Khi AI bắt đầu ‘hiểu’ vật lý: Bước tiến mới cho mô phỏng thế giới thực

Trí tuệ nhân tạo ngày nay có thể viết văn bản, tạo hình ảnh hay dựng mô hình 3D rất nhanh. Nhưng khi phải dự đoán một chiếc ô tô biến dạng thế nào sau va chạm, một con tàu phản ứng ra sao trước sóng lớn, hay luồng gió tác động thế nào lên cánh máy bay, AI vẫn gặp nhiều khó khăn.

Nguyên nhân là các mô hình AI hiểu văn bản và hình ảnh tốt hơn nhiều so với việc hiểu những quy luật vật lý chi phối thế giới thực.

Một phương pháp mới mang tên GeoPT, do các nhà nghiên cứu tại Phòng thí nghiệm Khoa học Máy tính và Trí tuệ nhân tạo của MIT (CSAIL) phối hợp với Đại học Thanh Hoa phát triển, đang tìm cách thu hẹp khoảng cách này.

Cho AI học vật lý trước khi giải bài toán thực tế

Mô phỏng vật lý hiện nay thường dựa vào các thuật toán số để tính toán cách lực tác động lên từng điểm của một vật thể 3D. Phương pháp này cho kết quả chi tiết nhưng tiêu tốn rất nhiều thời gian và tài nguyên tính toán.

Điều đó khiến việc tạo ra lượng dữ liệu đủ lớn để huấn luyện AI trở nên khó khăn.

Nhóm nghiên cứu cho AI quan sát khoảng 1,3 triệu mẫu “động lực học tổng hợp”. Trong các mô phỏng này, những hạt hình cầu nhỏ di chuyển với nhiều tốc độ và góc khác nhau cho tới khi tiếp xúc với bề mặt của các vật thể 3D phức tạp.

Các hạt được mô phỏng như thể “dính” vào vật thể khi va chạm, thay vì xuyên qua hay bật ngược trở lại.

Có thể hình dung đây giống như cho AI học những nguyên lý cơ bản về tương tác vật lý bằng các viên bi và mô hình đồ chơi, trước khi bắt nó xử lý các bài toán khó hơn trong thế giới thực.

Nhờ bước tiền huấn luyện này, mô hình có thể học nhanh hơn khi tiếp xúc với dữ liệu vật lý có nhãn.

Theo nhóm nghiên cứu, GeoPT có thể đạt hiệu năng tối đa nhanh gấp đôi và cần ít hơn tới 60% dữ liệu huấn luyện so với nhiều mô hình mô phỏng hàng đầu hiện nay.

Từ máy bay, tàu thủy đến ô tô va chạm

Người dùng tải lên mô hình 3D của một vật thể, chẳng hạn máy bay, tàu thủy hay xe tải, sau đó xác định hướng và tốc độ của lực cần mô phỏng.

Hệ thống sẽ tạo ra dạng bản đồ nhiệt, cho thấy các khu vực khác nhau trên vật thể bị tác động ra sao.

Nhờ vậy, kỹ sư có thể mô phỏng nhiều tình huống như luồng khí tác động lên máy bay, sóng và gió tác động lên thân tàu, ô tô biến dạng sau va chạm hoặc ánh sáng truyền và phản xạ quanh một vật thể.

Trong các thử nghiệm, GeoPT đạt kết quả đặc biệt tốt với những bài toán công nghiệp.

Khi dự đoán phản ứng của các hình dạng 3D phức tạp trước luồng gió và áp suất bề mặt, hệ thống vượt nhiều mô hình hiện đại về tốc độ, độ chính xác và hiệu quả sử dụng dữ liệu.

Với bài toán mô phỏng thân tàu chịu tác động đồng thời của không khí và sóng nước, GeoPT cần ít hơn khoảng 60% dữ liệu có nhãn và đạt độ chính xác tối đa nhanh hơn bốn lần so với các phương pháp đối chứng hàng đầu.

Hệ thống cũng có thể dự đoán cách các mẫu ô tô khác nhau biến dạng sau va chạm trong khi cần ít dữ liệu hơn.

Đáng chú ý, GeoPT còn mô phỏng chính xác cách ánh sáng truyền qua một mô hình 3D mà nó chưa từng gặp trong quá trình huấn luyện.

Hàng trăm triệu điểm mô phỏng trong vài giây

Theo nhóm nghiên cứu, GeoPT có thể tạo các mô phỏng độ chi tiết cao với hơn 100 triệu điểm lưới chỉ trong vài giây.

Trong quá trình thiết kế ô tô, máy bay hay tàu thủy, các kỹ sư thường phải thực hiện rất nhiều mô phỏng và thử nghiệm vật lý. Nếu AI có thể dự đoán chính xác hơn từ giai đoạn thiết kế, số lượng thử nghiệm thực tế cần thiết có thể giảm đáng kể.

Điều đó không có nghĩa AI sẽ thay thế hoàn toàn các bài kiểm tra ngoài đời thực. Nhưng nó có thể giúp kỹ sư nhanh chóng loại bỏ những phương án không hiệu quả và tập trung nguồn lực vào những thiết kế triển vọng hơn.

Vật lý có thể trở thành “ngôn ngữ thứ ba” của AI

Các nhà nghiên cứu cho rằng GeoPT mới chỉ là bước đầu hướng tới một mục tiêu lớn hơn: xây dựng mô hình nền tảng về vật lý.

Ngày nay, những mô hình AI mạnh nhất chủ yếu được phát triển dựa trên hai dạng dữ liệu lớn: ngôn ngữ và hình ảnh.

Minghao Guo, nghiên cứu sinh MIT và đồng tác giả chính của công trình, cho rằng vật lý có thể trở thành “phương thức thứ ba” của AI sau văn bản và điểm ảnh.

Nếu AI không chỉ nhận biết một vật thể trông như thế nào mà còn hiểu vật thể đó sẽ chuyển động, biến dạng hay phản ứng ra sao khi chịu tác động, những hệ thống mô phỏng thế giới có thể trở nên thực tế hơn rất nhiều.

Nhóm nghiên cứu muốn mở rộng GeoPT để học từ nhiều hình dạng hơn và xử lý các hiện tượng phức tạp hơn. Trong tương lai, cách tiếp cận này có thể được sử dụng để mô phỏng thời tiết, thử nghiệm vật liệu mới, cải thiện robot hoặc tạo video tuân thủ tốt hơn các quy luật vật lý.

(Theo MIT News)