Hrátky s umělou inteligencí: Jak jsme vyřešili hádanku, kterou by lidé řešili 274 tisíc let

Pojďme si hrát.

Představ si knihovnu plnou víc než sta milionů knih. Tvoje úkol? Najít přesně šest knih, které obsahují návod, jak vytisknout supersilný kov pro raketové motory. Háček? Nemůžeš je jen tak prolistovat. Každá kniha stojí stovky dolarů, čtení trvá dny, a některé z nich se ti vznítí dřív, než se dostaneš na konec.

Zní to zábavně? Mně taky ne.

Přesně takový problém ale právě vyřešili vědci z Washington State University. Měli ovšem v týmu umělou inteligenci. A upřímně? Jejich příběh je mnohem napínavější než jakákoli počítačová hra.

Kov, co se nechá rozpálit a neklekne

Seďte seznámit se s GRCop-42.

Možná to zní jako jméno robota ze sci-fi filmu, ale ve skutečnosti jde o kovovou slitinu složenou z mědi, chromu a niobu. NASA ji vytvořila proto, že běžné kovy prostě nezvládají teploty, které tu vznikají. (A ano, ta slovní hříčka byla záměrná.)

Tento materiál se používá v raketových motorech — konkrétně v spalovacích komorách, kde palivo hoří při teplotách, před kterými by váš domácí trouba radši zavřela dveře a utekla. GRCop-42 ale takové podmínky zvládne a navíc efektivně odvádí teplo, takže raketa nekončí jako roztavená kalužina.

Problém je, že tento kov se špatně tiskne na 3D tiskárnách. Normálně potřebujete opravdu silné lasery a spoustu energie — vybavení, které si může dovolit jen pár velkých firem a výzkumných center.

Devadesát procent běžných komerčních 3D tiskáren? Na to prostě nemá.

Až do teď.

Metoda „zkusíme všechno" tady nefungovala

Než se dostanu k tomu, jak to AI vyřešila, vysvětlím, proč byl celý problém takový oříšek.

Když chcete 3D tisknout kov, musíte nastavit spoustu parametrů — výkon laseru, rychlost, teplotu a dalších dvacet věcí. Když uděláte jedinou chybu, buď se nic nestane, nebo (dramatičtěji) se celý výtisk promění v kaluž.

Tradiční postup? Prostě zkoušet kombinace, dokud nějaká nevyjde.

To zní rozumně, dokud si neuvědomíte, že existuje přes sto milionů možných kombinací. Každý pokus stojí stovky dolarů, zabere čas a někdo to musí pečlivě analyzovat. Kdybyste zkoušeli jednu kombinaci každý den, potřebovali byste 274 tisíc let. To není zrovna realistický plán.

„Někdy vytiskli určitou konfiguraci a výsledek se prostě roztavil," popsala Azza Fadhel, doktorandka zapojená do projektu. „Nebyl vytisknutelný, a i kdybyste měli čas a peníze, nemohli byste vyzkoušet všech sto milionů možností."

Ouha. To je jako hledat konkrétní zrnko písku na pláži tak, že je berete po jednom.

Vstupuje AI: Chytrý hledač

Tady přišli vědci s chytrým řešením. Místo toho, aby se potáceli potmě, vybudovali AI systém, který se učil z každého experimentu — dokonce i z těch neúspěšných.

Představte si to jako hledání dokonalého receptu, ale místo slepého následování kroků AI sleduje, co se stane, když upravíte každou ingredienci. Začne chápat, které kombinace fungují líp a které hůř.

Tým začal pouze s 37 konfiguracemi, které už selhaly. Žádná záplava dat, ale AI stačilo na to, aby začala dělat informované odhady.

Odtud AI navrhovala malé skupiny nových nastavení k vyzkoušení. Tady přichází ten chytrý díl: vyvažovala dvě věci. Někdy vybírala nastavení, která se podle jejích zkušeností jevila jako nejnadějnější. Jindy ale záměrně zvolila nastavení, o kterých si nebyla jistá — protože tyto „střelby naslepo" mohly systému dát něco nového a zlepšit celý model.

„Vraceli mi výsledky a já jsem je všechny miloval — i když selhaly — protože každý výsledek zlepšil náš AI model," řekla Fadhel.

To je krásný způsob, jak nahlížet na neúspěch.

Velké finále: Šestka úspěšných

Po pouhých 40 experimentech během tří měsíců AI našla šest úspěšných konfigurací při různých úrovních výkonu laseru. Jedna z nich dokázala tisknout GRCop-42 při pouhých 500 wattech — vůbec poprvé u této slitiny.

Šest úspěchů ze 40 pokusů nemusí znít neskutečně. Ale pamatujte: hledali jsme ve stu milionech možností, kde jsou úspěšné konfigurace extrémně vzácné. Je to jako najít šest jehel v kupě sena velké jako malá země, a to jen sotva se sena dotknete.

A tady přichází ta opravdu vzrušující část: úspěšné konfigurace byly při nižších výkonech. To znamená, že jsou kompatibilní s těmi komerčními 3D tiskárnami, které slitiny dřív nezvládaly. Těch 90 %, co ji nemohlo tisknout? Teď možná můžou.

Proč na tom záleží i mimo rakety

Jasně, jsem nadšenec do vesmíru, takže tisk raketových součástek je pro mě už samo o sobě cool. Ale vědci se tu nezastavili.

Tento AI přístup by mohl pomoct s spoustou dalších složitých problémů, kde existují miliony možností k otestování — třeba při objevování léků, kde vědci hledají správné molekulární kombinace k léčbě nemocí.

Stejná logika platí: místo toho, abyste se prosekávali každou možností, použijte AI k chytřejšímu hledání. Nejde o nahrazení lidské kreativity; jde o to dát výzkumníkům lepší kompas, když se prodírají obrovskými, nepřehlednými prostory.

„Devadesát procent komerčních tiskáren nemůže tento kovový materiál tisknout, takže když jsme našli tato proveditelná nastavení, v podstatě demokratizujeme tisk této slitiny," řekl Jana Doppa, který výzkum vedl.

To slovo „demokratizujeme" tu odvádí pořádnou práci. Když může něco vyrobit jen pár organizací s vybavením za miliony, inovace se zpomaluje. Když ale přístup k stejným materiálům získají menší laboratoře, univerzity a startupy? Najednou máte najednou mnohem víc mozků pracujících na problému.

Moje myšlenky

Miluju tenhle příběh, protože ukazuje AI v tom nejlepším světle: ne jako kouzelnou náhradu lidské námahy, ale jako mocný nástroj, který dělá lidskou práci skutečně efektivní.

Výzkumníci prostě nenechali „AI aby to udělala". Kombinovali svou odbornost s schopností AI efektivně prohledávat obrovské prostory. Chápali, že i neúspěšné experimenty mají hodnotu. Věděli, na jaké otázky se ptát.

To je budoucnost AI ve vědě — ne roboti přebírající laboratoře, ale chytrá partnerství, kde stroje řeší kombinatorické noční můry a lidé se soustředí na kreativní a interpretační práci, která opravdu potřebuje lidský mozek.

Teď jen chci vědět: jaký je další problém se stovkami milionů možností, co čeká na vyřešení?

Zdroj: ScienceDaily