Ученые в своих исследованиях во многом опираются на создание математических моделей, которые точно описывают реальность, лежащую за пределами математики, и помогают лучше понять природные, социальные, физические и прочие явления. Погодное или экономическое прогнозирование тоже основано на математических моделях, на которые напрямую влияет точность математического представления мира.

Ученые могут создавать эти модели спонтанно, основываясь на собственном знании реальности, или же они полагаются на алгоритмы, позволяющие им автоматически создавать модели из больших наборов данных.

AI-Descartes объединяет оба метода для создания более продвинутых моделей таким образом, чтобы упростить их построение: они позволяют открывать законы природы из небольших наборов данных. С помощью логических рассуждений ИИ также исключает ошибки, которые могут возникнуть из-за сходных данных.

Новый искусственный интеллект относится к вычислительным инструментам, направленным на ускорение научных открытий. В основе таких систем лежит символьная регрессия — концепция, которая находит математические выражения модели, лучше всего соответствующие набору данных. Используя базовые операции, такие как сложение, умножение и деление, подобные системы могут генерировать сотни или даже миллионы математических выражений, выбирая наиболее точно описывающие скрытые взаимосвязи в данных.

Основное преимущество AI-Descartes перед схожими ИИ — умение логически рассуждать. Так, если есть несколько уравнений-кандидатов, которые точно соответствуют данным, ИИ определяет, какие уравнения лучше всего соответствуют лежащей в основе научной теории.

Эта же способность отличает разработку от так называемого генеративного ИИ наподобие ChatGPT, языковая модель которого имеет ограниченные логические возможности.

В новой разработке сочетаются два подхода — это позволяет объединить их преимущества и создавать максимально точные модели. Подход, в основе которого лежат принципы, которые помогали ученым из века в век выводить новые формулы из базовых теорий, комбинируется с подходом, базирующимся на данных и более распространенным в эпоху машинного обучения.

ИИ хорошо справляется с зашумленными данными, хотя обычно они приводят к ложным срабатываниям традиционных программ символической регрессии. Они могут пропустить реальный сигнал в попытке найти формулы, которые фиксируют каждую неустойчивую петлю и зазор в данных.

По словам исследователей, AI-Descartes хорошо обрабатывает малые наборы данных и даже находит надежные уравнения при подаче всего 10 точек данных.

AI-Descartes можно применять в различных областях науки, где он мог бы помочь ученым вывести значимые формулы, которые точно описывают экспериментальные данные. Однако задержать внедрение AI-Descartes в науку может необходимость выявления и систематизации исходной теории, связанной с открытыми научными вопросами. Потому ученые работают над созданием новых наборов данных, содержащих фактические измерения и соответствующую теорию, чтобы усовершенствовать и протестировать систему в новых условиях.