Открытия наоборот

Искусственный интеллект способен не только служить вспомогательным инструментом в научных исследованиях, но и самостоятельно совершать научные открытия. Только делает он это не так, как люди-ученые. К такому выводу пришли специалисты из корпорации IBM, которые являются авторами разработки. Детали можно узнать из статьи, опубликованной в издании Nature Communication.

Традиционный научный подход заключается в том, что исследователи выстраивают теорию, затем на основе нее выдвигают гипотезы и, наконец, проверяют их на эмпирических данных. То есть, как правило, проводят опыты и эксперименты, которые подтверждают или опровергают их теорию.

Случается, конечно, и так, что практические эксперименты провести не удается, теория остается теорией. Скажем, есть теории о существовании во Вселенной темной материи и темной энергии, однако доказать их на практике пока никак нельзя. Какие-то теории и гипотезы были опровергнуты со временем. Например, что Земля плоская или что Солнце и другие планеты вращаются вокруг Земли.

В истории науки также известны эпизоды, когда открытия были совершены по чистой случайности, например, в процессе других исследований. Так, первооткрыватель пенициллина Александр Флеминг сначала изучал свойства стафилококков. Летом 1928 года он уехал с семьей в отпуск, оставив бактериологические культуры, с которыми до этого работал, на столе в углу лаборатории. Вернувшись в начале сентября, ученый обратил внимание на то, что в одной из чашек Петри, где находились колонии стафилококков, выросли плесневые грибы. При этом стафилококки оказались уничтожены, их клетки разрушились, хотя с колониями других бактерий этого не случилось. До этого ни ему, ни его коллегам не приходило в голову, что плесневые грибы могут убивать бактерии.

Между тем какое-либо научное явление считается доказанным только в тех случаях, если оно многократно подтверждено экспериментальным путем, то есть имеет свойство воспроизводимости. Иногда лабораторные испытания приходится проводить годами, чтобы добиться четкого и стойкого результата, а некоторые из них требуют круглосуточных наблюдений. Для этого помимо самих ученых в институтах трудится целый штат лаборантов, которые и берут на себя самую «грязную» работу – возню с колбами, пробирками и механизмами, записи в отчетах и журналах… Но лаборант – это самый обычный человек, которому нужно есть, пить, спать, отдыхать, а часто и не обладающий достаточно высокой квалификацией для анализа экспериментов и способный лишь монотонно выполнять ряд операций под контролем руководства…

Так, гидродинамика требует проведения большого количества специальных расчетов, способных показать, как взаимодействуют друг с другом различные факторы. Например, наблюдение за вихревыми колебаниями – помехами, которые учитываются при проектировании судов, – требует проведения одних и тех же экспериментов по нескольку тысяч раз до достижения приемлемого результата. Понятно, что для людей такая работа слишком утомительна, да и пресловутый человеческий фактор не гарантирует отсутствия погрешностей… Поэтому инженеры из Массачусетского технологического института (MIT) разработали специальную роботизированную платформу Intelligent Tow Tank (ITT).

Робот не только передвигает объект экспериментов в цистерне с водой, он еще и запрограммирован так, что способен менять условия эксперимента, а также наблюдать за результатами, анализировать информацию и сообщать организаторам только о тех результатах, которые являются полезными. А группа ученых из Великобритании и США разработала платформу на базе искусственного интеллекта, способную выявлять инфекции, чем до последнего времени в лабораториях занимались только профессиональные биологи.

Но тут везде речь идет об экспериментальной части исследований. А вот алгоритму AI-Descartes, разработанному в IBM, удалось заново «открыть» третий закон Кеплера, вывести уравнение адсорбции газов твердыми поверхностями, некогда сформулированное Ленгмюром, и предложить формулу замедления времени при высоких скоростях в рамках специальной теории относительности Эйнштейна (СТО).

В «переоткрывании» ранее уже выведенных научных законов искусственному интеллекту помогла математика. А точнее, метод символьной регрессии, заключающийся в поиске математических выражений, наилучшим способом соответствующих наблюдаемым данным. Поиск при этом ведется путем случайного комбинирования математических операторов, таких как +, -, ×, ÷, квадратный корень, логарифм, экспонента, а также констант, и других блоков. Обязательное условие заключается в том, чтобы выведенная формула не была слишком сложной. Кроме того, необходимо учитывать, что не все математические формулы, соответствующие тем или иным данным, имеют научный смысл. Поэтому авторы внедрили в алгоритм автоматизированные инструменты аргументации (reasoning tools).

Сама по себе символьная регрессия проводилась методом смешанно-целочисленного нелинейного программирования (MINLP), а в качестве инструмента аргументации применялась KeYmaera X – автоматизированная система доказательства теорем, демонстрирующая способность к дедукции и алгебраическим рассуждениям.

Итак, KeYmaera X либо предоставляла формальное доказательство выводимости полученных математических формул, используя набор известных аксиом (скажем, тех же законов Ньютона), либо, напротив, доказывала, что эти формулы противоречат друг другу. Если не удавалось в точности вывести математическое выражение, система оценивала, насколько сильно оно соответствует выводимой формуле.

Для каждой полученной таким образом символьной модели алгоритм определял «дистанцию» как между сгенерированной формулой и наблюдаемыми данными, так и между формулой и теорией. Эти «дистанции» являлись эквивалентом ошибок, которые могли возникать из-за погрешностей в измерениях или неполноты и неточности теоретических предпосылок. К примеру, в случае третьего закона Кеплера такой теоретической предпосылкой служили законы Ньютона.

Если набор аксиом не позволял выстроить модель, то система указывала, что нужны дополнительные данные либо надо добавить ограничения. Такой принцип позволял очертить круг моделей, которые могли оказаться верными и представлять интерес для дальнейшей проверки.

Лада КОВАЛЕНКО