هوش‌مصنوعی چگونه پیشرفت می‌کند؟

مجله علمی ایلیاد - هوش‌مصنوعی در برخورد دهنده‌ی هادرونی بزرگ می‌تواند دقت تجزیه و تحلیل داده را افزایش دهد. همچنین، زمینه برای بهبود اندازه‌گیری ویژگی‌های فیزیک فراهم آمده و درها به روی اکتشافات جدید گشوده می‌شود. دانشمندان MIT موفق به ساخت نوعی فناوری یادگیری ماشینی شده‌اند که سرعت پردازش را تا ۱۷۵ برابرِ روش‌های سنتی، بالا می‌برد. گروهی بین‌المللی از دانشمندان، از جمله «فیلیپ هریس» استادیار MIT و «دیلان رنکین» دانشجوی فوق دکتری، هر دو از آزمایشگاه علوم هسته‌ای، نوع تازه‌ای از فناوری یادگیری ماشینی را آزمایش کردند که می‌تواند آثار ذرات خاصی را در اقیانوسی از داده‌های برخورد دهنده‌ی هادرونی بزرگ «LHC» در یک چشم به هم زدن مورد شناسایی قرار دهد. این سیستم جدید که پیچیده و سریع است، به نقش یادگیری ماشینی توجه ویژه‌ای دارد، چرا که یادگیری ماشینی در اکتشافات آینده در فیزیک ذرات مسئولیت مهمی را بر عهده خواهد گرفت. توجه به این نکته هم خالی از لطف نیست که داده‌ها در دنیای امروز در حال بزرگ‌تر و پیچیده‌تر شدن هستند.

برخورد دهنده‌ی هادرونی بزرگ توان ایجاد ۴۰ میلیون برخورد در هر ثانیه را دارد. با توجه به این حجم وسیع از داده‌ها که این برخورد دهنده با آن‌ها سروکار دارد، به رایانه‌های قدرتمندی نیاز است تا آن برخوردها را شناسایی کند؛ بالاخص آن‌هایی که می‌تواند برای دانشمندان جالب باشد. مثلاً سرنخی از ماده‌ی تاریک یا ذره هیگز می‌تواند توجه عده‌ی کثیری از دانشمندان را به خود جلب کند. حالا دانشمندان در آزمایشگاه فِرمیلب، سرن، MIT، دانشگاه واشینگتن و جاهای دیگر نوعی سیستم یادگیری ماشینی را آزمایش کرده‌اند که در مقایسه با روش‌های موجود، سرعت پردازش را ۳۰ تا ۱۷۵ برابر افزایش می‌دهد. روش‌های موجود در حال حاضر کمتر از یک عکس را در هر ثانیه مورد پردازش قرار می‌دهند. در مقابل، این سیستم یادگیری ماشینی جدید می‌تواند تا ۶۰۰ عکس را در هر ثانیه بررسی کند. این سیستم در طول دوره‌ی آموزش توانست به نوع ویژه‌ای از الگوی ذره‌ی پسابرخورد مجهز شود.

«فیلیپ هریس» یکی از اعضای گروه فیزیک MIT خاطرنشان کرد: «الگوهای برخوردی که ما شناسایی می‌کنیم، از جمله ذرات بنیادی هستند که در برخورد دهنده‌ی هادرونی بزرگ مورد بررسی قرار می‌گیرند. بسیار مهم است تا جایی که می‌توانیم به تجزیه و تحلیل داده‌ها بپردازیم. هر داده‌ می‌تواند حاوی اطلاعات مفیدی درباره‌ی چگونگی برهم‌کنش ذرات باشد.»

انتظار می‌رود تا سال ۲۰۲۶، شتاب دهنده‌ی ذره ۲۷ کیلومتری بتواند ۲۰ برابر داده‌های امروز را تولید کند. علاوه بر این، عکس‌های آینده با کیفیت بسیار بالاتری گرفته خواهند شد. روی هم رفته، دانشمندان و مهندسان احتمال می‌دهند که برخورد دهنده‌ی هادرونی بزرگ به بیش از ۱۰ برابر نیروی محاسباتیِ فعلی احتیاج خواهد داشت. هریس افزود: « با دقیق‌تر شدن محاسبات و بررسی اثرات، مدیریت داده‌های آتی به امر چالش برانگیزتری تبدیل می‌شود.» محققان پروژه این سیستم را به گونه‌ای آموزش دادند که بتواند عکس‌های کوارک بالا را شناسایی کند؛ این ذره تقریباً ۱۸۰ برابر سنگین‌تر از پروتون است. هریس در پایان توضیح داد: «با این معماری یادگیری ماشینی که در اختیار داریم، می‌توانیم نتایج بهتری به‌دست آوریم. اجرای الگوریتم‌های مهم با سرعت بالا این انعطاف‌پذیری را دارد تا  قدرت محاسباتی برخورد دهنده‌ی هادرونی بزرگ را در لحظات حیاتی افزایش بدهد.»