Pesquisadores da Archetype AI desenvolveram um modelo de IA fundamental capaz de aprender princípios complexos de física diretamente de dados de sensores, sem nenhum conhecimento pré-programado. Essa descoberta pode mudar significativamente a forma como entendemos e interagimos com o mundo físico.
O modelo, chamado Newton, demonstra uma capacidade sem precedentes de generalizar através de fenômenos físicos diversos, desde oscilações mecânicas até termodinâmica, usando apenas medições brutas de sensores como entrada. Essa conquista, detalhada em um artigo publicado hoje, representa um grande avanço na capacidade da inteligência artificial de interpretar e prever processos físicos do mundo real.
“Estamos perguntando se a IA pode descobrir as leis da física por conta própria, da mesma forma que os humanos fizeram através de cuidadosa observação e medição,” disse Ivan Poupyrev, co-fundador da Archetype AI, em uma entrevista exclusiva ao VentureBeat. “Podemos construir um único modelo de IA que generalize através de fenômenos físicos diversos, domínios, aplicações e aparelhos de sensoriamento?”
Treinado em mais de meio bilhão de pontos de dados de medições de sensores diversas, Newton mostrou uma versatilidade notável. Em uma demonstração impressionante, previu com precisão o movimento caótico de um pêndulo em tempo real, apesar de nunca ter sido treinado em dinâmica de pêndulos.
As capacidades do modelo se estendem a cenários complexos do mundo real também. Newton superou sistemas de IA especializados na previsão de padrões de consumo de energia em toda a cidade e na previsão de flutuações de temperatura em transformadores de redes elétricas.
“O que é notável é que Newton não foi especificamente treinado para entender esses experimentos — ele estava encontrando-os pela primeira vez e ainda assim foi capaz de prever resultados mesmo para comportamentos caóticos e complexos,” disse Poupyrev ao VentureBeat.
A capacidade de Newton de generalizar para domínios completamente novos pode mudar significativamente a forma como a IA é implantada em aplicações industriais e científicas. Em vez de exigir modelos personalizados e conjuntos de dados extensos para cada novo caso de uso, um único modelo de base pré-treinado como Newton pode ser adaptado a tarefas de sensoriamento diversas com treinamento adicional mínimo.
Essa abordagem representa uma mudança significativa na forma como a IA pode ser aplicada a sistemas físicos. Atualmente, a maioria das aplicações de IA industrial exige desenvolvimento personalizado extenso e coleta de dados para cada caso de uso específico. Esse processo é demorado, caro e muitas vezes resulta em modelos que são estreitamente focados e incapazes de se adaptar a condições em mudança.
A abordagem de Newton, por outro lado, oferece o potencial para sistemas de IA mais flexíveis e adaptáveis. Ao aprender princípios gerais de física a partir de uma ampla gama de dados de sensores, o modelo pode potencialmente ser aplicado a novas situações com treinamento adicional mínimo. Isso poderia reduzir drasticamente o tempo e o custo de implantação da IA em ambientes industriais, ao mesmo tempo em que melhora a capacidade desses sistemas de lidar com situações inesperadas ou condições em mudança.
Além disso, essa abordagem pode ser particularmente valiosa em situações onde os dados são escassos ou difíceis de coletar. Muitos processos industriais envolvem eventos raros ou condições únicas que são desafiadoras de modelar com abordagens tradicionais de IA. Um sistema como o Newton, que pode generalizar a partir de uma ampla base de conhecimento físico, pode ser capaz de fazer previsões precisas mesmo nessas situações desafiadoras.
As implicações do Newton vão além das aplicações industriais. Ao aprender a interpretar dados de sensores desconhecidos, sistemas de IA como o Newton poderiam expandir as capacidades perceptuais humanas de novas maneiras.
“Temos sensores agora que podem detectar aspectos do mundo que os humanos não conseguem perceber naturalmente,” disse Poupyrev ao VentureBeat. “Agora podemos começar a ver o mundo através de modalidades sensoriais que os humanos não têm. Podemos melhorar nossa percepção de maneiras sem precedentes.”
Essa capacidade pode ter implicações profundas em uma variedade de campos. Na medicina, por exemplo, modelos de IA poderiam ajudar a interpretar dados diagnósticos complexos, potencialmente identificando padrões ou anomalias que médicos humanos poderiam perder. Na ciência ambiental, esses modelos poderiam ajudar a analisar grandes quantidades de dados de sensores para entender melhor e prever padrões climáticos ou mudanças ecológicas.
A tecnologia também levanta possibilidades intrigantes para a interação humano-computador. À medida que os sistemas de IA se tornam melhores em interpretar diversos tipos de dados de sensores, podemos ver novas interfaces que permitem que os humanos “sintam” aspectos do mundo que eram anteriormente imperceptíveis. Isso poderia levar a novas ferramentas para tudo, desde pesquisa científica até expressão artística.
A Archetype AI, uma startup com sede em Palo Alto fundada por ex-pesquisadores do Google, levantou $13 milhões em financiamento de risco até agora. A empresa está em discussões com potenciais clientes sobre implantações no mundo real, focando em áreas como manutenção preditiva para equipamentos industriais, previsão de demanda de energia e sistemas de gerenciamento de tráfego.
A abordagem também mostra promessas para acelerar a pesquisa científica, descobrindo padrões ocultos em dados experimentais. “Podemos descobrir novas leis físicas?” Poupyrev refletiu. “É uma possibilidade empolgante.”
“Nossa principal meta na Archetype AI é entender o mundo físico,” disse Poupyrev ao VentureBeat. “Descobrir o que o mundo físico significa.”
À medida que os sistemas de IA se tornam cada vez mais capazes de interpretar os padrões subjacentes à realidade física, essa meta pode estar ao nosso alcance. A pesquisa abre novas possibilidades – desde processos industriais mais eficientes até descobertas científicas e novas interfaces humano-computador que expandem nossa compreensão do mundo físico.
Por enquanto, Newton continua sendo um protótipo de pesquisa. Mas se a Archetype AI conseguir levar a tecnologia ao mercado, isso pode inaugurar uma nova era de insights impulsionados por IA sobre o mundo físico ao nosso redor.
O desafio agora será passar de resultados de pesquisa promissores para sistemas práticos e confiáveis que possam ser implantados em configurações do mundo real. Isso exigirá não apenas mais desenvolvimento técnico, mas também consideração cuidadosa de questões como privacidade de dados, confiabilidade do sistema e as implicações éticas de sistemas de IA que podem interpretar e prever fenômenos físicos de maneiras que podem superar as capacidades humanas.