Simulasi kecerdasan artifisial pertama yang pernah ada di alam semesta tampaknya bekerja seperti hal yang nyata - dan hampir sama misteriusnya.
Para peneliti melaporkan simulasi baru 24 Juni di jurnal Proceedings of National Academy of Sciences. Tujuannya adalah untuk menciptakan versi virtual dari kosmos untuk mensimulasikan kondisi yang berbeda untuk permulaan alam semesta, tetapi para ilmuwan juga berharap untuk mempelajari simulasi mereka sendiri untuk memahami mengapa ia bekerja dengan sangat baik.
"Ini seperti mengajar perangkat lunak pengenalan gambar dengan banyak gambar kucing dan anjing, tetapi kemudian dapat mengenali gajah," kata rekan penulis studi Shirley Ho, astrofisikawan teoretis di Center for Computational Astrophysics di New York City, dalam sebuah pernyataan. pernyataan. "Tidak ada yang tahu bagaimana melakukan ini, dan itu adalah misteri besar yang harus dipecahkan."
Mensimulasikan alam semesta
Mengingat usia dan skala alam semesta yang sangat besar, memahami pembentukannya merupakan tantangan yang menakutkan. Salah satu alat dalam kotak alat astrofisika adalah pemodelan komputer. Model tradisional memerlukan banyak daya komputasi dan waktu, karena ahli astrofisika mungkin perlu menjalankan ribuan simulasi, mengubah parameter yang berbeda, untuk menentukan yang merupakan skenario dunia nyata yang paling mungkin.
Ho dan rekan-rekannya menciptakan jaringan saraf yang dalam untuk mempercepat prosesnya. Dijuluki Model Pemindahan Kepadatan Dalam, atau D ^ 3M, jaringan saraf ini dirancang untuk mengenali fitur-fitur umum dalam data dan "belajar" dari waktu ke waktu bagaimana memanipulasi data itu. Dalam kasus D ^ 3M, para peneliti memasukkan 8.000 simulasi dari model komputer tradisional alam semesta dengan akurasi tinggi. Setelah D ^ 3M mempelajari bagaimana simulasi-simulasi itu bekerja, para peneliti memasukkan simulasi baru yang tidak pernah dilihat sebelumnya dari sebuah alam semesta berbentuk kubus yang 600 juta tahun cahaya. (Alam semesta yang dapat diamati sebenarnya sekitar 93 miliar tahun cahaya.)
Jaringan saraf mampu menjalankan simulasi di alam semesta baru ini seperti yang ada di dataset 8.000-simulasi yang digunakan untuk pelatihan. Simulasi difokuskan pada peran gravitasi dalam pembentukan alam semesta. Yang mengejutkan, kata Ho, adalah ketika para peneliti memvariasikan parameter baru, seperti jumlah materi gelap di alam semesta virtual, D ^ 3M masih mampu menangani simulasi - meskipun tidak pernah dilatih tentang cara menangani materi gelap. variasi.
Komputer dan kosmologi
Fitur D ^ 3M ini adalah sebuah misteri, kata Ho, dan membuat simulasi ini menarik untuk ilmu komputasi dan kosmologi.
"Kita bisa menjadi taman bermain yang menarik bagi pembelajar mesin untuk digunakan untuk melihat mengapa model ini melakukan ekstrapolasi dengan sangat baik, mengapa ia melakukan ekstrapolasi ke gajah alih-alih hanya mengenali kucing dan anjing," katanya. "Ini adalah jalan dua arah antara sains dan pembelajaran mendalam."
Model ini juga bisa menjadi penghemat waktu bagi para peneliti yang tertarik pada asal universal. Jaringan saraf baru dapat menyelesaikan simulasi dalam 30 milidetik, dibandingkan dengan beberapa menit untuk metode simulasi kecerdasan non-buatan tercepat. Jaringan juga memiliki tingkat kesalahan 2,8%, dibandingkan dengan 9,3% untuk model tercepat yang ada. (Tingkat kesalahan ini dibandingkan dengan standar akurasi emas, model yang membutuhkan ratusan jam untuk setiap simulasi.)
Para peneliti sekarang berencana untuk memvariasikan parameter lain dalam jaringan saraf baru, memeriksa bagaimana faktor-faktor seperti hidrodinamika, atau pergerakan cairan dan gas, mungkin telah membentuk pembentukan alam semesta.
