I ricercatori del Forschungszentrum Jülich hanno sviluppato un’intelligenza artificiale (IA) in grado di formulare teorie sulla fisica riconoscendo modelli in set di dati complessi, un’impresa storicamente raggiunta da grandi fisici come Isaac Newton e Albert Einstein.
L’intelligenza artificiale rivoluziona la fisica
Questa intelligenza artificiale, che è parte dell’iniziativa “Physics of AI”, semplifica le complesse interazioni nei dati per sviluppare nuove teorie, differenziandosi dagli approcci convenzionali rendendo le teorie spiegabili e radicate nel linguaggio della fisica. La loro IA è in grado di riconoscere modelli in set complessi e di formularli in una teoria sulla fisica.
Il Prof. Moritz Helias dell’Istituto per la simulazione avanzata (IAS-6) del Forschungszentrum Jülich ha spiegato in cosa consiste la “Fisica dell’intelligenza artificiale” e in che misura si differenzia dagli approcci convenzionali.
I fisici seguono un processo rigoroso per comprendere il mondo che ci circonda, raccolgono dati sul comportamento del sistema, misurando diverse proprietà e caratteristiche.
L’obiettivo è quello di ottenere una descrizione accurata del fenomeno da spiegare. Un esempio ben noto è la legge di gravitazione di Isaac Newton. Essa non solo descrive la forza gravitazionale sulla Terra, ma può anche essere usata per prevedere i movimenti di pianeti, Lune e comete – nonché le orbite dei moderni satelliti – in modo abbastanza accurato.
Annuncio pubblicitario
Interessato all'Intelligenza Artificiale?
Prova a leggere su Amazon Unlimited la nostra guida su come installarne una in locale e come ricavarne il massimo.
Una Intelligenza Artificiale locale ti permette di usufruire di tutti i vantaggi derivanti dall'uso dell'IA ma senza dover pagare costosi abbonamenti.
📘 Leggi la guida su AmazonFormulare ipotesi scientifiche è un processo creativo e complesso che richiede una combinazione di intuito, conoscenza e abilità. La scelta dell’approccio più adatto è fondamentale per il successo della ricerca.
Che approccio sta adottando l’intelligenza artificiale?
Si tratta di un approccio noto come “fisica per l’apprendimento automatico”. Il team ha utilizzato metodi fisici per analizzare e comprendere il complesso funzionamento di un’intelligenza artificiale.
La nuova idea cruciale sviluppata da Claudia Merger è stata quella di utilizzare innanzitutto una rete neurale che ha imparato a mappare accuratamente il comportamento complesso osservato in un sistema più semplice. In altre parole, l’intelligenza artificiale mira a semplificare tutte le complesse interazioni che osserviamo tra i componenti del sistema creando una mappatura inversa.
Ritornando dal sistema semplificato a quello complesso, si possono sviluppare nuove teorie. Le interazioni complesse vengono costruite pezzo per pezzo a partire da quelle semplificate. In definitiva, l’approccio non è quindi così diverso da quello di un fisico, con la differenza che il modo in cui vengono assemblate le interazioni viene letto dai parametri dell’IA. Questa prospettiva sul mondo – spiegandola attraverso le interazioni tra le sue varie parti che seguono determinate leggi – è la base della fisica, da qui il termine “fisica dell’intelligenza artificiale”.
In quali applicazioni è stata utilizzata l’intelligenza artificiale?
I ricercatori hanno utilizzato un set di dati di immagini in bianco e nero con numeri scritti a mano che vengono spesso utilizzati nella ricerca quando si lavora con le reti neurali. Nell’ambito della sua tesi di dottorato, Claudia Merger ha studiato come le piccole sottostrutture nelle immagini, come i bordi dei numeri, siano costituite dalle interazioni tra i pixel, dove, alcuni di essi, tendono ad essere più luminosi e quindi a contribuire alla forma del bordo del numero. Lo studio è stato pubblicato sulla rivista Physical Review X.
L’utilizzo dell’intelligenza artificiale (IA) rappresenta un passo avanti fondamentale per la simulazione di sistemi complessi. Grazie ad essa è possibile parametrizzare in modo efficiente queste interazioni in modo da poter visualizzare sistemi con circa 1.000 componenti interagenti, ovvero aree di immagine con un massimo di 1.000 pixel. In futuro, attraverso un’ulteriore ottimizzazione, sarà possibile anche in sistemi molto più grandi.
La maggior parte delle IA “nasconde” le sue teorie nei parametri, rendendole inaccessibili. Questo limita la capacità di interpretare e validare i risultati. Al contrario, il nuovo approccio sviluppato estrae la teoria appresa e la formula nel linguaggio delle interazioni tra i componenti del sistema, che è alla base della fisica. L’IA spiegabile è fondamentale per costruire sistemi affidabili e interpretabili.
