Sztuczna inteligencja stworzyła idealny Wszechświat. „To dla nas niepojęte”
Naukowcy zbudowali specjalną sieć neuronową, której zadaniem było stworzenie wirtualnej wersji Wszechświata. Tymczasem sztuczna inteligencja bez większej porcji informacji zaczęła idealnie odtwarzać jego strukturę.
Astronomowie są w szoku, ponieważ nie wiedzą i nie potrafią zrozumieć, w jaki sposób do tego doszło, że model w swojej pracy jest tak perfekcyjny. Wszystko zaczęło się od eksperymentu, w trakcie którego naukowcy zaczęli uczyć sieć neuronową, dostarczając jej bazę 8 tysięcy wcześniej przygotowanych symulacji kosmosu. Jej zadaniem było przeanalizować je i zacząć modyfikować w celu odkrycia najbardziej prawdopodobnego i spójnego modelu.
Sztuczna inteligencja nosząca nazwę Deep Density Displacement Model (D ^ 3M) już przyswoiła wiedzę, naukowcy zlecili jej stworzenie zupełne nowego modelu Wszechświata w kształcie sześcianu o średnicy 600 milionów lat świetlnych, czyli znacznie mniejszego od prawdziwego, którego średnica obserwowanej przestrzeni ma 93 miliardy lat świetlnych.
Naukowcy z Instytutu Flatiron chcieli skupić się na kwestii grawitacji w kosmosie, gdyż wciąż jest ona największą dla nich tajemnicą. Wprowadzili więc dane do SI dotyczące ciemnej materii, czyli kolejnej wielkiej zagadki Wszechświata. Ku ich zdziwieniu, sieć neuronowa bez problemu poradziła sobie z tym karkołomnym zdaniem i przedstawiła niesamowite wyniki.
„To tak, jakby na przykład nauczyć oprogramowanie rozpoznawać obrazy z dużą ilością zdjęć kotów i psów, a następnie okazuje się, że jest ono również w stanie rozpoznać słonie” - powiedziała Shirley Ho, liderka zespołu badawczego z Instytutu Flatiron. Chociaż naukowcy nie mogą zrozumieć, jak do tego doszło, mają nadzieję, że tak wydajny i obiecujący system sztucznej inteligencji pomoże im odkryć i zrozumieć największe tajemnice kosmosu, a w wśród nich istotę i rolę ciemnej materii, ciemnej energii i najróżniejszych energetycznych obiektów.
„Nasze badanie pokazuje, że można wykorzystać głębokie uczenie się do generowania złożonych symulacji 3D w kosmologii. Sugeruje to, że uczenie głębokie może stanowić potężną alternatywę dla tradycyjnych symulacji numerycznych w kosmologii” - czytamy w pracy naukowej.
Źródło: GeekWeek.pl/PNAS / Fot. NASA
