare nei tradizionali programmi di regressione simbolica che potrebbero trascurare il segnale reale nel tentativo di trovare formule che catturino ogni zig e zag errante dei dati. Gestisce bene anche piccoli set di dati, trovando anche equazioni affidabili quando vengono inseriti solo dieci punti dati.
Un fattore che potrebbe rallentare l’adozione di uno strumento come AI-Descartes per la scienza di frontiera è la necessità di identificare e codificare la teoria di base associata per questioni scientifiche aperte. Il team sta lavorando per creare nuovi set di dati che contengano sia dati di misurazione reali che una teoria di base associata per perfezionare il loro sistema e testarlo su un nuovo terreno.
Vorrebbero anche addestrare i computer a leggere articoli scientifici e costruire loro stessi la teoria di base.
“In questo lavoro, avevamo bisogno di esperti umani per scrivere, in termini formali e leggibili dal computer, quali sono gli assiomi della teoria di fondo, e se l’umano ne ha perso qualcuno o ne ha sbagliato qualcuno, il sistema non funzionerà, “, afferma il coautore Tyler Josephson, assistente professore di ingegneria chimica, biochimica e ambientale presso UMBC. “In futuro”, afferma, “vorremmo automatizzare anche questa parte del lavoro, in modo da poter esplorare molte altre aree della scienza e dell’ingegneria”.
Questo obiettivo motiva la ricerca di Josephson sugli strumenti di intelligenza artificiale per far progredire l’ingegneria chimica.
In definitiva, il team spera che il loro Cartesio AI, come la persona reale, possa ispirare un nuovo approccio produttivo alla scienza. “Uno degli aspetti più entusiasmanti del nostro lavoro è il potenziale per fare progressi significativi nella ricerca scientifica”, afferma Cornelio.
