Физик утверждает: Вселенная это нейронная сеть
Исследования, переворачивающие наше представление о реальности, появляются весьма регулярно, но реально заслуживающие внимания довольно редки, а те, что к тому же еще и оригинальны, вообще единичны.
К последнему типу относится исследование профессора физики Виталия Ванчурина ( Vitaly Vanchurin ) из Миннесотского университета в Дулуте, препринт которого он опубликовал на arXiv . В нем автор делает вывод о том, что « вполне возможно, что вся Вселенная на самом фундаментальном уровне представляет собой нейронную сеть ».
В чем же тут оригинальность? Разве мы не слышали уже о теориях, утверждающих, что мы живем в компьютерной симуляции ?
Основной вывод его исследования на первый взгляд действительно может навеять аналогию с околонаучными рассуждениями на тему « мы все живем в матрице ». Но если разобраться в том, какие именно научные проблемы исследует Ванчурин, и в системе его аргументации, то становится понятным, что это довольно свежий взгляд на устройство нашей Вселенной.
Долгие десятилетия физики пытаются примирить квантовую механику и общую теорию относительности . Для квантового взгляда на окружающий мир время является величиной универсальной и абсолютной, а в мире, описываемом теорией Эйнштейна время относительно, будучи связанным с тканью пространства-времени.
Основной тезис Ванчурина состоит в том, что искусственные нейронные сети способны «проявлять близкое поведение» обеих этих универсальных теорий. Как утверждает автор, поскольку именно квантовая механика позволяет успешно моделировать максимально широкий масштаб физических явлений, то логично предположить, что все во Вселенной должно управляться законами квантовой механики, в конечном итоге включая и гравитацию.
Поэтому, в обоснование своего исследования Ванчурин утверждает, что искусственные нейронные сети это не просто хороший инструмент для анализа физических структур и открытия новых законов, а что сам окружающий нас мир построен по их принципу.
Исходя из этого автор утверждает, что его предположение можно рассматривать как кандидата на « Теорию Всего », что позволит либо подтвердить, либо опровергнуть его теорию.
Ванчурин говорит, что вопрос не только в том, чтобы объединить квантовую механику и общую теорию относительности – то есть решить проблему известную как квантовая гравитация , но и в том, как определить во всем этом роль наблюдателя – что означало бы решить проблему измерения (для квантовой механики) и проблему меры (для космологии).
Большинство физиков скажут, что объединение всех трех составляющих (то есть, если включить и наблюдателя) должно основываться на квантовой механике и каким-то образом возникать из нее. Правда непонятно каким?
Предложение Ванчурина состоит в том, чтобы рассматривать микроскопическую нейронную сеть как фундаментальную структуру, а все составляющие: квантовую механику; ОТО; и макроскопических наблюдателей, ее следствиями.
Для тестирования этой теории или ее опровержения, говорит Ванчурин, достаточно «найти физическое явление, которое не может быть описано нейронными сетями».
Если так, то эта теория действительно многообещающая. Тем более, что ее доказательство позволило бы лучше понять не только проблему наблюдателя, но и такое явления квантового мира как нелокальность ( «жуткое действие на расстоянии» по Эйнштейну ), а если смотреть шире, то даже вопросы, связанные с эволюцией сложных систем.
Что касается вопроса о том, живем ли мы в симуляции, Ванчурин уверенно заявляет — нет, потому, что мы живем в нейронной сети, и поэтому, возможно, никогда не заметим разницы.
По теме «Теории Всего» смотрите видео на нашем ютуб-канале о теории струн
Источник
Физик: Вся Вселенная представляет собой нейронную сеть
«Идея определенно безумная, но достаточно ли она безумна, чтобы быть правдой? Это еще предстоит выяснить».
Не каждый день мы сталкиваемся с исследованием, которое пытается переопределить реальность.
Но в провокационной статье, загруженной на arXiv этим летом, профессор физики из Миннесотского университета в Дулуте по имени Виталий Ванчурин пытается переосмыслить реальность особенным способом — предполагая, что мы живем внутри массивной нейронной сети, которая управляет всем вокруг. Другими словами, как он написал в статье, «вполне возможно, что вся Вселенная на самом фундаментальном уровне представляет собой нейронную сеть».
В течение многих лет физики пытались совместить квантовую механику и общую теорию относительности. Первое утверждает, что время универсально и абсолютно, а второе, что время относительно, связано с тканью пространства-времени.
В своей статье Ванчурин утверждает, что искусственные нейронные сети могут «демонстрировать примерное поведение» обеих универсальных теорий. Поскольку квантовая механика «является чрезвычайно успешной парадигмой для моделирования физических явлений в широком диапазоне масштабов, — пишет он, — широко распространено мнение, что на самом фундаментальном уровне вся Вселенная управляется правилами квантовой механики, и даже гравитация должна каким-то образом выйти из этого».
