كانت الحسابات المنحنية مطلوبة للتنبؤ بكيفية تحرك ثلاثة أجسام سماوية بعضها البعض فيزيائيين منذ زمن السير إسحاق نيوتن. لقد أظهر الذكاء الاصطناعي الآن أنه قادر على حل المشكلة في جزء من الوقت الذي تتطلبه المقاربات السابقة.
كان نيوتن أول من صاغ المشكلة في القرن السابع عشر ، لكن العثور على طريقة بسيطة لحلها أثبت أنه صعب للغاية. تؤدي التفاعلات التثاقلية بين ثلاثة أجسام سماوية مثل الكواكب والنجوم والأقمار إلى نظام فوضوي - نظام معقد وحساس للغاية لمواضع البدء لكل جسم.
تتضمن الأساليب الحالية لحل هذه المشكلات استخدام برنامج يمكن أن يستغرق أسابيع أو حتى أشهر لإكمال الحسابات. لذا قرر الباحثون معرفة ما إذا كانت الشبكة العصبية - نوع من النمط الذي يعترف بـ A.I. الذي يحاكي بشكل فضفاض كيفية عمل الدماغ - يمكن أن يكون أفضل.
قدمت الخوارزمية التي قاموا ببنائها حلولاً دقيقة أسرع حتى 100 مليون مرة من البرنامج الأكثر تطوراً والمعروف باسم Brutus. وقال كريس فولي ، عالم الإحصاء الحيوي في جامعة كامبريدج والمؤلف المشارك في كتابة ورقة إلى قاعدة بيانات arXiv ، والتي قد تثبت أنها لا تقدر بثمن بالنسبة لعلماء الفلك الذين يحاولون فهم أشياء مثل سلوك مجموعات النجوم والتطور الأوسع للكون. ليتم مراجعتها من قبل الأقران.
وقال لـ Live Science: "هذه الشبكة العصبية ، إذا قامت بعمل جيد ، يجب أن تكون قادرة على تزويدنا بحلول في إطار زمني غير مسبوق". "لذا يمكننا البدء في التفكير في إحراز تقدم بأسئلة أعمق ، مثل كيفية تشكل موجات الجاذبية."
يجب تدريب الشبكات العصبية عن طريق تغذية البيانات قبل أن تتمكن من التنبؤ. لذا كان على الباحثين إنشاء 9،900 سيناريوهات مبسطة من ثلاثة أجسام باستخدام بروتوس ، القائد الحالي عندما يتعلق الأمر بحل مشاكل الأجسام الثلاثة.
ثم قاموا باختبار مدى قدرة الشبكة العصبية على التنبؤ بتطور 5000 سيناريو غير مرئي ، ووجدوا أن نتائجها تتطابق بشكل وثيق مع نتائج بروتوس. ومع ذلك ، حل البرنامج القائم على الذكاء الاصطناعي المشكلات بمتوسط جزء من الثانية ، مقارنة بدقيقتين تقريبًا.
قال فولي إن السبب وراء بطء برامج مثل بروتوس هو أنها تحل المشكلة بالقوة الغاشمة ، حيث تجري حسابات لكل خطوة صغيرة من مسارات الأجرام السماوية. من ناحية أخرى ، تنظر الشبكة العصبية ببساطة إلى الحركات التي تنتجها هذه الحسابات وتستنتج نمطًا يمكن أن يساعد في التنبؤ بكيفية عمل السيناريوهات المستقبلية.
وقال فولي إن ذلك يمثل مشكلة لتوسيع نطاق النظام. الخوارزمية الحالية هي إثبات للمفهوم واستفادت من السيناريوهات المبسطة ، لكن التدريب على السيناريوهات الأكثر تعقيدًا أو حتى زيادة عدد الجثث المعنية إلى أربعة من أصل خمسة يتطلب منك أولاً إنشاء بيانات عن بروتوس ، والتي يمكن أن تكون وقتًا للغاية- مستهلكة ومكلفة.
وقال "هناك تفاعل بين قدرتنا على تدريب شبكة عصبية ذات أداء خيالي وقدرتنا على استخلاص البيانات بالفعل لتدريبها". "لذا هناك اختناق".
إحدى الطرق للتغلب على هذه المشكلة هي أن يقوم الباحثون بإنشاء مستودع مشترك للبيانات المنتجة باستخدام برامج مثل بروتوس. وقال فولي إن ذلك يتطلب أولاً إنشاء بروتوكولات قياسية للتأكد من أن البيانات كلها ذات تنسيق وشكل متسقين.
وقال فولي لا تزال هناك بعض القضايا للعمل من خلال الشبكة العصبية كذلك. يمكن تشغيلها لفترة محددة فقط ، ولكن لا يمكن أن تعرف مقدمًا المدة التي سيستغرقها سيناريو معين حتى يكتمل ، لذلك يمكن أن تنفد الخوارزمية قبل أن يتم حل المشكلة.
وقال فولي إن الباحثين لا يتصورون أن الشبكة العصبية تعمل في عزلة. يعتقدون أن أفضل حل هو أن يقوم برنامج مثل Brutus بمعظم العمل مع الشبكة العصبية ، مع أخذ فقط أجزاء المحاكاة التي تنطوي على حسابات أكثر تعقيدًا تعطل البرنامج.
قال فولي: "أنت تخلق هذا الهجين". "في كل مرة يعلق فيها بروتوس ، فإنك تستخدم الشبكة العصبية وتهزه إلى الأمام. ثم تقوم بتقييم ما إذا كان بروتوس قد أصبح عالقًا أم لا."
