سود:
- توانایی تشخیص اینکه هوش مصنوعی کجا در جریان کار فیزیک در زمان صرفه جویی می کند (محاسبه، شبیه سازی، تجزیه و تحلیل، استخراج) و جایی که تصمیمات واحد، نظم و دقت بسته به سطح خطر به انسان واگذار می شود.
- توانایی اعمال رشته ای که هر خروجی را با تعریف واحد آن، اطمینان از سطح آن و تأیید آن با یک ابزار مستقل کنترل می کند.
- درک اینکه چرا خطاهای واحد/سفارش، ثابت های ساخته شده و ارجاعات نادرست خطراتی هستند که باید از همان ابتدا در این حرفه مورد توجه قرار گیرند.
فیزیک هنر توصیف طبیعت با اعداد و معادلات است. اما بی رحمانه ترین قانون این هنر این است: یک خطای واحد، یک اشتباه علامت یا تغییر نظم (نتیجه 10، 100 یا 1000 برابر بزرگتر/کوچکتر) کل نتیجه را باطل می کند. استفاده از سانتی متر به جای متر در یک محاسبات می تواند باعث شود ماهواره مدار خود را از دست بدهد. غلط املایی یک توان برای رد محاسبات بلبرینگ یک پل کافی است. به همین دلیل است که استفاده از هوش مصنوعی (AI) در فیزیک مستلزم نظم و انضباط است. در این بخش، شما خواهید آموخت که ابزارهایی که ما آن را مدل زبان بزرگ می نامیم (LLM - نوعی هوش مصنوعی که متن را به صورت آماری تولید می کند، با منطق "واژه محتمل بعدی") واقعاً در زمان کار فیزیکی صرفه جویی می کنند، کجا خطرناک هستند و چگونه هر خروجی را تأیید کنیم.
اول، یک مفهوم مهم: توهم زمانی است که هوش مصنوعی اطلاعاتی را تولید می کند که در واقع درست نیست، با اطمینان کامل، گویی درست است. در فیزیک این است. این به شکل یک مقدار ثابت ساخته شده، نام یک معادله غیرموجود، یک واحد نادرست، یا ارجاع به یک مقاله ناموجود است. نکته مهم این است: LLM یک ماشین حساب یا یک موتور فیزیک نیست. این یک تولید کننده متن است که از نظر آماری متن هایی را که در داده های آموزشی می بیند تقلید می کند. او بیشتر اوقات فیزیک درستی تولید می کند زیرا متون فیزیک صحیح زیادی را دیده است. اما تفاوت بین «در بیشتر مواقع درست» و «همیشه درست است» همه چیز در فیزیک است.
هوش مصنوعی کجا در فیزیک کار می کند و کجا نه؟
هوش مصنوعی را به عنوان یک پیش نویس سریع، ایده و شریک کدنویسی در نظر بگیرید: ارزشمند اما برای اعتبارسنجی ضروری است. تمایز زیر ستون فقرات این ماژول است.
تلاش
سهم هوش مصنوعی
مسئولیت فیزیکدان
محاسبه عددی
کد Python/NumPy را می نویسد
کد را اجرا کنید و نتیجه را با واحد تأیید کنید
شبیه سازی
چارچوب حل معادلات دیفرانسیل را ایجاد می کند
با قوانین حفاظت فیزیکی تأیید کنید
تجزیه و تحلیل داده های تجربی
کد برازش منحنی آمار را نشان می دهد
تایید انطباق مدل با فیزیک
اشتقاق مدل/فرمول
طرح اشتقاق و مرحله میانی را ارائه می دهد
بررسی هر مرحله و شرایط مرزی
تجسم
کدهای گرافیکی را تولید می کند
دقت محور، واحد و مقیاس را ببینید
ادبیات/نوشتن
خلاصه، پیش نویس، اصلاحات زبان را انجام می دهد
تایید هر مرجع و واقعیت در منبع
قانون سرانگشتی: از هوش مصنوعی برای پیمایش، کدنویسی و ویرایش حساب استفاده کنید، نه خود حساب. همیشه نتیجه عددی را با یک ابزار قطعی (کد پایتون اجرا شده، تجزیه و تحلیل ابعادی، بررسی دستی) تأیید کنید. «قطعگرا» در اینجا به معنای «همیشه نتیجه یکسان و دقیق را به ورودی یکسان میدهد». یک کد NumPy اجرا شده به این صورت است، عددی نیست که LLM از بالای سرش بیرون بیاورد.
