Is the end of Insight in Sight ?

要約

物理学に基づいたニューラルネットワーク（PINN）ベースの深い学習アプリケーションの重量マトリックスは、ボルツマン方程式によって記述された希薄化ガスダイナミクス問題への深い学習アプリケーションを、物理的問題の数学的構造との明白なリンクを持たないことが示されています。
代わりに、重みはガウス分布ランダムマトリックスの近くに表示されます。
この方向での堅牢な評価をサポートするには、かなり多くの作業が必要ですが、これらの結果は、ボルツマン方程式の深部学習と数値解は、同じ物理的知識への2つの同等の、しかしほぼ異なる経路を表していることを示唆しています。
もしそうなら、説明可能なAIは非現実的なターゲットであり、おそらく不適切なターゲットでさえあるかもしれません。

要約(オリジナル)

It is shown that the weight matrices of a Physics-informed neural network (PINN)-based deep learning application to a rarefied gas dynamics problem described by the Boltzmann equation bear no evident link to the mathematical structure of the physical problem. Instead, the weights appear close to Gaussian distributed random matrices. Although significantly more work is needed to support a robust assessment in this direction, these results suggest that deep-learning and the numerical solution of the Boltzmann equation represent two equivalent, but largely distinct paths to the same physical knowledge. If so, Explainable AI might be an unrealistic target and possibly even an ill-posed one.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google