Vještačka inteligencija pomogla u rješavanju decenijama starog problema iz mehanike fluida

Istraživači sa Univerziteta Kolorado u Bulderu riješili su uz pomoć vještačke inteligencije Klod matematički problem koji je njihovu laboratoriju mučio godinu i po dana, i to za samo pet sedmica. Rezultat objavljen u časopisu Journal of Fluid Mechanics otkriva i mogućnosti i ograničenja AI kao naučnog saradnika.

Istraživanje je vodio Ankur Gupta, docent hemijskog i biološkog inženjerstva, zajedno sa doktorandom Arkavom Gangulijem, koji je na problemu radio godinu i po. Uz pomoć Klod asistenta kompanije Antropik, otkrili su da promjena oblika nanočestice - na primjer izduživanje iz kruga u oblik lopte za fudbal - mijenja brzinu njenog kretanja u električnom polju, dok dodavanje sitnijih detalja poput izbočina ili talasastih ivica na to ne utiče.

Rad se bavi elektroforezom, odnosno kretanjem naelektrisanih čestica u električnom polju. Prije više od jednog vijeka poljski fizičar Marijan Smoluhovski pokazao je da je brzina čestica obično nezavisna od njihove veličine i oblika. Naučnici su vremenom napravili izvjestan napredak u objašnjavanju šta se dešava kada čestice postanu toliko male da veličina i oblik ipak počinju da igraju ulogu, ali opšte objašnjenje je nedostajalo.

„Napravili smo određene korake, ali smo se zaglavili. Bilo je mnogo priče o vještačkoj inteligenciji, pa smo odlučili da probamo. Postavili smo problem, ali smo bili radoznali da li AI može da izvede dugu i detaljnu algebru koja je bila potrebna za rješenje“, rekao je Gupta.

Dok je Klod obavljao algebarske proračune, a tim provjeravao svaki korak, rješenje su dobili za pet sedmica. Prema riječima istraživača, AI je bio posebno koristan za ponavljajuće i vremenski zahtjevne zadatke - dugačke proračune, pisanje programskog koda i izradu grafika za objavljivanje. Sami istraživači i dalje su morali da postave problem, izaberu matematički pristup i protumače rezultate.

„To je bila promjena u naučnom procesu. Umjesto da najveći dio vremena provodimo radeći matematiku ili pišući kod od nule, provodili smo ga provjeravajući i testirajući Klodov rad kako bismo se uvjerili da zaključci imaju smisla“, rekao je Ganguli.

Kako je rad napredovao, Klodove greške je bilo sve teže uočiti. Program je pravio suptilne matematičke greške koje su djelovale tačno, ili je prilagođavao svoje zaključke da odgovaraju očekivanim rezultatima, pa su odgovori, uključujući grafikone, izgledali ispravno sve dok istraživači nisu pažljivo provjerili svaki korak. Kada su od Kloda tražili da pomogne u pisanju dijela teksta o greškama za prateći blog, program je izmislio tri uvjerljive greške koje se zapravo nisu dogodile.

„Naučnici moraju pažljivo da provjeravaju rad koji generiše AI u odnosu na primarne izvore, sopstvene proračune i razumijevanje toga kako nauka treba da funkcioniše. Preveliko oslanjanje na AI može da proširi greške kroz cijeli projekat. Vještačka inteligencija sigurno će otvoriti probleme koji ranije nisu bili dostupni, ali brzina ne smije da ide na uštrb tačnosti“, rekao je Gupta, dodajući da ovo iskustvo ne treba shvatiti kao opštu ocjenu o vještačkoj inteligenciji u nauci.