მიუხედავად იმისა, რომ ხელოვნური ინტელექტი მუდმივად ვითარდება და გარკვეულ წარმატებებსაც უკვე მიაღწია, მას ქაოსთან და მოულოდნელობასთან გამკლავება ჯერ კიდევ არ შეუძლია. მკვლევრებმა ამ პრობლემის მოგვარება მისთვის ფიზიკის, უფრო კონკრეტულად კი ჰამილტონის ფუნქციის სწავლით გადაწყვიტეს.

"ჰამილტონის ფუნქცია ნამდვილად განსაკუთრებული მეთოდია, რომელიც ნეირონულ ქსელს ქაოსსა და წესრიგს ასწავლის", — განაცხადა ფიზიკოსმა ჯონ ლინდნერმა, — "მისი დახმარებით, ნეირონული ქსელი დინამიკის პრინციპებს იაზრებს, რაც ჩვეულებრივ ქსელს არ შეუძლია. ფიზიკის დახმარებით AI-ის გაუმჯობესებაში ეს მნიშვნელოვანი წინ გადადგმული ნაბიჯია".

მკვლევრები ხელოვნური ინტელექტისთვის ჰამილტონის ფუნქციის გაცნობის პრინციპს ქანქარის რხევის მაგალითზე ხსნიან: ამ გზით, იმის სანაცვლოდ, რომ მას ქანქარის დროის ერთ მონაკვეთში დაფიქსირებულ ადგილმდებარეობაზე მიეწოდოს ინფორმაცია, AI-ს ეძლევა ცოდნა იმაზე, თუ რა სისწრაფით ირხევა ქანქარა და რა გზას გადის ის.

თუკი ნეირონული ქსელი ამ მექანიზმს გაიგებს — სად არის კონკრეტულ მომენტში ქანქარა, რა მიმართულებით შეიძლება მიდიოდეს და რა ენერგია აქვს მას — მკვლევრები უკეთ შეძლებენ AI-სთვის ქაოსის წესრიგში მოყვანის სწავლებას.

მკვლევრებმა თავიანთ გაუმჯობესებულ AI-ის სხვადასხვა შემოწმება ჩაუტარეს და მან ისინი წარმატებით ჩააბარა. მსგავსი AI-ის გამოყენება უამრავ სფეროში შეიძლება — სამედიცინო დიაგნოზის დასმიდან ავტონომიური დრონების მართვამდე.

ჩვენ უკვე ვნახეთ, თუ რამდენად ეხმარება AI კოსმოსის შესწავლას, მედიცინის განვითარებას, კინოსამყაროს გაუმჯობესებას თუ ახალი მედიკამენტების შექმნის პროცესს. ამ ყველაფრის მიუხედავად, იგი ჯერ კიდევ ახლა იწყებს განვითარებას და მომავალში ბევრად მეტ სფეროში გამოგვადგება.

"თუკი ქაოსი არახაზოვანი 'სუპერძალაა', რომელიც დეტერმინირებულ დინამიკას ფაქტობრივად არაპროგნოზირებადს ხდის, მაშინ ჰამილტონი ერთგვარი საიდუმლო ინგრედიენტია, რომელიც წესრიგისა და ქაოსის სწავლასა და წინასწარმეტყველებას რეალობად აქცევს", — წერენ კვლევის ავტორები.

კვლევა 18 ივნისს ჟურნალ Physical Review E-ში გამოქვეყნდა.