GeoPT pruža osjećaj za fiziku AI modelima

Modeli umjetne inteligencije su majstori mnogih zadaća, uključujući pisanje, generiranje slika i izradu 3D modela. Ali nisu toliko korisni kada je u pitanju testiranje robota ili dizajn za vozila u različitim okruženjima, budući da ne razumiju fiziku tako dobro kao piksele ili tekst.

Za izgradnju AI sustava koji može pouzdano simulirati razne fizičke scenarije, inženjerima je potreban niz fizikalnih podataka u mjerilu koje još nije izvedivo. To je zato što je vrlo dugotrajno dobiti od neuronskih mreža samo nekoliko podatkovnih točaka koje mogu razumjeti. Oslanjaju se na algoritme zvane "numerički rješavači" kako bi izračunali fizikalna svojstva u različitim točkama 3D oblika. To je temeljit proces, ali traje toliko dugo da ograničava količinu podataka koje ćete morati, recimo, testirati jesu li vaši dizajni aviona sigurni i aerodinamični.

Novi pristup prethodnom treniranju poznat kao "GeoPT", koji su razvili istraživači u MIT-ovom Laboratoriju za računalne znanosti i umjetnu inteligenciju (CSAIL) i Sveučilištu Tsinghua, daje simulacijskim modelima priliku da uče fiziku na širi i učinkovitiji način. Virtualno rekonstruira svakodnevne mehaničke interakcije u 3D-u, pokazujući kako se čestice zaustavljaju kada dođu do nekog dijela objekta. Ove simulacije daju modelima osjećaj kako fizika funkcionira, pomažući im da preciznije modeliraju stvarni svijet, postignu vrhunske performanse dvostruko brže i treniraju na do 60 posto manje podataka u usporedbi s vodećim modelima.

Uskoro bi projekt mogao pomoći inženjerima da predvide kako vozila (poput automobila i aviona), svakodnevni predmeti (uključujući stolice i kontejnere) i roboti reagiraju na različite fizičke elemente, poput vjetra, vode i sudara. Istraživači vjeruju da bi njihov rad također mogao biti korak prema modelu temeljne fizike, sustavu okosnice obučenom na mnogo podataka koji može pomoći alatima umjetne inteligencije da se generaliziraju na različite zadatke.

„Vjerujemo da je fizika treći modalitet za AI modele, nakon teksta i piksela“, kaže doktorand MIT-a i istraživač CSAIL-a Minghao Guo, suvoditelj rada  koji predstavlja GeoPT. „Naš model opće namjene ima svestranost da pomogne u izgradnji modela svijeta za fiziku. Mnogi modeli, poput onih koji generiraju podatke i videozapise o robotici, već su dobro upućeni u tekstualne i vizualne podatke, ali s fizičkom točnošću dobit će realističnije rezultate.“ 

Za korištenje GeoPT-a, korisnici jednostavno prenose 3D modele objekata poput bojnih brodova, putničkih zrakoplova i kamiona te određuju smjer i brzinu sile koju žele simulirati. Rezultat je svojevrsna toplinska karta koja prikazuje kako će objekt biti pogođen na različitim mjestima. Ako znate brzinu i smjer (brzinu) sile koju želite simulirati, možete je snimiti u GeoPT-u. To je korisno kada želite simulirati stvari poput toga kako bi automobil izgledao nakon sudara sa zidom, načine na koje se svjetlost odbija od objekata i hoće li brod ostati na površini iznad turbulentnih valova.

Ali kako GeoPT tako dobro „razumijeva“ fiziku? Njegovo znanje dolazi iz „sintetičke dinamike“, niza interakcija između malih čestica i složenih 3D oblika. GeoPT je proučavao 1,3 milijuna uzoraka sintetičke dinamike, u kojima su se sitne sfere kretale različitim brzinama i kutovima dok se nisu zaustavile u određenoj točki na objektu.

Te se čestice u osnovi „lijepe“ za objekt nakon što uspostave kontakt, umjesto da se kreću kroz njega ili odbijaju. Zamislite učenje o fizičkim interakcijama pomoću klikera i akcijskih figura - slično tome, simulacijski modeli mogu koristiti sintetičku dinamiku kako bi stekli osjećaj za fiziku prije nego što se obuče na označenim podacima.

Istraživači su otkrili da je GeoPT bio posebno vješt u simuliranju industrijskih scenarija, jer je nadmašio najsuvremenije simulacijske modele u svim referentnim vrijednostima. Vrhunske performanse postigao je brže od drugih alata, a pritom mu je bilo potrebno znatno manje označenih podataka.

Na skupu podataka složenih 3D oblika i njihovih odgovora na struje vjetra i površinski tlak, na primjer, GeoPT je nadmašio najsuvremenije modele u brzini, točnosti i učinkovitosti. Slične uspjehe u brzini i točnosti ostvario je u hvatanju načina na koji borbeni zrakoplovi reagiraju na vjetar. Kada je GeoPT testirao kako trup broda podnosi zrak i valove, trebalo mu je 60 posto manje označenih podataka za hvatanje obje fizičke sile i postigao je vršnu točnost četiri puta brže od najboljih osnovnih vrijednosti.

Sustav je čak uspio simulirati kako različite vrste automobila izgledaju nakon sudara s drugim objektom. Ispravno je predvidio kako će se 3D vozila deformirati, a pritom je koristio manje podataka od najsuvremenijih osnovnih podataka. Isto tako, simulacije prolaska svjetlosti kroz ono što je u biti bio igrački zeko bile su točne, unatoč tome što nikada prije nije treniran na tom 3D modelu ili fizici svjetlosti.

„Ako vaš model dobro funkcionira na industrijskim testovima, to znači da može riješiti najteže fizikalne zadatke“, kaže suvoditelj Haixu Wu, postdoktorand s MIT-a i istraživač CSAIL-a. „GeoPT je izrađivao visokovjerne simulacije s preko 100 milijuna mrežnih točaka u sekundama. To bi alat moglo učiniti izuzetno korisnim za inženjere koji se nadaju testirati nacrte za vozila bez potrebe za izvođenjem toliko fizičkih eksperimenata.“

Tim se nada da će proširiti svoj sustav, trenirajući na još više oblika i simulirajući složenije fizičke pojave. Na primjer, dublji pristup mogao bi pomoći u modeliranju vremenskih obrazaca, testiranju različitih materijala i generiranju realističnih videozapisa.