Sir Isaac Newton byl v 17. století prvním, kdo formuloval takzvaný problém tří těles. Zní velmi jednoduše. Jde o vzájemné gravitační působení mezi třemi vesmírnými tělesy, jako jsou hvězdy, planety či měsíce. Záhy ale vyšlo najevo, že řešení tohoto problému je ve skutečnosti extrémně komplikované. Tři tělesa totiž vytvářejí chaotický systém, který je velmi složitý a vysoce citlivý na počáteční pozici každého ze tří zúčastněných těles.
V současné době se pro řešení problému tří těles v různých systémech používá pokročilý software. I těmto programům ale často trvá týdny nebo dokonce měsíce, nežli daný problém tří těles rozlousknou. Nejpokročilejším z těchto programů je Brutus. Jak jeho jméno napovídá, problém tří těles řeší brutální výpočetní silou. V dnešní době ale už nemusíme spoléhat na výpočetní svaly. Máme totiž umělé inteligence.
Chris Foley z britské University of Cambridge a jeho kolegové vycvičili umělou inteligenci, která vyřeší problém tří těles až 100 milionkrát rychleji, nežli nejlepší současné programy, používané pro tento účel, jako je právě Brutus. Tak dramatický pokrok v řešení tohoto ožehavého problému je přitom neocenitelný pro astronomy. Teď mohou umělou inteligenci požádat, aby jim pomohla proniknout do chování hvězdokup a vůbec do evoluce celého vesmíru. Podle Foleyho můžeme očekávat pokrok i v takových záležitostech, jako je vznik gravitačních vln.
Aby umělé inteligence mohly být skutečně užitečné, tak je nutné je důkladně vycvičit. V tomto případě Foley a spol. použili dosavadního šampiona, čili Bruta, aby jim vygeneroval 9 900 zjednodušených scénářů problému tří těles. Na těchto scénářích trénovali umělou inteligenci a pak ji pustili na analýzu dalších 5 tisíc scénářů problémů tří těles. Ukázalo se, že umělá inteligence dojde k velmi podobným výsledkům jako Brutus. Udělá to ale v naprostém zlomku sekundy, zatím co Brutus na to potřebuje téměř dvě minuty.
Programy, jako je Brutus, jsou tak pomalé právě proto, že jdou na problém tří těles s brutální silou. Počítají každý nepatrný krok v pohybu těles, o která jde. Umělá inteligence oproti tomu sleduje pohyby, které takovými výpočty vznikají a odvozují z nich, jak bude soustava tří těles vypadat v dalších podobných případech. Foley přiznává, že pro složitější problémy tří těles to bude mnohem náročnější i pro jejich postup s umělou inteligencí. Nejde přitom o výkony samotné inteligence, ale o její učení. Bude totiž nesmírně obtížné připravit výukové scénáře, protože budou na samotné hranici možností Bruta, ne-li za ní. Držme jim palce.
Literatura
Live Science 4. 11. 2019, arXiv:1910.07291.
Neurální sítě potkávají Einsteina ve vesmíru
Autor: Stanislav Mihulka (11.09.2017)
Umělé inteligence přebírají výzkum kvantových systémů
Autor: Stanislav Mihulka (03.03.2018)
Umělá inteligence poprvé simulovala vesmír: Rychle, přesně a nikdo neví jak
Autor: Stanislav Mihulka (27.06.2019)
Australská umělá inteligence SAM vyvinula první vakcínu
Autor: Stanislav Mihulka (14.07.2019)
Diskuze:
Umělá inteligence vyřešila problém tří těles 100 milionkrát rychleji
Theodor Leitner,2019-11-24 03:02:54
Programy "umele inteligence" jsou jen tak dobre, jak dobri jsou programatori, co ty programy udelali. Kdyz se ta podivam na Windows, muj mobil, nebo software u meho auta a jinde, tak je vsude, kam se podivam jen "umela idiotita", ne "umela inteligence".
V reali podla mna nepouzitelne
peto peto,2019-11-19 11:52:55
Ja si myslim, ze keby sme zili na planete s knihy Problem tri teles, aj tak by nam to nepomohlo.Vdaka tejto UI alebo BRUTUSovi, by sme aj vedeli predpovedat tento pohyb len na nejake kratke obdobie dopredu (ako pocasie) - t.j pre pripad katastrofy by sme asi nemali dost casu. A to nehovorim o hypotetickom vystreleni rakety niekam do vesmiru, tak aby sme sa presne trafili...
Tak ako sa pise, tento problem je extremne citlivy na pociatocne podmienky, teda na presnost merania...
Samozrejme snazme sa :-)
Martin Pecka,2019-11-09 10:16:40
Aha, osel zere mensitka, tak jeste jednou:
To assess performance of the trained ANN across arange of time intervals, we partitioned the training and val-idation datasets into three segments: t less than 3.9, t less than 7.8 and t less than 10(which includes all data).
The best performing ANN was trained with data from t less than 3.9(Fig. 3).
V te Fig. 3 je videt, ze pro ty delsi casove useky se jim to zas tak skvele nenaucilo. (chapu, meli 2x, potazmo 2,5x delsi trajektorie, takze absolutni chyba bude vetsi, ale tady to nevychazi radove). Jinymi slovy - vysledek nic moc, ale na podmnozine dat se to chovalo hezky, tak budeme prezentovat hlavne tu.
Tak nevim, jak s timhle chteji resit ty mnohem slozitejsi problemy...
Martin Pecka,2019-11-09 10:13:38
To assess performance of the trained ANN across arange of time intervals, we partitioned the training and validation datasets into three segments: t
Martin Pecka,2019-11-09 10:07:40
We restricted the training set to the gravitational prob-lem of three equal mass particles with zero initial velocity,located in a plane
a 10-layer deep neural network. Ineach layer (apart from the input layer), a node takes the weightedinput from the previous layer’s nodes (plus a bias) and then ap-plies an activation function before passing data to the next node.The weights (and bias) are free parameters which are updatedduring training.
Takze vlastne slozity solver diferencialnich rovnic nahradili 1000 nasobeni, 1000 scitani a 1000 prahovani... Hmm, to si rikam, kde bude hacek... Ty podobnosti jim tam vysly hezke, ale pri rozdeleni datasetu na 9900 trenovacich a 100 validacnich dat se mozna neni cemu divit. Bylo by zajimave pustit to na mnohem vetsi mnozinu validacnich dat.
AI
Stanislav Poutník,2019-11-09 07:31:52
Doufám, že té AI, za odměnu, koupili aspoň pivo nebo couru.
Re: Re: Re: AI
Jan Novák9,2019-11-11 17:25:11
Neutral gender, to je dneska moderní. Je to narrow AI, je vytvořená pro řešení tohoto problému. Protože pro řešení problému tří těles je pohlaví překážkou tak žádné nemá. Je nežádoucí aby AI myslela na pi..viny nebo pt..oviny místo řešení toho co má řešit, to už by to mohl řešit rovnou člověk :-))
Diskuze je otevřená pouze 7dní od zvěřejnění příspěvku nebo na povolení redakce