«Мы не просто говорим, что искусственные нейронные сети могут быть полезны для анализа физических систем или для открытия физических законов, мы говорим, что именно так на самом деле работает мир вокруг нас», — говорится в обсуждении статьи.
Концепция настолько смелая, что большинство физиков и экспертов по машинному обучению, к которым мы обратились, отказались комментировать исследование, ссылаясь на скептицизм по поводу выводов статьи. Но в интервью с Futurism, Ванчурин склонился к полемике — и рассказал нам больше о своей идее.
Футуризм: в вашей статье утверждается, что Вселенная может быть нейронной сетью. Как бы вы объяснили свои рассуждения тому, кто не очень разбирается в нейронных сетях или физике?
Виталий Ванчурин: На ваш вопрос можно ответить двумя способами.
Первый способ — начать с точной модели нейронных сетей, а затем изучить поведение сети в пределе большого количества нейронов. Я показал, что уравнения квантовой механики довольно хорошо описывают поведение системы вблизи состояния равновесия, а уравнения классической механики довольно хорошо описывают, как система удаляется от равновесия. Стечение обстоятельств? Может быть, но, насколько нам известно, квантовая и классическая механика — это именно то, как работает физический мир.
Второй способ — начать с физики. Мы знаем, что квантовая механика довольно хорошо работает в малых масштабах, а общая теория относительности довольно хорошо работает в больших масштабах, но пока нам не удалось согласовать две теории в единой системе. Это известно как проблема квантовой гравитации. Ясно, что нам не хватает чего-то большого, но, что еще хуже, мы даже не знаем, как обращаться с наблюдателями. Это известно как проблема измерения в контексте квантовой механики и проблема меры в контексте космологии.
Тогда можно возразить, что есть не два, а три явления, которые необходимо объединить: квантовая механика, общая теория относительности и наблюдатели. 99% физиков скажут вам, что квантовая механика является основной и все остальное должно каким-то образом возникать из нее, но никто точно не знает, как это можно сделать. В этой статье я рассматриваю еще одну возможность того, что микроскопическая нейронная сеть является фундаментальной структурой, а все остальное, то есть квантовая механика, общая теория относительности и макроскопические наблюдатели, вытекает из нее. Пока все выглядит многообещающе.
Что впервые навело вас на эту идею?
Сначала я просто хотел лучше понять, как работает глубокое обучение, и поэтому написал статью под названием «К теории машинного обучения». Первоначальная идея заключалась в применении методов статистической механики для изучения поведения нейронных сетей, но оказалось, что в определенных пределах динамика обучения нейронных сетей очень похожа на квантовую динамику, которую мы видим в физике. В то время я был в творческом отпуске и решил исследовать идею о том, что физический мир на самом деле является нейронной сетью.
Идея определенно безумная, но достаточно ли безумная, чтобы быть правдой? Это еще предстоит выяснить.
В статье вы написали, что для доказательства ошибочности теории «все, что нужно, — это найти физическое явление, которое не может быть описано нейронными сетями». Что ты имеешь в виду? Почему такое «легче сказать, чем сделать»?
Существует множество «теорий всего», и большинство из них, должно быть, ошибочны. По моей теории, все, что вы видите вокруг себя, является нейронной сетью, и поэтому, чтобы доказать, что это неверно, все, что нужно, — это найти явление, которое невозможно смоделировать с помощью нейронной сети. Но если подумать, это очень сложная задача, потому что мы очень мало знаем о том, как ведут себя нейронные сети и как на самом деле работает машинное обучение. Вот почему я в первую очередь попытался разработать теорию машинного обучения.
Как ваше исследование связано с квантовой механикой и обращается ли оно к эффекту наблюдателя?
Существует два основных направления мысли: интерпретация квантовой механики Эвереттом (или многомировая) и интерпретация Бома (или скрытых переменных). Мне нечего сказать нового о многомировой интерпретации, но я думаю, что могу внести свой вклад в теории скрытых переменных. В квантовой механике, которую я рассматривал, скрытые переменные — это состояния отдельных нейронов, а обучаемые переменные (такие как вектор смещения и матрица весов) — квантовые переменные. Обратите внимание, что скрытые переменные могут быть очень нелокальными, поэтому неравенства Белла нарушаются. Ожидается, что появится приближенная пространственно-временная локальность, но, строго говоря, каждый нейрон может быть связан с любым другим нейроном, и поэтому система не обязательно должна быть локальной.
