Yapay zeka modelleri yazabiliyor, çizebiliyor ve 3D nesneler üretebiliyor — ancak bir arabanın çarpışmada nasıl ezildiğini veya bir tekne gövdesinin dalgalarla nasıl başa çıktığını simüle edecek kadar fiziği anlamakta hâlâ zorlanıyorlar. MIT Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı (CSAIL) ile Tsinghua Üniversitesi'nden GeoPT adlı yeni bir ön eğitim yaklaşımı, günlük mekanik etkileşimleri 3D'de canlandırarak simülasyon modellerine 'fizik hissi' kazandırıyor.
GeoPT'nin bilgisi 'sentetik dinamiklerden' geliyor: minik kürelerin, karmaşık bir 3D şeklin yüzeyinde durana kadar çeşitli hız ve açılarda hareket ettiği 1,3 milyon örnek — bilyeler ve aksiyon figürleriyle fizik öğrenmek gibi. Bu parçacık-nesne etkileşimleriyle ön eğitim, modellerin çok daha az veriyle gerçek fizik görevlerine genelleme yapmasını sağlıyor.
Kıyaslamalarda GeoPT, önde gelen modellerden iki kat daha hızlı zirve performansa ulaşırken yüzde 60'a kadar daha az veriyle eğitim aldı. Hem hava hem dalga test edilen bir tekne gövdesi veri setinde, önde gelen taban çizgilerinden yüzde 60 daha az etiketli veri gerektirdi ve zirve doğruluğa dört kat daha hızlı ulaştı. Ayrıca savaş uçaklarının rüzgara tepkisini, arabaların çarpışma sonrası deformasyonunu ve hatta daha önce hiç görmediği bir nesneden geçen ışığı simüle etti — 100 milyondan fazla ağ noktasına sahip yüksek çözünürlüklü simülasyonlar saniyeler içinde hesaplandı.
'Fiziğin, metin ve piksellerden sonra yapay zeka modelleri için üçüncü modalite olduğuna inanıyoruz' diyor eş baş yazar, MIT doktora öğrencisi ve CSAIL araştırmacısı Minghao Guo. Ekip, makaleyi Temmuz'da Uluslararası Makine Öğrenimi Konferansı'nda (ICML) sundu ve GeoPT'yi bir fizik temel modeline doğru bir adım olarak görüyor: devasa verilerle eğitilmiş bir omurga, mühendislerin maliyetli fiziksel deneyler olmadan araç ve robot tasarımlarını test etmesine — ve nihayetinde hava durumunu modelleyip gerçekçi videolar üretmesine — yardımcı olabilir. Yazarlar arasında Kaiming He ve kıdemli yazar Wojciech Matusik de yer alıyor.
