AI와 관계없는 물리 연구 하는데요 최근 AI를 일반적인 물리연구에 활용하는데 관심이 생겼어요.
잘 알려진 물리 연구중에 실용적인 중요성이 있는게 퓨전 에너지와 상온 초전도체등 있는데, 이런 연구 주제들을
AI로 해결하려는 회사들이 많이 있는지 궁금하네요.
펀딩레벨을 보면 당연히 이 쪽으로 방향을 잡은 스타트 업이나 대기업 사내 연구 팀이 있을텐데 못 본것 같아서요.

물리 하는 사람들의 생각 중 하나는 AGI가 아니면 새로운 물리 연구를 현재 AI 시스템이 할 수는 없다라는 것인데
물론 AI하시는 분들은 다른 생각이겠죠. AI로 신약 개발하는 것은 많이 되는 것 같은데 그 분야는 원래도 이론적 기반을 떠나서
트라이얼을 많이 해서 하는 분야라 머신 러닝이 적용된는 것이 이해가 되요.

알파고가 이세돌을 이기듯이 과연 AI가 아인슈타인보다 나은 물리학을 할 수 있는가가 정말 궁금하고.
현재 머신 러닝을 조금 더 개발하면 되는지 아니면 전혀 다른 AGI 시스템을 만들어 내야 하는지도 궁금하네요.
제가 조금만 젊어도 이쪽으로 한 번 뛰어들고 싶은데 이미 많이 하고 있겠죠.

저는 물리 10여년 연구하다가 1년전쯤에 AI분야로 연구하는 중입니다. (알파폴드와 관련된 분야)
AI (그 중에 주로 딥러닝일 텐데 ) 를 한다라는게 아주 모호한 말인데, 제 느낌으로는 AI는 “미분 방정식” 처럼 새로운 방법론입니다. 미분방정식이 있다고 해서 그걸 아무런 문제나 적용할수 없듯이, AI 를아무런 문제나 다 적응할수 있는건 아니고 그걸로 잘 풀리만한 문제에 적용을 해야겠죠.

– 퓨전에너지와/ 상온 초전도체 연구에 적용한다는 말은 제가 그쪽 분야에 관심이 없어서 그런지 별로 들어본적이 없습니다.
– 물리 연구를 하는 사람들중에서도 이미 많은 사람들이 다양한 분야에 적용하는 것 같습니다. 예를들어 Molecular dynamics simulation에 force field 개발에. 물리학저널에서 AI가 물리학 연구에 미치는 영향에 대해서 나름 전망한 perspective article이 많이 있으니 찾아서 읽어보시면 되겠습니다.
– AI가 아인슈타인 보다 나은 물리학을 한다라는 말은 위에서 제가 말씀드렸다시피 “미분 방정식”이 아인슈타인보다 나은 물리학을 한다라는 말처럼 말이 안되는 것같스니다.

이만.

위에 말씀하신 것처럼 툴로써 이용 많이 하고 있어요. 미국 에너지성 산하에 페르미 연구소 아시죠? 디텍터 하는 곳에서 cern과 함께 ai 칩도 개발하고 많이 이미 쓰고 있어요.

Artificial Intelligence

AI 딥러닝이 사실 무대포로 아무데나 데이타만 때려박아주면 먹히는 거 같아요.
소위말해서 Universal function approximation Theorem 이라는건데 미방으로 못푸는것도 AI 로는 할수있다는 가정.

응의 동영상은 언수퍼바이즈드는 언급 거의 안하는데 사이언스 대부분 새로운 미지 영역이 이 분야. 그런데 인공지능이 이 분야에도 먹힐수 있음. 문제는 인공지능이 어찌어찌해서 트레이닝거쳐서 문제를 풀어줘도 맞는지 틀리는지 모델이 뭔지 인간들이 해석을 못할 가능성. 사실 인공지능이 무서운게 인간이 던져주는 심지어 넌리니어한 물리학 공식이나 모델링같은게 필요없다는것. 히든 레이어안에서 무슨 해석을 하는지 모델링을 인간들이 이해할수 없음. 인간은 수학적 모델링이 있어야 해석할수가 있는데…

그래서 ML/AI는 과학이 아니라 그냥 기술임. 과학자들이 들으면 말도 안되는 데이터를 그냥 때려박고 안되는걸 되게 보이게 만듬. 그리고 지들끼리 좋아함. 정작 사용해 보면 대부분 안맞음. 나도 물리화학 박사하고 AI일을 하는데, 도메인 지식이 매우 중요합니다. AI는 이미 어느분야나 안다루는 곳은 없습니다. 너무 과하게 다루어서 지금 이미 saturated 되어가고 있다는 느낌. 그러나 진입장벽도 낮아서 금방 누구나 다 할수 있어요. 원글님 지금 시작해도 늦지 않습니다. 앞으로는 ai는 이걸로 먹고 산다기보단 누구나 다 하는데 나만 못하면 바보되는 겁니다.

1. 확실히 테크닉적 진입장벽은 매우 낮은듯. 파리쏜도 쉽고 수학도 행렬만 알면 누구나 덤빌수 있으니.
2. 그러나 고차원적 모델링을 해야하고 거기에 맞게 새로운 트레이닝을 해야하면 수학적 백그라운드가 아주 좋아야해서, 어는 정도 위로는 장벽이 존재랄듯.

3. 인공지능을 폄하할수가 없음. 폄하하면 안됨. 앞에서 이야기한 Universal approximation therem 은 엄청난 것임. 물론 그걸 운용하는 사람이 현명하게 데이터를 제공해줘야 하고.

4. 모델링하는 공식이 없다고해서 결과가 안좋은게 아님. 수학방정식 미분 방정식이 없어도우리가 경험적으로 아는 결과만 가지고도 인공지능은 “아주 잘” 판단할수있는 알고리듬을 가지고 있는것인. 이건 사이언스에서도 아주 중요한데 특히 실험치 분석에 유용함. 인간이 해석못하는걸 인공지능이 아주 잘 해석할수도 있음.

5. 다만 실험도 하기 힘들고 결과도 우리가 경험치로 이미 알수도 없고 참인지 거짓인지도 모르는, 거기다가 이론적 모델링도 없는 사이언스 문제에는 인공지능도 좋은 답을 내놓기 힘든게…인간들이 그 결과에 대해 프리시전이나 애큐러시를 측정할 근거도 없기 때문이므로 현재의 인공지능을 탓할수 없음.