AIが設計図した人類未解読の重力波レシピ
今回の成果は、AIが人間の専門家を凌駕するような新発想を生み出しうることを示しました。
それは同時に、人間がそれを理解し解釈するという新たな課題も生まれたことを意味します。
クレーン博士は「我々は今、機械が人間以上の解決策を発見し、人間がそれを理解するのが仕事となる時代に入っています。これは今後の科学において非常に顕著な役割を果たすようになるでしょう」と述べています。
まさに、人間とAIの協働によって科学を進歩させていく新時代が到来しつつあると言えるでしょう。
重力波検出器に限らず、AIによる実験設計は今後様々な分野で応用が期待されています。
研究チームは「今回の手法は他の基礎物理実験の設計にも容易に拡張できる」と述べており、例えば暗黒物質の検出器や重力の量子効果を探る実験などへの応用も視野に入れているようです。
宇宙最大の天体イベントから極微の量子現象まで、AIが最適な“観測の目”を設計し、人類がそれを使って未知の現象を解き明かすーーそんな未来が現実味を帯びてきました。
今回公開された「検出器の動物園」に集められた数々の設計は、重力波天文学コミュニティに新たなインスピレーションを与えるでしょう。
研究者たちは今後、この中から有望なアイデアを抜き出し、原理実証となる小規模な実験を行ったり、既存の重力波望遠鏡への追加改良として取り入れたりすることを検討しています。
人間には奇抜に見えた仕組みも、原理を理解し工夫を重ねることで実現可能になるかもしれません。
未知への探究と技術革新のサイクルにおいて、AIが発見した「人知を超えた設計」は、これからの科学を前進させる大きな原動力となる可能性があります。
よくわからなかったが普通の人は
こんな記事読まんし読んでも理解できんよなー
こんなとこ見てるのは世代の中の
異質層だと思う
昔ミランカなんか見てた人いたかなぁ
人間は組み合わせ試すたびにそれが理論的にあり得るかっていう検証を行って、もしあり得なさそうなら候補から外してしまうのでしょうが、AIはそれをしないで目標を達成することだけを考えて次々組み合わせを実行しますから、最終的に大きな差になって現れるっていうだけな気もします。
あり得なさそうなことがあり得るのが現実の世界ですからね。
でもそのありえない設計が本当に動くのかどうかはやってみないと分からないでしょうし、やってみたら期待したほどの性能は出ないかもしれません。
何かをするときに余計なことは考えるなってことなんだと思いますよ。
『下手な鉄砲も数打ちゃ当たる。』
コレに尽きると想います。
天才でない『AI』君が､ズッ〜ト地味で面倒な計算を繰り返して､『答え』を導き出します。
ある意味､人間の『サヴァン症候群』に似ています。
同感です。
ＡＩの基本は、統計的データの抽出、分類、組合わせですから。理論、理屈が背景にあるけじゃない。
膨大なデータが元だから上手くいく確率は高いでしょうが、根本は「当たるも八卦当たらぬも八卦」ですもんね。
それに、まだ機器は、実際に作成されておらず、観測に使われてないのですよね。
大騒ぎするのは、実際の運用が成功してからでないと…という気がします。
AIの仕組み理解してなくて草
強化学習です
古くから存在していました。
ある行動をとると報酬 /罰が与えられます この強化学習 モデルは 報酬 最大化するように行動を変えていきます 今回の場合は 施設の設計です
色々 誤解を招く表現がありますね
総当たり とは言ってませんが 多くの人が 総当たりを AI が行ったと勘違いしてしまいます
また AI と言っていますが チャット GPT どこではなく 古典的な 強化学習の AI ですね
アハ体験があった、集中力のある研究者みたいだなどと 擬人化してもいいですが 具体的に何かは少し説明した方がいいですね とても誤解を招きやすい。
最近のLLMによるエージェントの研究者がニュースになったから勘違いしてるんでしょうか?
