Belföld
[5504]
Belföldi, általam válogatott cikkek, írások.
|
Bulvár | Celeb
[149]
Érdekesebb bulvár hírek.
|
Bűnügy
[380]
Bűnügyi hírek, információk
|
Csináld magad
[1]
Barkácsolási ötletek
|
Extrém
[313]
Extrém, megdöbbentő hírek.
|
Egészség | Életmód
[750]
Egészséggel, életmóddal, kapcsolatos hírek, információk, tanácsok.
|
Érdekes | Különleges | Rejtélyes
[980]
Érdekes, különleges, rejtélyes esetek, ironikus, vicces, humoros hírek, információk. írások.
|
Európai Unió
[182]
Hírek az Európai Unióból
|
Gasztro | Recept
[4049]
Gasztronómiai hírek, információk, receptek.
|
Gazdaság
[428]
A gazdasági élet hírei
|
Horgász
[1227]
Horgászoknak szóló hírek, információk.
|
Játék, -pihenés, -szórakozás
[155]
Ötletek, ajánlott oldalak, programok.
|
Jó tudni!
[2407]
Fontos, hasznos információk, határidők, változások, tanácsok. Programok, rendezvények.
|
Kommentár | Reakció | Vélemény
[1361]
Kritikus írások, vélemények, reakciók, a magyar politika és közélet cselekedeteire, visszásságaira.
|
Politika
[594]
Politikai jellegű hírek információk
|
Receptek sonkapréshez
[27]
Receptek, leírások házi húskészítmények (felvágott, sonka, disznósajt, stb.)sonkapréssel történő elkészítéséhez
|
Számítástechika | IT
[4064]
Hírek, újdonságok, tippek, trükkök, ajánlások, stb.
|
Történelem | Kultúra
[916]
Történelmi és kulturális vonatkozású hírek, információk.
|
Tudomány | Technika
[2947]
Újdonságok, felfedezések, új kutatási eredmények, érdekességek.
|
Választások
[376]
Országgyűlési, önkormányzati és EU választások előkészületeivel, lebonyolításával összefüggő hírek, információk.
|
Világ
[3303]
Nemzetközi, általam válogatott cikkek, írások.
|
Weboldalam hírei
[57]
Tájékoztatás a honlapon történt változásokról.
|
- 000 December
- 2012 Augusztus
- 2012 Szeptember
- 2012 Október
- 2012 November
- 2012 December
- 2013 Január
- 2013 Február
- 2013 Március
- 2013 Április
- 2013 Május
- 2013 Június
- 2013 Július
- 2013 Augusztus
- 2013 Szeptember
- 2013 Október
- 2013 November
- 2013 December
- 2014 Január
- 2014 Február
- 2014 Március
- 2014 Április
- 2014 Május
- 2014 Június
- 2014 Július
- 2014 Augusztus
- 2014 Szeptember
- 2014 Október
- 2014 November
- 2014 December
- 2015 Január
- 2015 Február
- 2015 Március
- 2015 Április
- 2015 Május
- 2015 Június
- 2015 Július
- 2015 Augusztus
- 2015 Szeptember
- 2015 Október
- 2015 November
- 2015 December
- 2016 Január
- 2016 Február
- 2016 Március
- 2016 Április
- 2016 Május
- 2016 Június
- 2016 Július
- 2016 Augusztus
- 2016 Szeptember
- 2016 Október
- 2016 November
- 2016 December
- 2017 Január
- 2017 Február
- 2017 Március
- 2017 Április
- 2017 Május
- 2017 Június
- 2017 Július
- 2017 Augusztus
- 2017 Szeptember
- 2017 Október
- 2017 November
- 2017 December
- 2018 Január
- 2018 Február
- 2018 Március
- 2018 Április
- 2018 Május
- 2018 Június
- 2018 Július
- 2018 Augusztus
- 2018 Szeptember
- 2018 Október
- 2018 November
- 2018 December
- 2019 Január
- 2019 Február
- 2019 Március
- 2019 Április
- 2019 Május
- 2019 Június
- 2019 Július
- 2019 Augusztus
- 2019 Szeptember
- 2019 Október
- 2019 November
- 2019 December
- 2020 Január
- 2020 Február
- 2020 Március
- 2020 Április
- 2020 Május
- 2020 Június
- 2020 Július
- 2020 Augusztus
- 2020 Szeptember
- 2020 Október
- 2020 November
- 2020 December
- 2021 Január
- 2021 Február
- 2021 Március
- 2021 Április
- 2021 Május
- 2021 Június
- 2021 Július
- 2021 Augusztus
- 2021 Szeptember
- 2021 Október
- 2021 November
- 2021 December
- 2022 Január
- 2022 Február
- 2022 Március
- 2022 Április
- 2022 Május
- 2022 Június
- 2022 Július
- 2022 Augusztus
- 2022 Szeptember
- 2022 Október
- 2022 November
- 2022 December
- 2023 Január
- 2023 Február
- 2023 Március
- 2023 Április
- 2023 Május
- 2023 Június
- 2023 Július
- 2023 Augusztus
- 2023 Szeptember
- 2023 Október
- 2023 November
- 2023 December
- 2024 Január
- 2024 Február
- 2024 Március
- 2024 Április
08:41:04 Mesterséges intelligenciával szimulálták az univerzumot, de még az alkotói sem értik, hogyan lehet ennyire pontos | |
Forrás: Új Világtudat | 2020.03.01. A tudósok először használtak mesterséges intelligenciát (MI) az univerzum komplex, háromdimenziós szimulációinak elkészítéséhez. Mélysűrűség-elmozdulási modellnek vagy D³M-nek hívják, és olyan gyors és olyan pontos, hogy a tervező asztrofizikusok még azt sem tudják, hogyan csinálja.
