科學與人工智能 (AI)
30 November, 2021 by
科學與人工智能 (AI)
DL

許多經典物理學,例如牛頓運動定律,都可以用數學來描述。你還可以動手做科學實驗,從測量和觀察中收集數據來驗證定理。

我們較容易“認識”或理解空間和時間維度 (3維空間 x、y、z 軸和時間軸,共4維空間)。經典物理學科學家描述自然的規律,大多是4維空間內的數學公式和方程。以牛頓第二定律 F = ma 的實驗驗證為例 (物體的加速度和質量之間的簡單關係),我們會測量物件重量、坐標、時間和作用力的數據。

當人工智能和機器學習方法的使用變得成熟時,它開闢了探索和發現新事物的新途徑。

這是一個例子 : 美國宇航局 (NASA) 最近使用人工智能 (artificial intelligence) 和機器學習 (machine learning) 方法來識別以前未從數據記錄中識別出的新系外行星 (exoplanets)。

世界各地天文學家歷來使用望遠鏡來捕捉和收集來自宇宙的大量數據。例如,它們可能是行星和恆星的位置坐標、日期和時間、亮度、各種輻射、溫度等數值,這些都是人工智能術語的“輸入特徵”。然而,人類要在適當的時間內檢查和分析所有數據,準確預測一顆星是否是系外行星並不容易(在 AI 術語中,輸出類別是 Yes 或 No)。可以想像,即使我們有大量的觀測數據,也很難建立它們的內在關係 —— 一個涵蓋所有特徵的公式或方程來描述觀測。

只要我們測量更多的特徵,數學維度就會增加,這對我們來說更難想像。

人工智能和機器學習在這裡提供幫助。 AI 不會像科學家那樣試圖推導出方程式。它只是根據所學知識建立數學模型 —— 我們提供人工智能訓練數據集,包括特徵數據,以及輸出標籤 (是否有系外行星)。 AI 使用優化的數學模型對下一個輸入特徵集進行分類或預測。機器學習背後依然涉及很多數學,但它可以是一個我們無法輕易想像的非線性和多維空間 (multi-dimensional space)。

如果艾薩克·牛頓爵士 (Sir Isaac Newton) 今天還活著,他可能會嘗試使用神經網絡來驗證牛頓第二定律!

Share this post