سه تله مرگبار هوش مصنوعی در فیزیک
1. خطاهای واحد و سفارش. هوش مصنوعی میتواند بیصدا بین ژول و الکترون ولت، کلوین و سانتیگراد، رادیان و درجه سوئیچ کند. نتیجه از نظر عددی "معقول" به نظر می رسد اما از نظر فیزیکی اشتباه است.
2. ثابت ها و معادلات ساخته شده. هوش مصنوعی میتواند ثابت ماده یا سطح مقطعی را که به خاطر نمیآورد را با عددی که معقول به نظر میرسد، پر کند. می تواند نامی برای قانونی بگذارد که وجود ندارد.
3. اسناد نادرست. هوش مصنوعی میتواند یک مقاله کاملاً ساختگی در یک مجله واقعی با نام نویسندههای واقعی تولید کند. در بخش 9 به طور عمیق به این موضوع خواهیم پرداخت.
نکته: به هر خروجی AI عددی با سه سوال نزدیک شوید: (1) واحد آن چیست؟ (2) آیا دستور (به توان 10) از نظر فیزیکی منطقی است؟ (3) چگونه می توانم این را مستقل بررسی کنم؟ این سه سوال اکثریت قریب به اتفاق خطاهای فیزیک را در جوانه می گیرند.
گام به گام: گردش کار ایمن هوش مصنوعی در فیزیک
1. مشکل واحدهای آن را تعریف کنید. به جای "یافتن سرعت یک جسم"، "اگر جسمی با جرم 2 کیلوگرم به مدت 3 ثانیه با نیروی ثابت 5 نیوتن شتاب بگیرد، سرعت نهایی آن بر حسب متر بر ثانیه چقدر است؟" بگو آنچه داده شده و واحد مورد نظر را به وضوح بنویسید.
2. درخواست راه حل گام به گام و ردیابی واحد. از هوش مصنوعی بخواهید نشان دهد که چگونه واحد در هر مرحله میانی حرکت می کند. واحدها قدرتمندترین ابزار برای تشخیص خطاها هستند.
3. با اجرای کد تأیید کنید. نتیجه نمادین یا عددی را با یک کد اجرایی پایتون تأیید کنید. این اصل اصلی این ماژول است.
4. یک ضد چک فیزیکی انجام دهید. آیا انرژی حفظ می شود؟ آیا نتیجه در حالت حدی (زمانی که جرم به صفر می رسد و سرعت بسیار کم است) رفتار مورد انتظار را نشان می دهد؟ آیا تحلیل ابعادی انجام می شود؟
5. ثابت ها و مراجع را تایید کنید. سرعت نور، ثابت پلانک، چگالی یک ماده - همه آن را از یک مرجع قابل اعتماد (CODATA، کتاب درسی، برگه داده) تأیید کنید.
