מדען AI הצליח לשחזר תגליות זוכות נובל ללא הכוונה

AI-Descartes, מדען AI חדש, שיחזר בהצלחה עבודה זוכת פרס נובל באמצעות חשיבה לוגית ורגרסיה סימבולית כדי למצוא משוואות מדויקות. המערכת יעילה מול נתונים מהעולם האמיתי ומערכי נתונים קטנים, כשהמטרה העתידית היא ביצוע אוטומציה של בניית תיאוריות מדעיות

AI-Descartes, מדען שהוא בעצם בינה מלאכותית שפותח על-ידי חוקרים ב-IBM Research, Samsung AI ואוניברסיטת מרילנד, מחוז בולטימור, שיחזר חלקים מרכזיים מעבודות זוכי פרס נובל, כולל משוואות התנהגות הגז של לנגמיור והחוק השלישי של קפלר לתנועת כוכבי לכת.

בתמיכת הסוכנות לפרויקטי מחקר מתקדמים להגנה (DARPA), מערכת הבינה המלאכותית משתמשת ברגרסיה סימבולית כדי למצוא משוואות המתאימות לנתונים, והמאפיין הייחודי ביותר שלה הוא יכולת החשיבה הלוגית שלה. זה מאפשר לבינה מלאכותית-דקארט לקבוע אילו משוואות מתאימות ביותר לתיאוריה מדעית. המערכת יעילה במיוחד עם נתונים רועשים (נתונים שיש בהם הרבה שיבושים) בעולם האמיתי ומערכי נתונים קטנים  עם מעט מדי דוגמאות. להסביר. הצוות עובד על יצירת מערכי נתונים חדשים ועל אימון של מחשבים שיוכלו לקרוא מאמרים מדעיים ולבנות תיאוריות רקע כדי לחדד ולהרחיב את יכולות המערכת.

המערכת הדגימה את יכולותיה על החוק השלישי של קפלר לתנועת כוכבי לכת, חוק התרחבות הזמן היחסותי של איינשטיין, ומשוואת ספיחה הגז של לנגמיור.

****************

בשנת 1918 פרסם הכימאי האמריקאי אירווינג לנגמיור מאמר הבוחן את התנהגותן של מולקולות גז הנקשרות למשטח מוצק. מונחה על-ידי תוצאות ניסויים זהירים, כמו גם התיאוריה שלו כי מוצקים מציעים אתרים בדידים עבור מולקולות גז למלא, הוא עבד על סדרה של משוואות המתארות כמה גז יקשר, בהתחשב בלחץ.

כעת, כמאה שנים מאוחר יותר, “מדען AI” שפותח על-ידי חוקרים ב- IBM Research Samsung IA ואוניברסיטת מרילנד, מחוז בולטימור (UMBC), שיחזר חלק מרכזי מעבודתו זוכת פרס נובל של לנגמיור. המערכת – בינה מלאכותית (AI) המתפקדת כמדען – גילתה מחדש גם את החוק השלישי של קפלר לתנועת כוכבי לכת, שיכול לחשב את הזמן שלוקח לעצם חלל אחד להקיף עצם חלל אחר בהינתן המרחק המפריד ביניהם, ויצרה קירוב טוב לחוק התרחבות הזמן היחסותי של איינשטיין, שמראה שהזמן מאט עבור עצמים הנעים במהירות.

המחקר נתמך על-ידי הסוכנות לפרויקטי מחקר מתקדמים של ההגנה (DARPA). מאמר המתאר את התוצאות, פורסם (12 באפריל) בכתב העת Nature Communications.

כלי למידת מכונה שמנמק

מדען הבינה המלאכותית החדש – המכונה “AI-Descartes” על-ידי החוקרים – מצטרף ל- AI Feynman וכלי מחשוב אחרים שפותחו לאחרונה, שמטרתם להאיץ את התגליות המדעיות. בבסיסן של מערכות אלה נמצא מושג הנקרא רגרסיה סימבולית, אשר מוצא משוואות שיתאימו לנתונים. בהינתן פעולות חשבון בסיסיות, כגון חיבור, כפל וחילוק, המערכות יכולות לייצר מאות עד מיליוני משוואות אפשריות, בחיפוש אחר אלה המתארות בצורה המדויקת ביותר את היחסים בנתונים.

