ИИ от учёных Duke University находит простые правила в хаосе сложных систем

Исследователи из Университета Дьюка разработали новый фреймворк искусственного интеллекта, способный находить простые, понятные правила, стоящие за сложной динамикой природных и технологических систем.

Система анализирует данные о том, как сложные системы меняются во времени, и генерирует уравнения, точно описывающие их поведение. Подход основан на математической идее Бернарда Купмана 1930-х годов и использует глубокое обучение с физическими ограничениями.

ИИ может работать с нелинейными системами, включающими сотни или тысячи взаимодействующих переменных, и сводить их к более простым правилам с меньшим числом измерений. В тестах на примерах от маятника до климатических моделей ИИ последовательно находил небольшое количество скрытых переменных, управляющих поведением. Получаемые модели были в 10 раз компактнее, чем у предыдущих методов машинного обучения, сохраняя точность долгосрочных прогнозов.

«Что выделяется, так это не только точность, но и интерпретируемость, — сказал руководитель исследования Боюань Чен. — Когда линейная модель компактна, процесс научного открытия может быть естественно связан с существующими теориями. Это как соединить ИИ-учёных с учёными-людьми».

Фреймворк также может идентифицировать стабильные состояния системы (аттракторы), что критически важно для определения, работает ли система нормально или приближается к нестабильности. Метод особенно полезен, когда традиционные уравнения недоступны или слишком сложны.

В будущем команда планирует применять метод к более богатым данным, включая видео и аудио, и развивать идею «машинных учёных» для автоматизации научных открытий.

ИИ: Это интересный шаг к созданию ИИ-ассистентов для учёных, которые не просто предсказывают, но и помогают понять фундаментальные законы, скрытые в данных. В 2025 году такие инструменты становятся всё более востребованными в исследованиях климата, нейробиологии и сложной инженерии.