Искусственный интеллект может заново открыть фундаментальные законы физики и "Теорию всего"
Когда-то Альберт Эйнштейн описал научные теории как "бесплатные изобретения человеческого разума". Но в 1980 году Стивен Хокинг, известный космолог Кембриджского университета, предположил иначе. На лекции в том году он утверждал, что так называемая "Теория всего" достижима, но последние штрихи к ней, вероятно, будут сделаны компьютерами.
"Конец теоретической физике может и не близок", - сказал он. "Но это может быть видно физикам-теоретикам".
Теории всего еще нет, но с компьютерами, которые берут на себя многие повседневные дела в жизни - переводят языки, распознают лица, водят автомобили, рекомендуют, с кем встречаться - не так уж и безумно представить, что они смогут заменить Хокинга и Эйнштейна.
Компьютерные программы, такие как AlphaGo от DeepMind, продолжают открывать новые способы победить людей в таких играх, как го и шахматы, которые изучались и игрались веками. Но при этом, почему одна из этих чудесных обучающихся машин не могла позволить себе использовать огромный астрономический каталог или петабайты данных, собранных на Большом адронном коллайдере, различить набор новых фундаментальных частиц или обнаружить червоточину в другой галактике во внешней Солнечной системе, как в фильме "Интерстеллар"?
По крайней мере, это мечта. Думать иначе - значит заниматься тем, что физик Макс Тегмарк называет "углеродным шовинизмом". В ноябре Массачусетский технологический институт, в котором доктор Тегмарк является профессором, обналичил чек Национального научного фонда и открыл метафорические двери нового Института искусственного интеллекта и фундаментальных взаимодействий.
Институт является одним из семи, созданных фондом и Министерством сельского хозяйства США в рамках общенациональных усилий по активизации работы в области искусственного интеллекта. Каждый получает по 20 миллионов долларов в течение пяти лет.
Институт в Массачусетском технологическом институте, которым руководит Джесси Талер, физик элементарных частиц, является единственным институтом, специально посвященным физике. В его состав входят более двух десятков ученых из всех областей физики из Массачусетского технологического института, Гарварда, Северо-Восточного университета и Тафтса.
"Я надеюсь создать площадку, где исследователи из самых разных областей физики, а также исследователи, работающие в области информатики, машинного обучения или искусственного интеллекта, смогут собираться вместе, вести диалог и учить друг друга., - сказал доктор Талер в интервью по Zoom. "В конечном счете, я хочу иметь машины, которые смогут мыслить как физики".
Открывая заново фундаментальные законы
Их инструмент в этом деле - бренд искусственного интеллекта, известный как нейронные сети. В отличие от так называемых экспертных систем, таких как IBM Watson, которые загружены человеческими и научными знаниями, нейронные сети предназначены для обучения в процессе работы, подобно тому, как это делает человеческий мозг. Анализируя огромные объемы данных на предмет скрытых закономерностей, они быстро учатся отличать собак от кошек, распознавать лица, копировать человеческую речь, отмечать финансовые проступки и многое другое.
"Мы надеемся открыть все виды новых законов физики", - сказал доктор Тегмарк. "Нам уже показали, что он может заново открыть для себя законы физики".
В прошлом году доктор Тегмарк и студент Сильвиу-Мариан Удреску взяли 100 уравнений физики из знаменитого учебника "Лекции Фейнмана по физике" Ричарда Фейнмана, Роберта Лейтона и Мэтью, что было своего рода доказательством принципа и использовал их для генерации данных, которые затем передавались в нейронную сеть. Система проанализировала данные на предмет закономерностей и закономерностей и восстановила все 100 формул.
"Подобно ученому-человеку, ИИ по очереди пробует множество различных стратегий (модулей)", - написали исследователи в статье, опубликованной в прошлом году в журнале Science Advances. "И если он не может решить всю проблему одним махом, он пытается преобразовать ее и разделить на более простые части, которые можно решать отдельно, рекурсивно перезапуская полный алгоритм для каждой".
В другом, более сложном эксперименте доктор Тегмарк и его коллеги показали сети видео летящих ракет и попросили ее предсказать, что будет происходить от одного кадра к другому. Не говоря уже о пальмах на заднем плане. "В конце концов, компьютер смог открыть основные уравнения движения", - сказал он.
Доктор Тегмарк сказал, что найти новые частицы в таком месте, как Большой адронный коллайдер ЦЕРНа, было бы несложно; ИИ любит большие данные, и данные коллайдера работают до тысяч терабайт в секунду. Неважно, что новая частица не появлялась в данных ЦЕРН с момента открытия бозона Хиггса в 2012 году, несмотря на годы безумных исследований каждой выпуклости в потоке данных.
"Это кривые, на которые смотрят люди", - сказал доктор Тегмарк. "Через 10 лет машинное обучение будет столь же важным для изучения физики, как и знание математики".
На данный момент, признал он, существуют пределы того, что может быть достигнуто с помощью рекурсивного метода решения проблем алгоритма, практики, известной как регрессия. Хотя машина может извлекать из груды данных фундаментальные законы физики, она еще не может предложить глубоких принципов, таких как квантовая неопределенность в квантовой механике или теории относительности, которые лежат в основе этих формул.