سه کیف کوچک
مورد 1 - تله واحد. یک دانشجوی مهندسی از هوش مصنوعی در مورد انرژی فوتون پرسید و پاسخ E = 3.2 × 10-19 J (درست) را دریافت کرد. اما در مرحله بعدی هوش مصنوعی آن را به صورت «حدود 2 eV» یادداشت کرد. دانش آموز تبدیل J 1 eV = 1.602 × 10-19 را بررسی کرد: نتیجه صحیح حدود 2 eV بود، سازگار. اما در یک سوال دیگر YZ 3.2 × 10-19 J را به عنوان "3.2 eV" نوشت. وقتی دانش آموز تبدیل را به صورت دستی انجام داد، دید که باید 2 ولت باشد و خطا را گرفت. زمان تلف شده: 3 دقیقه
مورد 2 - اتصالات ثابت شد. معلمی از هوش مصنوعی ویسکوزیته آب را در دمای معینی درخواست کرد. YZ عددی را ارائه کرد که منطقی به نظر می رسید اما منبع را ذکر نکرد. وقتی معلم مقدار را با یک کتابچه راهنمای مهندسی مقایسه کرد، متوجه شد که عدد داده شده توسط هوش مصنوعی تقریباً دو برابر مقدار واقعی است. بدون تأیید، یک محاسبه آزمایشگاهی کاملاً اشتباه است.
مورد 3 - تأیید به دست آمده است. محققی از هوش مصنوعی یک کد پایتون خواست که معادله حرکت آونگ را به صورت عددی حل کند. کد کار کرد، اما انرژی به طور پیوسته در طول زمان افزایش یافت - از نظر فیزیکی غیرممکن است. محقق متوجه شد که این به دلیل خطای روش عددی (مرحله ساده اویلر) است، از هوش مصنوعی روشی درخواست کرد که حفظ انرژی را حفظ کند (به عنوان مثال گام کوچکتر یا حل کننده پایدارتر) و آن را در 10 دقیقه برطرف کرد. اگر بررسی صرفه جویی انرژی نبود، نتیجه نادرست صحیح تلقی می شد.
چهار قالب قابل کپی
1) راه حل قابل تأیید با ردیابی واحد:
نقش شما: دستیار فیزیک مشکل زیر را گام به گام حل کنید: [مشکل]. تمام داده ها و نتیجه مورد نظر را در واحدهای SI بنویسید. نحوه جابجایی واحد را در هر مرحله نشان دهید. نتیجه را با یک کد اجرایی پایتون (NumPy) تأیید کنید. در نهایت، در یک جمله ارزیابی کنید که آیا این دستور از نظر فیزیکی قابل قبول است یا خیر.
2) ثابت / تایید داده ها:
مقدار [ثابت فیزیکی یا خاصیت مادی] و واحد SI آن را بنویسید. منبع را ذکر کنید (به عنوان مثال CODATA، کتابچه راهنمای کاربر). اگر مقدار دقیق آن را نمی دانید، بگویید «این مقدار را از یک مرجع تأیید کنید» و DO NOT FIT. همچنین عدم اطمینان خود را (در صورت وجود) بیان کنید.
3) بررسی راه حل/کد خودم:
در زیر راه حل / کد من است. هر مرحله و واحد آن را بررسی کنید. اگر خطا وجود دارد، نشان دهید در کدام مرحله و چرا. اگر درست است بگویید "درست". به خصوص ثبات و نظم واحد را بررسی کنید. یک راه حل جدید بنویسید؛ فقط مال من رو چک کن راه حل من: [اینجا]
4) درخواست بررسی سلامت جسمانی:
برای نتیجه زیر 3 جمع فیزیکی مستقل بدهید (محاسبه را انجام ندهید): تجزیه و تحلیل ابعاد/واحد، رفتار حالت مرزی، بررسی قانون حفاظت. برای هر کدام، در یک جمله بنویسید که در این نتیجه چه چیزی را باید بررسی کنم.
اعلان ضعیف / اعلان قوی
ضعیف: "محاسبه کنید که یک توپ چقدر در هوا می ماند."
نتیجه: داده های از دست رفته، واحد نامشخص، پاسخ تک خطی. نمی توان تأیید کرد، خطاها را نمی توان گرفت.
قوی: "برای توپی که از زمین با سرعت عمودی 20 متر بر ثانیه پرتاب می شود، زمان ماندن آن در هوا را گام به گام با گرفتن g = 9.81 متر بر ثانیه، بدون توجه به مقاومت هوا محاسبه کنید. واحدها را در هر مرحله نشان دهید. نتیجه را با یک کد پایتون تأیید کنید و بنویسید که اگر سرعت به عنوان حالت حدی دو برابر شود، چه زمانی خواهد بود."