これは古典的な方法で行われています.このような 複雑なモデルは総当たりを行うとスーパーコンピューターを使っても宇宙の年齢よりも長くかかってしまいます。
沢山のパターンを短時間で生成するのが得意なので、99.9%は実際には動かない設計かもしれないけど、残りの0.1%がたまたま人間の理解を超えた高性能設計になる、数打ちゃ当たる方式ということですかね
同感です。
ＡＩの基本は、統計的データの抽出、分類、組合わせですから。理論、理屈が背景にあるけじゃない。
膨大なデータが元だから上手くいく確率は高いでしょうが、根本は「当たるも八卦当たらぬも八卦」ですもんね。
それに、まだ機器は、実際に作成されておらず、観測に使われてないのですよね。
大騒ぎするのは、実際の運用が成功してからでないと…という気がします。
記事を読んでみるとどうやらコレはシュミレーションのパラメータを総当たりで試してみた結果有望なモデルが幾つかあったと言う話らしい。
とすればAIが新しい発見を使って全く新しい設計を行なったわけではないだろう。
たまたま(？)パラメータの組み合わせの中に未知の現象が含まれているらしいと言う事でしかない。
一体この何処に知能と言うべき働きがあったのだろうか？？？
よくわからない。
表面の言葉に囚われていては大切な事を見落としますよ。
大量の
こうゆう記事を見るといつもAIが知性を持って、暴走しないか心配になる
人間は「仮説→設計→検証→考察」のプロセス。
AIは仮説がなく、考察が画一化され、非常に高速でサイクルを回せるような感じにも思いました。
いずれにせよ試行数はAIが圧倒的に上なんでしょうね。
設計をAIにさせる方法論を開発したのが素晴らしいですね。その設計を理解することや、どういう考え方で設計をしたのかなど、他のAIでも言われている推論の筋道がわからないという、今のAIの問題をここでも体現していますね。とはいえ、余計なことも考えず、ひたすら同じ事をやり続けるという計算機（それが計算機）の用途の一つとして面白いと思います。発明に使えるとなると、TRIZなどと組み合わせるのも面白いかも知れませんね。
人間が造り出したＡＩから逆に人間が教えられるなんて、凄くＳＦっぽい未来図だけど、可能なんだね。なんだか卵が先か鶏が先かのパラドクスを想起させる話だ。
パラメーター(変数)数値の無限とも思われる組合せを計算検証して、突然に創発的な閃きに辿り着いたりするのが本当なら、ＡＩも単なる機械の冷たさだけでなく、情熱の息吹を内に秘めているように感じるね。
そうは言ってもＣＰＵ・ＧＰＵ・ＮＰＵのどれか一つでも熱暴走し始めたら、却って悪魔的な考えを現実化させるかも知れないから、触らぬＡＩに祟り無しなんじゃないかと、素人の儂なんか恐ろしくてそう思うけど。
強化学習の過程を擬人化するのはあまりよろしくないよね
その方がウケるんだろうけど
人工知能と言っても過去に学習した内様を引き出した域を越えないものなので過大評価するのはちょっとどうかと思う。手当たり次第に試行錯誤する様な場面では機械が威力を発揮するのだろうが、人間が理解に苦しむ様な設計を機械が提示したとしたら、それは人間側の勉強不足に起因するのだろう。
このレベルの研究者に「勉強不足」とか言っちゃうのはどうなの
これで核融合炉とか設計できないかな
いずれアイデアすらもAIが上回る時代が来る。結果さえ出ればそこに人間の知能があるかは大した問題ではない
ある意味シンギュラリティポイントに到達したということでしょうか。
AIがAIをヒューマノイドを量子コンピューター等を加速度的に進化させていくのでしょう。
ヒューマノイドが一般家庭に普及するのは10年先と思っていたら、３年後位には１割の世帯で導入されているのかもしれない。
パーソナル量子コンピュータも数年後
ウェアラブル視聴味触覚神経デバイスも死ぬ前に体験したい。
今回使用された AI というのはchat jpt などではなく古典的な強化学習 機械学習 系統です
もしかしたら今回の「人間には理解しきれない仕組み」とは，もしかしたらシミュレータの特異点，たとえばバグを突いて高得点を出しただけだったりしないでしょうか？
今回のＡＩのアプローチは煎じ詰めると，考えられるあらゆるパラメータをシミュレータに入れて期待値が上がるデータセットを探し出したわけですが，人間が操作する場合には無意識に特異点や物理的に意味がない操作は回避しているはずです。ＡＩにはそのような先入観が無いために特異点を見やすいのかも知れません。
