تاثیر خواب در واکنش به اتفاقات خوب و بد
کشف سیاره‌هایی از الماس
چرا هضم ذرت برای انسان دشوار است؟
برندگان بهترین عکس‌های نجومی سال ۲۰۲۰
تصویری ترسناک از کرونا ویروس
کشف سه سیاره‌ی رکوردشکن فراخورشیدی
تحول در دنیای حسگر‌های زیستی
ماهی‌هایی که توانایی راه رفتن بر روی زمین را دارند
توانایی دایناسورها در جابه‌جایی بار
فیزیکدانان، نظریه‌ای با قدمت نیم قرن را تایید کردند
تاثیر نوشیدنی‌های الکلی بر روی دیابت نوع ۲
آیا قوی‌ترین انفجار هسته‌ای تاریخ بشر را می‌شناسید؟
بهینه‌سازی فیلم‌های ماموریت‌های آپولو چگونه انجام می‌شود؟
هسته‌ی درونی زمین چند سال عمر دارد؟
جزئیاتی از میدان مغناطیسی خورشید
چگونه حنجره‌ی پستانداران فرگشت پیدا کرد؟
گوگل دیگر برای استخدام نیاز به مدرک دانشگاهی ندارد
آیا مصرف کافئین در دوران بارداری مضر است؟
کشف نشانه‌هایی از احتمال وجود حیات در سیاره‌ی ناهید
نگرانی از نرخ ذوب شدن یخچال‌های طبیعی در نیوزلند
کشف مومیایی زن جیغ‌کشان
رصد اتمسفر ستاره‌ی قلب عقرب
چرا چرخه‌ی لکه‌های خورشیدی ۱۱ ساله است؟
ساخت باتری‌هایی که ۲۸هزار سال عمر می‌کنند
ویژگی منحصربه‌فرد بزرگترین قمر مشتری
تاثیر نیش زنبور عسل بر روی درمان یک بیماری
حیات در جهان چگونه منتقل شده است؟
آیا با یک بار ابتلا، ما در مقابل کووید۱۹ مصون می‌شویم؟
کشف سازه‌های باستانی در عربستان
کشف گونه‌ی جدیدی از قورباغه‌ها در فیلیپین

آیا می‌توان به هوش‌مصنوعی فیزیک یاد داد؟

آیا می‌توان به هوش‌مصنوعی فیزیک یاد داد؟
مجله علمی ایلیاد - اگرچه سیستم‌های هوش‌مصنوعی روزبه‌روز پیشرفته‌تر می‌شوند، اما کماکان عملکرد خوبی در مدیریت هرج‌ومرج و شرایط غیرقابل‌ پیش‌بینی ندارند. حالا دانشمندان بر این باورند که راهی برای حل این مسئله یافته‌اند؛ آنان می‌خواهند مفاهیم فیزیک را به هوش‌مصنوعی یاد دهند. دقیق‌تر بگوییم، قرار است تابع همیلتونی به هوش‌مصنوعی آموزش داده شود؛ این تابع اطلاعاتی در خصوص تمامیتِ سیستم‌های دینامیکی در اختیار هوش‌مصنوعی می‌گذارد.

همه‌ی انرژی ذخیره‌شده در این سیستم، به لحاظ جنبشی و پتانسیل مدنظر قرار می‌گیرد. به این ترتیب، زمینه برای تقلید از مجموعه پیچیده‌ی مغز انسان فراهم می‌شود. پس در این شرایط می‌توان به تصویر بزرگ‌تری از رخدادها به‌دست آورد. دانشمندان ابراز امیدواری کرده‌اند که اگر به این هدف جامه عمل بپوشانند، راه برای حل مسائل بزرگ‌تر توسط هوش‌مصنوعی هموار خواهد شد.

فیزیکدان «جان لیندنر» از دانشگاه ایالتی کارولینای شمالی، می‌گوید: «تابع همیلتونی به ویژگی خاصی اطلاق می‌شود که این قابلیت را به شبکه‌های عصبی می‌دهد تا نظم و هرج‌ومرج را فرا گیرند. در صورتی برخورداری از تابع همیلتونی، شبکه‌ی عصبی ویژگی‌های دینامیکی را به شیوه‌ای یاد می‌گیرد که شبکه‌های معمولی و همیشگی از یادگیری آن عاجز هستند. این نخستین گام به سوی شبکه‌های عصبی مبتنی بر فیزیک است که می‌تواند به ما دانشمندان برای حل مسائل سخت‌تر کمک کند.»

محققان به‌کارگیری تابع همیلتونی را با آونگِ در حال چرخش مقایسه می‌کنند؛ این تابع اطلاعاتی درباره‌ی سرعت چرخش آونگ و مسیر حرکتش به هوش‌مصنوعی می‌دهد و فقط به تصویری از چرخش آونگ در یک زمان خاص بسنده نمی‌کند. اگر شبکه‌های عصبی توان درک جریان همیلتونی را داشته باشند، می‌توانند میزان آشفتگی یا هرج‌ومرج را به شکل بهتری مدیریت کنند.

افزون بر این، می‌توان هوش‌مصنوعی را به ابزار کارآمدتری تبدیل کرد. لذا نیازی نخواهد بود پیامدها و رخدادهای غیرقابل پیش‌بینی را با تعداد عظیمی از گره‌های عصبی بررسی کرد. هوش‌مصنوعی این قابلیت را خواهد داشت تا درک کاملی از چگونگی کارکرد جهان به‌دست آورد.
 
محققان برای اینکه شبکه‌ی عصبی هوش‌مصنوعی خود را که به تازگی ارتقاء یافته مورد آزمایش قرار دهند، آن‌را در مقابل معیار سنجش متداولی تحت عنوان «مدل هِنون-هیلس» قرار دادند؛ این مدل در ابتدا برای مدل‌سازیِ حرکت سیاره به دور خورشید ساخته شده بود. شبکه‌ی عصبی همیلتونی به‌صورت موفقیت‌آمیز این آزمایش را پشت سر گذاشت و دینامیک سیستم را در حالت نظم و آشفتگی پیش‌بینی کرد.
 
این هوش‌مصنوعی پیشرفته می‌تواند در حوزه‌های گوناگونی مورد استفاده قرار گیرد؛ از جمله این حوزه‌ها می‌توان به تشخیص شرایط پزشکی و هدایت پهپادهای بدون سرنشین اشاره کرد. پیش‌تر شاهد این بوده‌ایم که هوش‌مصنوعی بتواند فضا را شبیه‌سازی کند، مشکلات پزشکی را تشخیص دهد، فیلم‌ها را ارتقاء بخشد و داروهای جدیدی تولید کند؛ اما خوشبختانه پیشرفت‌های بزرگ‌تری در راه خواهد بود. این یافته‎ها مسیر را برای حصول موفقیت‌های بیشتر هموار خواهد کرد.
مترجممنصور نقی‌لو - مجله علمی ایلیاد