— Расскажите подробнее о разработке? Как расшифровывается его название?
— Дословно название переводится как «эволюционный алгоритм для получения уравнений частных производных», где E — это Evolutionary, а PDE — Partial Differential Equation.
EPDE. Источник: github.com
Существующие решения могут лишь оценивать в процентах, насколько заданные значения уравнения подходят для описания данных. В итоге уравнения получаются очень длинными, и на их составление уходит очень много времени. «Необученный» компьютер выдает слишком много вариантов, когда создает математические формулы для «объяснения» наблюдений.
Мы предположили, что эвристический алгоритм позволит избавиться от очевидно нерабочих решений и выбрать наиболее перспективные. Эвристика — это часть специфических знаний человека, которые «сообщаются компьютеру» для решения конкретной задачи. Современная математическая физика оперирует примерно сотней формул. Искусственный интеллект (ИИ) изначально о них ничего не знал, но мы обучили его базовым правилам составления уравнений.
— Как пришла идея научить ИИ выявлять законы вселенной?
— Даже такой гений как Ньютон долго и внимательно наблюдал за окружающим миром, прежде чем сформулировать законы и уравнения. Сегодня же люди хотят, чтобы научные открытия ученые совершали быстрее и чаще. Но не все процессы можно легко отследить и проанализировать, особенно в экономике, социологии и психологии, где человеческий фактор имеет большое значение.
Часто специалисты интуитивно знают, что в их сфере действуют особые фундаментальные законы, но облечь их в конкретную форму не могут. Зато это может сделать искусственный интеллект, если его правильно «настроить».
— Как проходила работа над проектом?
— Первый рабочий прототип EPDE наша команда из пяти человек сделала за месяц. Мы написали статью и представили ее на международной конференции International Conference on Computational Science (входит в рейтинг CORE с рангом А).
В России нашу работу поддержал исследовательский центр «Сильный искусственный интеллект в промышленности», также мы развивали ее в рамках грантов Российского научного фонда и национального проекта «Наука университета».
Мы продолжаем улучшать EPDE и сейчас: например, сокращаем время поиска наиболее точной математической формулы для описания данных. По сути, учим искусственный интеллект «действовать» как интеллект ученого.
ИИ уже способен описывать процессы разных масштабов. Для одних — он подбирает общее уравнение, для других — более подробное. Но это не все: инструмент не только может выявлять закономерности и создавать уравнения, но и объяснять их.
— А для чего это нужно?
— В научных задачах мало подобрать уравнение, нужно еще убедить физика, биолога, экономиста или любого другого эксперта, что оно взято не с потолка. И наш инструмент это умеет. Даже если данных недостаточно, он способен провести дополнительную обработку и восполнить пробелы. В России пока подобных решений нет, мы первые, кому удалось сделать такой инструмент.
— Какие научные задачи уже решил EPDE?
— Мы начали с решения задач по физике: моделировали морское волнение и ледовый покров в океане. В результате удалось доказать, что компьютер может на базе известных параметров вывести два разных уравнения для мелкой и глубокой воды.
Предложенные формулы достаточно точно характеризовали волнение в конкретной части океана, при этом базовых знаний по гидродинамике у ИИ не было. Чтобы сделать наш продукт идеальным рабочим инструментом, мы научили его не только предлагать, но и решать уравнения.
Затем с его помощью мы впервые подобрали дифференциальные уравнения для описания переходных стадий нагревания калориметра (прибор для измерения количества теплоты). Эти формулы могут использоваться, например, для при проектировании двигателей и холодильных установок. Без искусственного интеллекта сделать это было невозможно: переходные стадии процесса предельно короткие, почти нереально вручную произвести столько измерений.
Также он помог исследовать физические методы лечения онкологических заболеваний. Мы обработали данные эксперимента по моделированию теплового воздействия лазера на ткани человека, а после определили, как много тепловой энергии передается конвекцией (вид теплообмена, при котором внутренняя энергия передается струями и потоками самого вещества), и вычислили соответствующий коэффициент в уравнении.
Выяснилось, что доля конвекции по сравнению с диффузией (взаимное распространение молекул одного вещества в молекулы другого) невелика и нагревание можно описывать более простой формулой, чем предполагалось изначально.
— Каким будет следующий шаг?
— Мы будем продолжать проверять инструмент на разных задачах. Например, мы анализируем передачу информации по защищенным каналам, участвуем в экспериментах по моделированию движения роя роботов под воздействием магнитного поля.
Также наша глобальная цель — выявить формулы, подобные законам физики, для таких наук, как социология, психология, экономика, где многое зависит от непредсказуемых факторов. Мы уже начали работать в этом направлении: искать объяснение явлениям, по которым почти нет ни теорий, ни исследований.
Кстати, в 1975 году дифференциальное уравнение для описания экономических процессов, которое предложил Леонид Канторович, привело ученого к Нобелевской премии.