A világegyetem történetének bonyolultsága miatt az ilyen szimulációk számítástechnikai szempontból meglehetősen erőforrás igényesek, ami azt jelenti, hogy időre van szükség a futtatásukhoz. Egyetlen tanulmány több ezer szimulációt igényelhet ahhoz, hogy hasznos statisztikai adatokat lehessen kapni.
Itt jön be a képbe a D³M, amelyet számítógépes asztrofizikusok nemzetközi csapata fejlesztett ki. Azt számítja ki, hogy 13,8 milliárd év alatt (az univerzum kora) a gravitáció hogyan mozgatta a sok milliárd részecskét az űrben.
Ha ezt a részecskemozgást nem MI-alapú szoftverrel szimulálnánk, akkor akár 300 órát is igénybe vehet egy nagyon precíz szimuláció. Ugyanakkor pár perc alatt is elkészíthető, ám ennek a pontossága nagy mértékben romlani fog. A probléma kiküszöbölése érdekében a kutatócsoport úgy döntött, hogy kifejleszt egy neurális hálózatot a szimulációk futtatására, és kiképzi a D³M-et azáltal, hogy 8000 különféle szimulációt táplálnak bele egy olyan modellből, amely a mai napig a legpontosabb. Miután a D³M kiképzése befejeződött és az MI pontosan futott, készen állt egy próba szimluációra. A kutatók arra kérték, hogy szimuláljon egy olyan dobozban lévő univerzumot, amelynek körülbelül 600 millió fényév mindegyik oldala. A végeredmény elbírálásához a csapat ugyanazt a szimulációt futtatta a kínosan lassú, száz órás, és a csupán néhány percig tartó módszerrel. A várakozásoknak megfelelően a lassú módszer produkálta a legpontosabb eredményt, míg a gyors módszer 9,3 százalék relatív hibát adott.
A D³M azonban valamennyi korábbi gyors módszert felülmúlta. A szimulációt mindössze 30 milliszekundum alatt hajtotta végre, és a lassú, de szuper pontos modellhez képest csak 2,8 százalék volt a relatív hibája. Még ennél is lenyűgözőbb, hogy bár csak egy paraméterkészletre volt kiképzve, a neurális hálózat más paraméterek alapján megjósolta a szimulált univerzum struktúrájának kialakulását, amelyet még nem tanítottak meg neki - például ha a sötét anyag mennyisége változó volt. Ez azt jelenti, hogy a mesterséges intelligencia nagy rugalmassággal rendelkezik, amely alkalmassá teszi számos szimulációs feladat elvégzésére - bár mielőtt ez megtörténik, a csapat reméli, hogy kitalálja, hogy pontosan hogyan sikerül megtennie azt, amit csinál. "Érdekes lehet a gépi tanulással kacpsolatban annak kiderítése, hogy ez a modell miért extrapolálódik olyan jól, miért extrapolálódik az elefántokra, ahelyett, hogy felismerné a macskákat és a kutyákat," - mondta Ho. "Ez egy kétirányú utca a tudomány és a mély gépi tanulás között." (2) (1) - https://www.pnas.org/content/116/28/13825 (2) - https://www.simonsfoundation.org/2019/06/26/ai | |
|