Не могли бы вы подробнее рассказать о том, как эта теория связана с естественным отбором? Как естественный отбор влияет на эволюцию сложных структур / биологических клеток?
Я говорю очень просто. Есть структуры (или подсети) микроскопической нейронной сети, которые более стабильны, а есть другие структуры, которые менее стабильны. Более стабильные структуры переживут эволюцию, а менее стабильные структуры будут уничтожены. Я ожидаю, что в самых маленьких масштабах естественный отбор должен произвести некоторые структуры очень низкой сложности, такие как цепочки нейронов, но в больших масштабах структуры будут более сложными. Я не вижу причин, по которым этот процесс должен быть ограничен определенной шкалой длины, и поэтому утверждается, что все, что мы видим вокруг нас (например, частицы, атомы, клетки, наблюдатели и т. д.), Является результатом естественного отбора.
Мы были заинтригованы вашим первым письмом, где вы сказали, что сами, возможно, не все понимаете. Что вы имели в виду? Вы имели в виду сложность самой нейронной сети или что-то более философское?
Да, я говорю только о сложности нейронных сетей. У меня даже не было времени подумать о философском подтексте результатов.
Нужно спросить: означает ли эта теория, что мы живем в симуляции?
Нет, возможно мы живем в нейронной сети, но никогда не заметим разницы.
Источник
Разработана первая симуляция Вселенной на основе ИИ. Нейросеть выполняет свою работу так хорошо, что даже странно
Трехмерная модель Вселенной, которую удалось построить при помощи нового алгоритма
Несколько дней назад был представлен первый эмулятор Вселенной на основе искусственного интеллекта. Разработчики заявляют, что эмулятор достаточно быстрый и точный, создатели проекта даже удивлены тем, что ИИ «понимает» некоторые факторы, о которых он вроде бы не должен знать.
В целом, идея моделирования Вселенной не нова: ученые используют компьютерные симуляции для оценки эволюционных процессов, протекающих во Вселенной, многие десятилетия. Ранее уже демонстрировались проекты, основанные на традиционных методиках, которые демонстрируют приемлемые результаты. Но сейчас появилось нечто новое — эмулятор Вселенной на основе машинного обучения. Эта система позволяет получить желаемые результаты за считанные миллисекунды.
Вот, что говорят разработчики о своем проекте: «Мы построили нейросеть на основе глубокого машинного обучения для оценки структуры Вселенной. Проект показывает лучшие, чем стандартные системы результаты, экстраполируя полученные данные за пределы представленной ИИ модели».
Так, если предоставить ИИ данные о гравитации, то он быстро рассчитает и другие переменные и данные, которые системе не были предоставлены. В качестве примера можно привести случай с расчетом количества темной материи.
Так, команда не обучала свою систему, которая получила название Deep Density Displacement Model (D3M), на данных, где бы учитывалась темная материя. Соответствующих данных у нейросети просто не было. Тем не менее, она смогла самостоятельно рассчитать все параметры, обойдясь теми данными, которые у нее были.
«Эту ситуацию можно сравнить с нейросетью, которую обучали распознавать котов и собак, но она самостоятельно обучилась идентифицировать слонов. Никто не знает, как это произошло, эту загадку еще предстоит разгадать», — заявил руководитель проекта.
Сам симулятор разрабатывался для того, чтобы помочь астрофизикам и ученым других направлений, исследующих космос, заполнить пробелы в истории нашей Вселенной.
Дело в том, что на самом деле она весьма странное и загадочное место. Человечество лишь начинает постепенно разбираться в законах, которые позволили сформировать современный мир в том виде, в котором мы его знаем. Искусственный интеллект может помочь нам точно понять, как происходило развитие Вселенной и в каком направлении эволюция двинется дальше.
ИИ был разработан командой ученых из Центра вычислительной астрофизики Института Флэтайрон в Нью-Йорке. Компьютерное моделирование позволило дать в руки астрофизиков эффективный инструмент, позволяющий понять, как космос будет развиваться при разных сценариях. Моделирование требует выполнения многих тысяч операций, но система справляется со всем просто отлично.
Стоит отметить, что исследователи предоставляют своей системе лишь данные по гравитации, считая, что она позволяет определять большую часть процессов, которые происходят на уровне планет и звезд.
В самом начале специалисты тренировали свою нейронную сеть на основе более 8000 разных симуляций Вселенной, созданных ранее при помощи других программ. В результате, когда был запущен новый алгоритм, он дал возможность воссоздать модель Вселенной диаметром в 600 млн световых лет всего за 30 мс. Погрешность по сравнению с другими программами составила не более 3%, при том, что традиционные системы потратили на аналогичную задачу более 300 часов.
Источник