شبکه‌های عصبی فیزیک‌آگاه (PINNs)
Physics-Informed Neural Networks


شبکه‌های عصبی سنتی (مثل یک شبکه MLP یا CNN) شبیه به یک دانش‌آموز به شدت باهوش اما کاملاً "حفظی" هستند! آن‌ها هیچ درک ذاتی از قوانین جهان هستی ندارند.

فرض کنید می‌خواهید مسیر پرتاب یک توپ فیزیکی را به هوش مصنوعی آموزش دهید. در روش سنتی، شما باید هزاران ویدیو یا داده از پرتاب توپ به او نشان دهید تا الگو را حفظ کند (Data-Driven). اما اگر توپی را در شرایطی پرتاب کنید که مدل قبلاً ندیده است (مثلاً در حضور یک باد شدید)، مدل شما کاملاً گیج می‌شود و اشتباه فاحشی می‌کند؛ چرا؟ چون قانون جاذبه یا مقاومت هوا را نمی‌داند و فقط الگوهای قبلی را حفظ کرده است. این بزرگترین نقطه ضعف هوش مصنوعی کلاسیک یعنی نیاز شدید به داده (Data-Hungry) و عدم توانایی در تعمیم‌دهی (Generalization) است.

ایده اصلی PINNs فوق‌العاده زیباست:
به جای اینکه هوش مصنوعی را فقط با داده‌ها بمباران کنیم، قوانین حاکم بر طبیعت را هم به او آموزش دهیم.