产品展示

产品一类    /    产品二类    /    产品三类    /    产品四类    /   
人工智能如何改变科学?
发表时间:2019-09-12 13:22     阅读次数:
人工智能如何改变科学?
 
最新的AI算法正在探索星系的演化,计算量子波函数,寻找新的化合物等等。是否有任何无法实现自动化的科学家的工作。贵州快3,贵州快3大小走势
这些面孔都不是真人。上排(A)和左列(B)中的面部由从实像拍摄的基本元素生成的拮抗剂生成网络生成。然后,对抗性生活结合了A面的基本特征,包括性别,年龄和面部,以及B面的更精致的特征,例如头发颜色和眼睛颜色,以创造从中间的桌子出来。
任何人或一群人都无法跟上现代物理和宇宙实验所产生的大量信息。有些实验每天记录数TB的数据,数据流量会增加得更多。预计将于20世纪20年代中期开始运营的Square Kilometer Array射电望远镜将产生与整个互联网一样多的数据。
 
大量的信息导致许多科学家转向人工智能。通过最少的人为干预,人工智能系统,如神经网络(模拟神经元,模拟大脑功能的计算机模型)可以耕作。大量数据,发现人们永远无法识别的异常现象和规则。
 
当然,计算机已经在科学研究中使用了大约75年,并且探测(手动)数据以找到有意义的规则的方法已有数千年的历史。前一年。但是一些科学家认为机器学习和人工智能的最新技术是进行科学研究的一种基本新方法。一种这样的方法是基于统计和概率(生成模型)找到最优模型; 它可以帮助确定最可信的理论,在可观察数据的许多不同解释中,仅基于数据,更重要的是,在不了解内部发生的物理过程的情况下。该系统正在研究中。这个模型的支持者认为它足够新颖,被认为是了解宇宙的“第三条道路”。
 
自古以来,我们通过观察学习了自然。一个例子是约翰内斯·开普勒(Johannes Kepler)从第谷布拉赫(Tycho Brahe)的数据中仔细研究行星的位置,并试图在其中找到隐藏的法则。(他画出行星在椭圆轨道上移动。)由于模拟,科学也在继续。例如,天文学家可以模拟银河系和仙女座1星系的运动并预测它们的碰撞数十亿年。观察和模拟有助于科学家提出可以通过其他新观察得到验证的假设。基于统计和概率找到最优模型的方法不同于两种方法。
 
“基本上,这是第三种方法,位于观察和模拟之间,”瑞士联邦理工学院(苏黎世联邦理工学院)天体物理学家Kevin Schawinski,其中一位这种方法的倡导者最强大,说。“这是另一种攻击问题的方法。”
 
一些科学家认为这种方法和其他新技术只是做传统科学的有力工具。但大多数人认为人工智能正在产生重大影响,其在科学中的作用将得到进一步发展。Fermi 2国家加速器实验室的天体物理学家Brian Nord 使用神经网络研究宇宙,他们担心家里什么也没有。 [人类]科学不是自动化的。“这是一个非常可怕的想法,”他说。
 
创造了探索
 
由于他是研究生,Schawinski在数据科学领域一直很有名。在他的博士论文中,他根据形状面对数千个星系的分类。由于当时没有可用的软件,他决定寻求社区帮助,并且银河动物园科学项目诞生了。从2007年开始,普通计算机用户能够通过提供关于星系的分类思想来帮助天文学家,而大多数人选择的结果通常都是正确的。这是一个成功的项目,但是,正如Schawinski所说,人工智能使它过时了:“今天,一位优秀的科学家,在机器学习方面经验丰富并且知道如何使用云计算可以在一个下午完成。“
 
Schawinski在2016年提出了这种方法,一种非常强大的新工具。它基本上显示了在输入条件为X时观察输出Y的能力。这种方法表明令人难以置信的效果和灵活性。例如,假设我们提供了几张人脸照片的数据集,每张人脸都有他们的年龄。在浏览这些可用数据的过程中,计算机程序开始在较旧的面部之间绘制链接并且可能存在更大的皱纹。最后,它可以“老化”任何面孔,这意味着它可以预测任何年龄的面孔可以经历的变化。贵州快3,贵州快3大小走势
 
