Przez lata uważano, że struktura piany jest zasadniczo statyczna, a pęcherzyki po prostu zastygają w przypadkowych układach. Najnowsze symulacje komputerowe całkowicie podważają to przekonanie, ukazując nieustanną, ukrytą aktywność. Okazuje się, że mikroskopijne pęcherzyki ciągle płyną i zmieniają swoją organizację, nawet gdy z zewnątrz piana wygląda na nieruchomą. Co najbardziej zaskakujące, matematyka opisująca ten ruch jest niemal identyczna z tą, która steruje uczeniem głębokich sieci neuronowych.
Nieustanny ruch pęcherzyków w pianie przypomina proces uczenia maszynowego w sztucznej inteligencji
Dotychczasowe modele fizyczne porównywały pianę do szkła, zakładając, że pęcherzyki, podobnie jak kulki w popularnej zabawce „labiryncie”, staczają się do najniższego punktu energetycznego i tam pozostają. John C. Crocker, profesor inżynierii chemicznej i biomolekularnej, przyznaje, że rozbieżności między tą teorią a rzeczywistymi obserwacjami były widoczne od prawie dwóch dekad. Problemem był brak odpowiedniego języka matematycznego do ich opisania. Dziś, dzięki mocy obliczeniowej współczesnych komputerów, udało się uchwycić prawdziwą naturę tego zjawiska. Pęcherzyki w mokrej pianie nie zatrzymują się, lecz wędrują przez całe spektrum możliwych konfiguracji. Ten niekończący się proces przypomina dostrajanie milionów parametrów w sieci neuronowej podczas jej trenowania – czyli moment, w którym system AI faktycznie zdobywa wiedzę.
Czytaj także: Lżejsza niż stal, wytrzymalsza niż tradycyjne metale. To nie prototyp a realny przełom inżynierii!
Sztuczna inteligencja i piana szukają płaskich rozwiązań. Unikają zbyt precyzyjnych optymalizacji
Klucz do zrozumienia tej analogii leży w koncepcji tzw. „płaskich minimów”, która w ostatnich latach zrewolucjonizowała uczenie maszynowe. Robert Riggleman, również profesor z University of Pennsylvania, tłumaczy, że najbardziej skuteczne modele AI nie dążą do jednego, idealnego, ale bardzo wąskiego rozwiązania. Takie „dopasowane na styk” systemy stają się kruche i nie radzą sobie z nowymi, nieznanymi danymi. Zamiast tego, trzymają się szerokich, płaskich obszarów przestrzeni rozwiązań, gdzie wiele różnych ustawień daje podobnie dobre wyniki. To zapewnia im elastyczność i zdolność uogólniania. Gdy badacze przeanalizowali dane dotyczące piany przez ten sam filtr, odkryli uderzającą paralelę. Pęcherzyki również dryfują w szerokich, płaskich regionach o zbliżonej energii, nieustannie zmieniając wzajemne położenie bez dążenia do jednej sztywnej formy.
Uniwersalna matematyka łączy pianę, AI i biologię. To szansa na materiały adaptacyjne
Odkrycie wspólnego fundamentu matematycznego rodzi intrygujące pytania o uniwersalne zasady organizacji w przyrodzie. Być może te same mechanizmy leżą u podstaw procesów fizycznych, biologicznych i obliczeniowych. Nowe narzędzia analityczne pozwalają badać systemy, które nigdy nie osiągają stanu końcowego, będąc w ciągłym, powolnym ruchu. Zespół Crockera sprawdza już, czy to podejście sprawdzi się w badaniu cytoszkieletu – dynamicznej sieci włókien wewnątrz komórek, która nieustannie się przebudowuje, umożliwiając ruch i podział komórki. Jeśli tak, matematyka głębokiego uczenia mogłaby pomóc wyjaśnić fundamentalne procesy życiowe.
Czytaj także: Absorbuje energię 47 razy lepiej niż zwykła stal. Naukowcy z USA stworzyli materiał przyszłości
Wyniki opublikowane w „Physical Review X” mają też praktyczny, choć odległy horyzont. Mogą stanowić teoretyczną podstawę do projektowania zupełnie nowych klas materiałów. Wyobraźmy sobie substancje, które potrafią aktywnie dostosowywać swoją sztywność, przewodnictwo czy kształt w odpowiedzi na zmieniające się otoczenie, wykorzystując te same zasady, co piana i sztuczna inteligencja. Brzmi obiecująco, ale droga od eleganckiej matematyki do rzeczywistego produktu jest długa i usiana niepewnościami. Mimo to samo odkrycie tej nieoczekiwanej więzi między pozornie odległymi dziedzinami jest niezwykle cenne. Pokazuje, że czasami najciekawsze odpowiedzi kryją się na styku dyscyplin, a przyroda często używa podobnych schematów w zupełnie różnych kontekstach. To przypomnienie, że nauka wciąż potrafi zaskakiwać i że warto patrzeć na znane zjawiska – nawet na zwykłą pianę – z nowej perspektywy.