だとすればソフト開発時のバグ探しにＡＩを使うのは案外良いかも知れません。
総当たりでの計算はいかなる スーパーコンピューターでも宇宙の年齢以上の時間がかかります
これがあなたのパスワードが安全な理由です
世の中の発明、発見、イノベーションもほとんどは先人が考えつかなかった組み合わせ、あるいは当時は技術的に実現できなかったものから生まれている。AIがそれを思考錯誤してくれるのはありがたい。最後に人間にとっての価値を判断するのは人間の仕事。
AIだから2年あまりで有望な案を導くことが出来た。
総当たりでパラメーターの組み合わせを試したら何万年もかかる。いやはやいい時代だ。
しかし、AIの技術も素晴らしいが、この装置における物理現象を全て数理モデルに置き換えた人々の脳内もとんでもないな。
ロト6の抽選装置も全て数理モデル化した上に人がスイッチを押すタイミングも統計的推測によってかなり絞れるだろうから100通りも買えば当たるはず。玉の材質、大きさ、容器の 材質、流体力学における空気と玉、それ に容器内の形状と摩擦、回転による影響、玉と玉の相互運動、予想される温度や湿度の影響等々あまりパラメタは多くない。ただ毎週の抽選に答えが追い付くことが出来るかどうかが課題。抽選結果の映像から容器内の玉の配置を正確に抽出出来るかも問題か。
やれやれタマキンの裏に汗が出るぜ、
効率の良い発電方法とか
次世代太陽電池の発電効率を大幅に上げる方法とかもっと身近な成果はないのか
私はIQ１３５です。
ですが、それはIQが１００の人の1.35倍程度頭の回転が速いだけの人間です。
AIも言ってしまえば積み木を組み上げる速度が人間より速いだけなんです。
AIは人間がまだ想像していなかった高さまで積み木を高く積み上げてみせましたが、それだけの積み木を用意したのは人間です。
人間には不可能な事をしたのではなく、人間より速く、答えにたどり着くまでの行程を終えたんです。
AIは敵でも驚異でもありません。
彼らが導く回答は、元々我々人間の知恵の中にあるものですから。
初期段階ではパラメータ総当たりの状況もあったろうけど、初期段階を過ぎたらその結果を学習データとして強化学習を行い、よりパラメータの絞り込みを高速で行った結果。これを総あたりだと読んでる人は、致命的に読解力がない。
あと、Physical Reviewは物理系の学術論文誌でも最高レベル。査読も死ぬほどきついしこれに載ればいっぱしの物理学者を名乗れるほどの権威がある。
重力波干渉計の感度を高める目的で、研究者はレーザー強度や鏡の反射率など数百の連続パラメーターを持つ設計案を数千枚ランダム生成し巨大な候補箱を作り、その一つ一つを物理シミュレーター FINESSE で採点できる数式（ストレイン感度＋ペナルティ）に結び付けて探索の土台を整えた。
候補箱からは温度付き確率（ボルツマン分布）で一案を抜き取り、勾配と勾配変化だけを利用して逆ヘッセを更新する準ニュートン法 BFGS を適用し、毎回フル勾配を有限差分で計算してセカント条件を守りつつ感度を下げる方向へ細かく滑らせるため、強化学習で使う逐次報酬更新やミニバッチ型の近似勾配は登場しない。
改良後の設計案が元より高得点なら同じ場所に戻し、悪ければ捨てるという生物進化に似た置換を千台規模の並列計算で回し、候補箱の構成自体が世代ごとに洗練されるため総当たり的な計算爆発を避けながら探索効率を維持できる。
さらに一定間隔で「この光学素子を外しても感度はほぼ変わらない」という判断基準を確率的に適用し、設計から不要部品を削いで変数数を減らす“簡素化フェーズ”を挿むことで、パラメーター空間を縮小しつつ時折大ジャンプを引き起こす位相転移的改善を誘発した。
こうした操作は「感度が下がるかもしれない」という極めて局所的な当たり仮説を立てて即試し、外れなら即破棄する短期サイクルで回るため、物理法則を説明する理論仮説を生成・一般化するわけではなく、説明責任はシミュレーター内部のモデルと研究者が設定した制約に委ねられている。
ISO/IEC 22989 が定める「人が決めた目標に対し出力を生成する機械システム」という人工知能の広義の定義には当てはまるものの、報酬学習や深層ネットワークを用いる狭義のAIではなく、古典的な数値最適化とメタヒューリスティクスを融合した計算知能の一例と位置付けるのが妥当である。
