Штучний інтелект освоїв здатність знаходити прості принципи у складних ситуаціях.

Дослідники з Університету Дьюка розробили систему штучного інтелекту для виявлення простих правил, що керують складними динамічними процесами в природі та техніці.

Новий метод черпає натхнення з діяльності "динамістів", які займаються вивченням змін у системах з плином часу. Подібно до того, як Ісаак Ньютон з'єднав рух із силами за допомогою своїх рівнянь, ця система аналізує дані, що відносяться до часу. Виходячи з цих даних, вона автоматично генерує математичні моделі, що описують поведінку систем. Основною метою є спростити надзвичайно складні динамічні процеси.

Ключовою перевагою підходу є здатність працювати з нелінійними системами, що мають сотні або тисячі змінних. Алгоритм зводить їх до невеликого набору прихованих параметрів. У результаті виникають компактні лінійні моделі, доступні для людського аналізу. Це значно розширює межі інтерпретації даних.

Боюань Чен зазначає: "Наукові досягнення завжди грунтуються на спробах спростити складні процеси". Він акцентує увагу на невідповідності між величезними обсягами доступної інформації та здатністю людини перетворювати її на зрозумілі правила. Розроблений штучний інтелект має на меті вирішення цієї проблеми, об'єднуючи машинне навчання та традиційні теорії.

Метод базується на ідеї Купмана, тобто "математичному представленні нелінійних систем через лінійні оператори". Раніше практичне застосування цієї ідеї вимагало сотень рівнянь. Новий фреймворк автоматично скорочує їхню кількість. Складність стискається без втрати точності прогнозів.

Систему випробували на маятниках, електричних колах, кліматичних моделях та нейронній активності. У всіх цих випадках штучний інтелект виявляв обмежений набір змінних, які визначали поведінку системи. Стиснуті моделі виявилися більш ніж у десять разів компактнішими, зберігаючи при цьому стабільність у довгострокових прогнозах.

Однією з ключових переваг є ідентифікація атракторів, які представляють собою "стабільні стани системи". Це надає можливість оцінювати, чи рухається система в бік рівноваги чи нестабільності. Сем Мур підкреслює: "Виявлення атракторів нагадує пошук орієнтирів у незнайомому середовищі". Подібний аналіз є надзвичайно важливим для управління складними процесами.

Автори підкреслюють, що підхід не замінює фізику. Він доповнює її там, де рівняння є надто складними або невідомими. Поєднання ШІ та динамічних систем відкриває шлях до автоматизованих наукових відкриттів. Дослідження опубліковано в журналі npj Complexity.