Může AI vymyslet nové teorie fundamentů vesmíru založené na obrovském množství dat, která lidstvo shromažďuje ?

S nárůstem bezprecedentních objemů astrofyzikálních a částicově-fyzikálních dat by mohly nástroje založené na strojové inteligenci inspirovat zcela nové rámce pro strukturu vesmíru – za hranicemi současných standardních modelů? Ačkoliv AI vyniká v prohledávání signálů a objevování korelací, zatím nedokázala sama o sobě vytvořit paradigmou posouvající kosmologickou teorii, která by se svou hloubkou vyrovnala kvantové mechanice či obecné relativitě.

Background

Nedávná práce v oblasti výpočetní kosmologie ukázala, že hluboké učení může rekonstruovat mapy temné hmoty z průzkumů slabého čočkování a algoritmy symbolické regrese mohou přímo znovu odvodit Keplerovy zákony nebo Ohmův zákon z dat časových řad, což demonstruje, že AI dokáže obnovit či interpolovat známou fyziku při poskytnutí čistých, vysoce kvalitních vstupů (Nature 594, 2021; PRX 12, 2022). V částicové fyzice komprimují autoenkodéry založené na neuronových sítích události na úrovni detektorů do prostorů nízké dimenze a označují anomálie, které se nehodí do Standardního modelu (Nature 600, 2021). Podobné techniky byly aplikovány na simulace formování galaxií, přičemž identifikovaly jemné rysy ve funkci hmotnosti hvězdného hala, které korelují s procesy baryonové zpětné vazby (MNRAS 511, 2022). Projekty jako Dark Energy Survey, Large Synoptic Survey Telescope a Square Kilometre Array mají v příštím desetiletí dodat vícepetabytové katalogy, čímž rozšíří prostor pro hledání nových fyzikálních zákonů (arXiv:2303.08151). Navzdory těmto úspěchům zůstávají pokusy použít AI k postulování zcela nových teorií – jako je modifikace gravitace na kosmologických škálách bez nutnosti temné energie či smíření kvantové teorie pole s obecnou teorií relativity prostřednictvím datově řízených toků renormalizační grupy – spekulativní a dosud nevedly k jedinému teorii, která by obstála při nezávislé experimentální kontrole (Living Reviews in Relativity, 26:3, 2023).