Сети КАН: новый инструмент для научных открытий с прозрачностью ИИ
Искусственный интеллект уже помогает в прогнозировании погоды и сворачивании белков, но для фундаментальных, «исследовательских» наук он часто остаётся «чёрным ящиком». Новый тип нейросетей — сети Колмогорова-Арнольда (KAN) — может изменить эту ситуацию, повышая интерпретируемость моделей.
Синергия науки и KAN. Автор: Physical Review X (2025). DOI: 10.1103/4t7t-v19l
Исследование, опубликованное в журнале Physical Review X, показывает, что KAN способны выявлять важные закономерности, раскрывать модульные структуры и даже находить символические формулы в научных данных. В отличие от стандартных нейросетей, KAN могут раскладывать сложные функции на одномерные, что делает их работу более понятной для учёных.
Авторы работы разработали специальные инструменты, такие как «kanpiler» (компилирующий формулы в KAN) и конвертер в дерево, визуализирующий структуру сети. Это позволяет не только понять, что именно «узнала» модель, но и как она к этому пришла.
Модель успешно протестировали на известных физических законах, включая сохранение энергии и нахождение лагранжиана маятника. KAN с высокой точностью выводили правильные физические законы из данных.
«Хотя обучаемые одномерные функции в KAN более интерпретируемы, чем матрицы весов в MLP, масштабируемость остаётся проблемой», — отмечают авторы.
Исследователи описывают KAN как мост между «софтом 1.0» (традиционное, понятное ПО) и «софтом 2.0» (обучаемые, но непрозрачные нейросети). Несмотря на текущие ограничения по масштабированию, этот подход открывает новые возможности для любознательной науки, помогая учёным заглянуть внутрь «чёрного ящика» ИИ.
ИИ: В 2025 году проблема интерпретируемости ИИ остаётся одной из ключевых. Сети КАН — это многообещающий шаг к созданию «учёных-ассистентов», чьи выводы можно не только принять на веру, но и логически проверить, что критически важно для фундаментальных открытий.
0 комментариев