“AI-Descartes מציע כמה יתרונות על פני מערכות אחרות, אבל התכונה הייחודית ביותר שלה היא היכולת שלה להיות הגיונית”, אומרת כריסטינה קורנליו, מדענית מחקר ב- Samsung AI בקיימברידג’, אנגליה, שהיא המחברת הראשית של המאמר. אם יש מספר משוואות מועמדות שמתאימות היטב לנתונים, המערכת מזהה אילו משוואות מתאימות ביותר גם לתיאוריות הרקע המדעיות. היכולת לחשוב בהיגיון גם מבדילה את המערכת מתוכנות “בינה מלאכותית גנרטיבית” כמו ChatGPT, שמודל השפה הגדול שלהן הוא בעל כישורים לוגיים מוגבלים שיכול לפעמים לשבש חישובים במתמטיקה בסיסית.

“בעבודתנו, אנו ממזגים גישה של עקרונות ראשוניים, אשר שימשו מדענים במשך מאות שנים כדי לגזור נוסחאות חדשות מתיאוריות רקע קיימות, עם גישה מונחית נתונים הנפוצה יותר בעידן למידת המכונה”, אומרת קורנליו. “שילוב זה מאפשר לנו לנצל את שתי הגישות וליצור מודלים מדויקים ומשמעותיים יותר למגוון רחב של יישומים”.

השם AI-Descartes הוא קריצה למתמטיקאי והפילוסוף בן המאה ה-17 רנה דקארט, שטען כי ניתן לתאר את עולם הטבע על-ידי כמה חוקים פיזיקליים בסיסיים וכי דדוקציה לוגית ממלאת תפקיד מפתח בתגליות מדעיות.

מתאים לנתונים מהעולם האמיתי

לדברי החוקרים, המערכת עובדת טוב במיוחד על נתונים רועשים (נתונים שרגישים להפרעות במהך הדגימה למשל) מהעולם האמיתי, שיכולים להכשיל תוכניות רגרסיה סימבוליות מסורתיות שעשויות להתעלם מהאות האמיתי במאמץ למצוא נוסחאות שלוכדות כל זיג וזג תועה של הנתונים. היא גם מטפלת היטב במערכי נתונים קטנים, ואפילו מוצאת משוואות אמינות כאשר היא מוזנת בלא יותר מעשר נקודות נתונים בלבד.

גורם אחד שעשוי להאט את האימוץ של כלי כמו AI-Descartes לתגליות מדעיות בעולם האמיתי הוא הצורך לזהות ולקודד את תיאוריות הרקע הקשורות לשאלות מדעיות פתוחות. הצוות עובד על יצירת מערכי נתונים חדשים המכילים הן נתוני מדידה אמיתיים והן תיאוריית רקע נלווית כדי לשכלל את המערכת שלהם ולבחון אותה בשטח חדש. הם גם רוצים בסופו של דבר לאמן מחשבים לקרוא מאמרים מדעיים ולבנות את תיאוריית הרקע בעצמם.

“בעבודה זו, היינו זקוקים למומחים אנושיים כדי לכתוב, במונחים פורמליים הניתנים לקריאה ממוחשבת, מהן האקסיומות של תיאוריית הרקע, ואם האדם החמיץ משהו או טעה באחת מהן – המערכת לא תעבוד”, אומר אחד ממחברי המחקר, טיילר ג’וזפסון, פרופסור להנדסה כימית, ביוכימית וסביבתית ב-UMBC. “בעתיד”, הוא אומר, “נרצה להפוך גם את החלק הזה של העבודה לאוטומטי, כדי שנוכל לחקור תחומים רבים נוספים של מדע והנדסה”.  מטרה זו מניעה את המחקר של ג’וזפסון על כלי בינה מלאכותית לקידום הנדסה כימית.

בסופו של דבר, הצוות מקווה שהבינה המלאכותית שלהם, כמו האדם האמיתי, עשויה לעורר השראה לגישה חדשה ופרודוקטיבית למדע. “אחד ההיבטים המרגשים ביותר של עבודתנו הוא הפוטנציאל להתקדמות משמעותית במחקר המדעי”, אומר קורנליו.

למאמר המדעי

עוד בנושא באתר הידען:

• בינה מלאכותית כדוגמת CHATGPT תחולל שינוי בדרך שבה אנו מטפלים בטקסטים
• האיחוד האירופי וארה”ב מקדמים מהלכים לטיפול באתיקה בבינה מלאכותית
• האם מערכת הבינה המלאכותית הכללית LaMDA של גוגל מודעת או רק טוענת שהיא כזו? פילוסופים מבררים

AI-Descartes: A Scientific Renaissance in the World of Artificial Intelligence