这些模型系统最为人所知的是“对抗生命网络” 3。在暴露于足够的训练数据之后,对抗性生命网络可以恢复具有像素缺陷的图像,或者锐化模糊图像。他们学会通过竞争过程(因此称为“对抗性”)来推断缺失的信息:网络的一部分,称为发射器,创造假数据,而第二部分,称为分离器,试图区分假数据和实际数据。程序运行得越多,两个部分同时变得越好。也许读者也看到了最近流传的由对抗性生活所创造的超现实面孔的照片; 一篇名为“不寻常但不存在的真实人物”的文章。
 
通常,这种最佳模型建模方法采用数据集(通常但不总是图像)并将它们分解为一组基本的抽象块,科学家称之为数据的“隐藏空间”。该算法与隐藏空间的元素一起工作,以查看它们如何影响原始数据,从而发现系统内的运动定律。
 
隐藏空间的概念非常抽象,难以想象。粗略地说,当我们猜测一个人的性别时,我们可以比较大脑的活动。我们可能会注意到发型,鼻子的形状等,以及难以描述的特征。计算机程序还从数据中寻找显着的特征:即使不知道小胡子或性别是什么,如果训练的数据集包含标记为“man”或“女性,“并包括那些标有”胡须“的女性,它会迅速推断出这种联系。
 
在12月出版2018年纸4对期刊天文学和天体物理学在苏黎世联邦理工学院,Schawinski和他的同事是丹尼斯TURP和张策使用的方法优化模型,找出在物理变化星系的演变。(他们使用的软件以不同于敌对生成网络的方式隐藏隐藏空间,因此它类似但不是反补偿网络。)他们的模型创建内核数据集。创建用于测试有关物理过程的假设。例如,他们想知道恒星形成的“关闭”(恒星形成率的突然下降)是如何与星系密度的增加有关的。
 
对于Schawinski来说,关键问题是可以从数据中获取有关恒星和星系过程的信息量。“删除我们所知道的关于天体物理学的一切,”他说。“仅使用数据,我们能在多大程度上恢复这些知识?”
 
首先,处理过的星系的图像返回其隐藏的空间; Schawinski现在可以以与星系变化相对应的方式调整该空间的元素,例如它周围的密度。然后他可以重新创建星系,看看是否出现任何差异。“所以现在我有一台假想的机器,”他解释道。“我可以拍摄一堆处于低密度环境中的星系,通过这个过程使它们看起来像是在高密度环境中。”Schawinski,Turp和Zhang发现,当移动时从低密度到高密度,星系更红,星星更集中。这与现有观察结果一致,Schawinski说。问题是为什么。
 
根据Schawinski的说法,下一步仍然没有实现自动化:“我必须介入,作为一个人,然后说:'好吧,怎样才能在物理学中解释这种效应? “有两种可能的合理解释:红色星系可能在高密度环境中更红,因为灰尘更多,或者由于恒星形成减少而可能会变红(换句话说,他们的星星比较老了)。这两种想法都可以使用统计上最优的建模方法进行测试:与尘埃程度和恒星形成率相关的隐藏空间的构成会发生变化,看它们是否会影响怎么来星系的颜色。“答案很明确,”Schawinski说。更明亮的星系“当恒星形成减少时,不是因为尘埃的变化。”
 
这种方法与传统模拟有关,但存在重要差异。Schawinski说,模拟“主要基于假设”。“模拟意味着'我想我知道哪些物理定律会导致我在系统中观察到的一切。' 我有一个恒星形成的公式,一个暗物质如何工作的公式等等。我把所有的假设都放进去,然后进行模拟。然后我问:它看起来像现实吗?“虽然这种统计优化方法”在某种意义上说,与模拟相反。我们一无所知; 我们不想做任何假设。我们希望数据能够告诉自己可能会发生什么。“
上一篇:石榴的健康益处尚不清楚
下一篇:没有了
Sitemap - 百度地图