アルゴリズムが使うフル勾配は周波数 100 点固定で計算コストがサンプル数で下がらないため、ミニバッチを導入してノイズで局所解を抜ける発想は採用されず、代わりに乱数混入の個体選択と簡素化で多様性を保持している。
150 万 CPU 時間の計算の結果、Voyager など既存設計を帯域別に 2〜6 倍上回る感度を示す 50 例の新規トポロジーが得られ、その完全パラメーターが公開されているので他グループが再シミュレーションや実験検証を進められる形になった。
つまり本手法は「数うちゃ当たる」わけではなく、膨大な可能性から確率的選択と局所勾配で狙い撃ちし、不要素子の除去で空間そのものを動的に変形させる多段階探索であり、試行の連続で実用的な“お宝設計”を掘り当てる設計提案エンジンである。
このエンジンは科学的仮説を自動で説明するわけではないものの、研究者が与えた物理目標と制約の範囲で高性能設計を提案する点で人工知能的機能を果たし、説明的知識の生成は今後の課題として残る。
現在の重力波計が完璧ではないので機械の観測機の構造と観測データを元にどのように設計すれば良いかを全部の選択肢から評価していった結果人類が理解できない構造の案があった。といった所なのでしょうか？人類が考え付かないと言うとカッコいい場合もありますが機器自体のパーツが邪魔して上手く観測出来ないなんてこともあるでしょうからこの領域まで案を出してくれている所が機械の利点と言える気がしますね。
ブラックボックス化されたAIの解法を人間に説明するためのホワイトボックス化AIを開発しなきゃね
AIそのものは４０年くらい前から有りました。
それくらい前ですがIOというコンピューター雑誌で連載したことも有ります。
普通にコンピューターの入力にマイクやカメラ付けて学習させて認識させてデータ化、それを組み合わせてスピーカーやモニターに出力するといったものです。
私もアセンブラーでプログラム作り実験しました。
ただ当時のマイクロコンピューターの処理能力があまりにも低くて実用以前の問題でした。
最近の家電製品の多くにAIは使われていて実用的です。
自動車にもAIは使われていて自動化が自動車にとっては最終目的でしょうね。
別にコンピューターが考えている訳ではなく人間がプログラムした通りに動いているだけです。
そのうちプログラムが作れるAIを開発されれば人間も不要なコンピューターになるかもです。
なので目新しい技術でもありません。
既にやってるのかもしれないが、AIに、より高機能なAIを作らせることが増えれば、もう人間には理解出来なくなるだろう。そうなった時、自分より頭のいい相手を、どうやってコントロールするのか。どうやってAIの間違いを検証するのか。どうやってAIにダマされてないと確信出来るのか。これは大きな課題だと思う。多分今から考えておかないとダメだ。まだ時間あるなんて、夏休みの宿題を先延ばしにする小学生みたいなことは効かない。AIの進化はずっと早い。AIは人間の何万年もの知的進化を、ほんの数年で成し遂げるだろう。
恐らく所属や系統の全く異なる複数のAI(利害関係がなく、仕組みが異なる、出来るだけ沢山のAI)同士を、互いに検証させ合う位しか、検証のしようが無い気もする。人間よりずっと膨大な知識と思考パターンで導き出した結論を人間が理解することは無理だから。
現在の設計を再発見もしたAIがスゴいと言うべきか、何十年も前に発見した人をすごいと言うべきか、
何十年も進歩がなかったことを嘆くべきか…？
理論上AIって人間が知らないことは知らないはずなのに、人間が持ってた知識を集めることでこんなに科学は進歩するんだ
どんどん活躍してほしいな
技術開発分野では人間がAIに使われるみたいな構図にはなりそうだけど、乗っ取られるとか言ってないでAIに勝てない分野があることを人間は早く認めた方がいい
偶然でないならAI自らに説明できる、or過程を検証出来るんじゃ
> 今回の成果は、AIが人間の専門家を凌駕するような新発想を生み出しうることを示しました。
> それは同時に、人間がそれを理解し解釈するという新たな課題も生まれたことを意味します。
もう何年も前に将棋AI が示してるのよね…
もはや将棋解説者が「この局面で AI のスコアが○○でずが、一体これは…」とか言っちゃう時代なわけで…