نتیجه: مراحل قابل حسابرسی، ردیابی واحد، تأیید اجرایی، و بازرسی متقابل فیزیکی.
اشتباهات رایج
- بی توجهی به واحد در نظر گرفتن یک عدد بدون واحد رایج ترین و گران ترین اشتباه در فیزیک است. هر عدد یک واحد دارد.
- بررسی نکردن رتبه حاصل توان 10 چیست؟ جرم انسان 70 کیلوگرم است نه 70 گرم یا 70 تن. بررسی رتبه چند ثانیه طول می کشد، ساعت ها را ذخیره می کند.
- عدم اعتبارسنجی ثابت ها ثابت ساخته شده موذیانه ترین توهم است زیرا قابل قبول به نظر می رسد.
- اعتماد به کد بدون اجرای آن حتی اگر کد نوشته شده توسط هوش مصنوعی «درست به نظر برسد»، تا زمانی که اجرا نشود و نتیجه بررسی نشود، نباید آن را قطعی در نظر گرفت.
- عدم انجام بررسی های فیزیکی آیا انرژی، تکانه، بار حفظ می شود؟ آیا حالت های مرزی مطابق انتظار هستند؟ بدون این بررسی ها، نتیجه ناقص می ماند.
احتیاط: همیشه یک نتیجه را قبل از صدور آن به گزارش، دانشآموز یا طرح تأیید کنید. در فیزیک، یک مقدار نادرست به طور تصاعدی در زنجیره اندازه گیری، طراحی و امنیت رشد می کند. خروجی AI تایید نشده هرگز جایگزینی برای تایید یک فیزیکدان شایسته نیست.
به طور خلاصه
هوش مصنوعی یک ابزار قدرتمند پیش نویس، کدنویسی و ویرایش در فیزیک است. اما یک ماشین حساب، موتور فیزیک یا مرجع قابل اعتماد نیست. بزرگترین خطرات خطاهای واحد/سفارش، ثابت های ساخته شده و ارجاعات جعلی هستند. بنابراین انضباط اساسی واضح است: مشکل را با واحدهای آن تعریف کنید، آن را مرحله به مرحله و با ردیابی واحد حل کنید، با اجرای کد تأیید کنید، بررسی ضد فیزیکی انجام دهید، ثابت ها و اسناد را تأیید کنید. ما این طرز فکر اعتبار سنجی را در هر واحد در سراسر این ماژول عمیق تر خواهیم کرد.
وظیفه کاربردی
یک مسئله فیزیک با درجه سختی متوسط را از رشته خود انتخاب کنید (یک سوال سینماتیک، انرژی یا برق). با الگوی اول، ردیابی واحد، آن را به هوش مصنوعی حل کنید. سپس نتیجه را به روشی مستقل (اجرای کد پایتون، تحلیل ابعادی یا دستی) تأیید کنید. حداقل یک بررسی سفارش و یک بررسی شرایط مرزی انجام دهید. یافته های خود را در 5-6 جمله بنویسید: هوش مصنوعی کجا کار می کرد، در کجا به اعتبارسنجی نیاز بود، آیا خطای واحد/سفارش وجود داشت؟
چک لیست
- [ ] من به وضوح مشکل موارد داده شده و واحد مورد نظر را تعریف کردم.
- [ ] من از هوش مصنوعی راه حل گام به گام و ردیابی واحد درخواست کردم.
- [ ] من نتیجه را با کد اجرایی یا دستی تأیید کردم.
- [ ] من بررسی کردم که رتبه از نظر فیزیکی معقول است.
- [ ] من حداقل یک بررسی فیزیکی انجام داده ام (حفظ، وضعیت حد).
- [ ] من ثابت هایی را که استفاده می کنم از یک منبع معتبر تایید کرده ام.
- [ ] من هیچ نتیجه تایید نشده ای را ارسال نکرده ام.