Математики Колумбійського університету розробили штучний інтелект, який спостерігає за різними фізичними процесами та виявляє фундаментальні змінні, що описують картину, що спостерігається. Виявилося, що навіть під час спостереження за звичайним подвійним маятником програма виявляє альтернативні змінні, які поки що залишаються загадкою для вчених. Дослідження, результати якого опубліковані в журналі Nature Computational Science, є кроком на шляху розробки систем, що автоматизують і прискорюють наукові відкриття.
Основою системи став автокодувальник — надточна нейронна мережа, яка здатна аналізувати процес, що спостерігається через відео (наприклад, гойдання маятника) і моделювати його, роблячи точні прогнози, яким буде стан фізичного процесу в наступний момент часу. Для цього нейронна мережа повинна стиснути вхідні дані до прихованих абстрактних параметрів — змінних, які зберігаються у вузькому місці мережі. Надалі та частина мережі, що декодером, використовує ці параметри у тому, щоб реконструювати кадр майбутнього стану системи. Ця нейромережа здатна до самонавчання, оскільки кадр на виході порівнюється з наступним кадром на вході і внутрішні шари автокодувальника налаштовуються до тих пір, поки кадри не відповідатимуть один одному.
Вчені вилучали з «вузького місця» навченої прогностичної нейронної мережі приховані параметри, які і повинні бути тими фундаментальними змінними, що описують фізичний процес. Спочатку за допомогою спеціальних алгоритмів, званих алгоритмами навчання різноманіттю, дослідники визначали внутрішню розмірність (ID) процесу, тобто мінімальну кількість фундаментальних змінних, яка потрібна для опису процесу.
Потім інший автокодувальник, використовуючи значення ID, визначав набір змінних (який може бути унікальним), закодованих в нейронах першої нейромережі. У подальших експериментах вчені перевіряли, чи могли ці змінні, названі змінними нейронного стану, точно відображати динаміку фізичного процесу. Система аналізувала відеозапис одиночного маятника, жорсткого та пружного подвійних маятників, лавової лампи, повітряного танцюриста, полум’я та системи «реакція-дифузія» і в кожному випадку змогла спрогнозувати процес.
Поведінка подвійного маятника описує чотири змінні – кут і кутова швидкість для кожного з двох важелів. Нейронна мережа визначила, що значення ID цього процесу дорівнює 4,7, що близько відомому числу змінних. Експерименти підтвердили, що дві змінні, закодовані нейронною мережею, справді відносяться до кутів відхилення важелів, проте дві інші залишилися для вчених загадкою. ID повітряного танцюриста, лавової лампи та полум’я науці не були відомі, проте штучний інтелект визначив їх значення як 7,5, 7,8 та 24,7 відповідно.