Какво се случва, когато изкуственият интелект седне до масата с учените

Хайде да си поиграем малко.

Представи си, че имаш библиотека с над 100 милиона книги. Трябва да намериш точно шест от тях, в които пише как се прави материалът за космически двигатели. Уловката? Не можеш просто да прелистваш. Всяка книга струва стотици долари, отнема дни да я прочетеш, а някои дори се запалват преди да си стигнал до края.

Забавно? Не, всъщност не.

Но точно това е предизвикателството, с което се справиха изследователи от Washington State University. С една разлика — имаха AI на своя страна.

GRCop-42: Металът с характер

Запознай се с GRCop-42.

Звучи като име на робот от научен филм, нали? Всъщност това е сплав от мед, хром и ниобий. НАСА я създадоха, защото обикновените метали не издържат на топлината. (И не, не се сдържах да не направя този каламбур.)

GRCop-42 се използва в ракетни двигатели — конкретно в горивните камери, където горивото гори при температури, пред които твоята фурна изглежда като играчка. Този материал понася екстремна топлина и едновременно с това я отвежда навън. Защото последното нещо, от което ракетата се нуждае, е да се стопи сама.

Проблемът?

Отпечатването на този метал с 3D принтер е изключително трудно. Изисква мощни лазери и огромно количество енергия — оборудване, достъпно само за големи аерокосмически компании и сериозни изследователски лаборатории.

Деветдесет процента от комерсиалните 3D принтери? Не могат да се справят. Просто не са достатъчно мощни.

Поне засега.

Защо случайното пробване не е опция

Преди да стигнем до магията с изкуствения интелект, нека видим защо изобщо имаме проблем.

За да отпечаташ метал с 3D принтер, трябва да нагласиш перфектните настройки — мощност на лазера, скорост, температура и още куп фактори. Сгрешиш ли нещо, или не се случва нищо, или (по-драматично) цялата отпечатана част се превръща в локва разтопен метал.

Традиционният подход?

Просто... опитваш много комбинации, докато нещо не проработи.

Това звучи разумно, докато не разбереш, че имаше над 100 милиона възможни комбинации за тестване. Всяка струва стотици долари, отнема време и изисква внимателен анализ на резултатите. Ако пробваш по една комбинация на ден, ще ти трябват 274 000 години.

„Понякога отпечатваха дадена конфигурация и продуктът просто се стопяваше", разказва Азза Фадхел, докторант в проекта. „Не беше наистина отпечатаем, и дори с време и пари, не можеха да опитат всички 100 милиона варианта."

Това е като да търсиш конкретно зърно пясък на плажа — едно по едно.

AI влиза в играта

Тук изследователският екип прояви хитрост. Вместо да се лутат напосоки, те създадоха AI система, която учеше от всеки експеримент — дори от провалите.

Представи си го така: търсиш перфектната рецепта, но вместо да следваш стъпките сляпо, AI наблюдава какво се случва, когато промениш всяка съставка. Започва да разбира кое прави нещата по-добри и кое — по-лоши.

Екипът започна само с 37 конфигурации, които вече се бяха провалили. Не точно богатство от данни, но достатъчно, за да може AI-то да започне да прави образовани предположения.

Оттам нататък AI-то предлагаше малки групи от нови настройки за опит. Ето къде е умната част: то балансираше между две неща. Понякога избираше настройки, които най-вероятно щяха да проработят според наученото. Друг път нарочно избираше неща, в които не беше сигурно — защото тези „сляпо пробвани" експерименти можеха да го научат на нещо ново и да направят целия модел по-умен.

„Връщаха ми резултатите и ми харесваха всички — дори ако се провалеха — защото всеки резултат подобряваше нашия AI модел", казва Фадхел.

Това е наистина красив начин да гледаш на провала, честно казано.

Финалът: Шестте печеливши

След само 40 експеримента за три месеца, AI-то намери шест успешни конфигурации при различни нива на лазерна мощност. Една от тях беше отпечатването на GRCop-42 с едва 500 вата мощност — първи път за тази сплав.

Шест успеха от 40 опита не звучи като невероятен резултат. Но не забравяй: търсехме сред 100 милиона възможности, където успешните конфигурации са изключително редки. Това е като да намериш шест игли в купа сено с размерите на малка държава — и да го направиш, без дори да си ровил много в сламата.

Ето кое е наистина вълнуващото: тези успешни конфигурации бяха при по-ниски нива на мощност. Това означава, че са съвместими с онези комерсиални 3D принтери, които преди не можеха да се справят. Деветдесетте процента, които не можеха да печатат тази сплав? Сега може би могат.

Защо това има значение и извън ракетите

Да, аз съм фен на космоса, така че отпечатването на ракетни части вече ме впечатлява достатъчно. Но изследователите не спират дотам.

Този AI подход може да помогне с всякакви други сложни проблеми, при които има милиони възможности за тестване — например при откриването на лекарства, където учените търсят правилните молекулярни комбинации за лечение на болести.

Логиката е същата: вместо да си пробиваш път през всяка опция с груба сила, използваш AI да търси по-умно. Не става въпрос AI да замени човешката креативност — става въпрос да се даде на изследователите много по-добър компас, когато се движат в огромни, объркващи пространства.

„Деветдесет процента от комерсиалните принтери не могат да печатат тази сплав, така че след като намерихме тези осъществими параметри на процеса, ние по същество демократизираме печатането на тази сплав", казва Джана Допа, ръководител на изследването.

Тази дума „демократизираме" свършва много работа тук. Когато само огромни организации с оборудване за милиони долари могат да произвеждат нещо, иновацията се забавя. Когато по-малки лаборатории, университети и стартъпи получат достъп до същите материали? Изведнъж има много повече мозъци, работещи по проблема.

Моето мнение

Обичам тази история, защото показва AI в най-добрата му светлина: не като магическа замяна на човешките усилия, а като мощен инструмент, който прави човешките усилия наистина значими.

Изследователите не просто „оставиха AI да се оправи". Те съчетаха своя опит в областта с възможностите на AI да търси ефективно в огромни пространства. Разбраха, че дори провалените експерименти имат стойност. Знаеха какви въпроси да зададат.

Това според мен е бъдещето на AI в науката — не роботи, поемащи лабораториите, а умни партньорства, в които машините се справят с комбинаторните кошмари, а хората се концентрират върху креативната, интерпретативна работа, която наистина изисква мозък.

Сега само се чудя: кой е следващият проблем със 100 милиона възможности, чакащ да бъде решен?

Източник: ScienceDaily