"К тому времени, когда ИИ возвращается и сообщает вам об этом, мы достигли общего уровня искусственного интеллекта, и вы должны быть очень напуганы или очень взволнованы, в зависимости от вашей точки зрения", - сказал доктор Тегмарк. "Я работаю над этим, честно говоря, потому, что я считаю наиболее опасным то, что мы создадим сверхмощный ИИ и понятия не имеем, как это работает - верно?"
'Диалог между человеком и машиной'
Доктор Талер, который руководит новым институтом в Массачусетском технологическом институте, сказал, что когда-то он скептически относился к искусственному интеллекту, но теперь стал верить. Он понял, что как физик может закодировать часть своих знаний в машине, которая затем даст ответы, которые ему будет легче интерпретировать.
"Это диалог между человеком и машиной, который становится все более захватывающим, - сказал он, - а не просто черным ящиком, которого вы не понимаете, принимая решения за вас".
Он добавил: "Мне не очень нравится называть эти методы" искусственным интеллектом ", поскольку этот язык маскирует тот факт, что многие методы искусственного интеллекта имеют строгую основу в математике, статистике и информатике".
Да, отметил он, машина может находить гораздо лучшие решения, чем он, несмотря на всю его подготовку: "Но в конечном итоге я все еще могу решить, какие конкретные цели стоит достичь, и я могу достичь еще более амбициозных целей, зная, что, если я смогу точно определить мои цели на языке, понятном компьютеру, то тогда ИИ сможет предоставить мощные решения".
Недавно доктор Талер и его коллеги скормили своей нейронной сети набор данных с Большого адронного коллайдера, который сбивает протоны в поисках новых частиц и сил. Протоны, строительные блоки атомной материи, сами по себе представляют собой мешки из более мелких объектов, называемых кварками и глюонами. Когда протоны сталкиваются, эти более мелкие частицы выбрасываются струями вместе с любыми другими экзотическими частицами, которые объединились из-за энергии столкновения. Чтобы лучше понять этот процесс, он и его команда попросили систему различать кварки и глюоны в данных коллайдера.
"Мы сказали:" Я не собираюсь ничего рассказывать вам о квантовой теории поля; Я не собираюсь рассказывать вам, что такое кварк или глюон на фундаментальном уровне", - сказал он. "Я просто говорю: "Вот беспорядок с данными, пожалуйста, раздели его на две основные категории". ИИ может это сделать."
То есть система успешно идентифицировала и различала кварки и глюоны, даже не зная, что они собой представляют. Если затем вы спросите систему, есть ли в данных третий тип объектов, сказал доктор Талер, она начнет обнаруживать, что кварки не просто одно целое, а существуют в разных типах - так называемые ап-кварки и даун-кварки.
"И поэтому он начинает как бы учиться, поскольку вы даете ему больше гибкости для изучения", - сказал он. "Он еще не знает квантовой теории поля, но умеет искать закономерности. И это пример, который меня шокировал тем, что машина обнаружила". Он добавил, что эта работа поможет физикам-коллайдерам распутать свои результаты.
В какой-то момент во время разговора в Zoom д-р Талер показал то, что он назвал "глупой карикатурой" нейронной сети, которая использовалась для проекта кварк-глюон. Это было похоже на груду разноцветных резинок, но представляло собой несколько уровней обработки, включающих около 30 000 узлов или "нейронов", где информация собиралась и передавалась.
"Это своего рода небольшая сеть, которую можно обучить на своем ноутбуке, если вы подождете достаточно долго", - сказал он.
ИИ поместится на небольшом чипе и достаточно быстр для применения в коллайдерах, чтобы помочь решить, какие столкновения оставить для изучения, а какие отбросить. Поскольку столкновения происходят 40 миллионов раз в секунду, времени на принятие решения не так много.
Другая особенность этой новой области, по словам доктора Талера, заключалась в том, что она предоставила общий язык исследователям из самых разных областей деятельности. Оказалось, что математика, использованная для решения проблемы коллайдера, также применима для оптимизации графиков доставки для такого оборудования, как Amazon.
"Самые удивительные открытия были сделаны в результате осознания того, что у кого-то есть именно тот инструмент или именно тот виджет, который действительно может помочь мне понять мои проблемы в новом свете", - сказал д-р Талер. "И оттуда, чтобы делать то, чего раньше никогда не делали".
Начало чего-то квантового
"Одна из причин такого успеха ИИ в решении игр, - сказал доктор Талер, - в том, что в играх очень четко определено понятие успеха". Он добавил: "Если бы мы могли определить, что означает успех для физических законов, это было бы невероятным прорывом".
"Через пять-десять лет я захочу сделать именно то, что вы получаете: вот данные, вот очень приблизительный набор инструментов; найти уравнение, благодаря которому я мог бы надеть на футболку, уравнение, которое заменяет Стандартную модель физики элементарных частиц. Какое уравнение заменяет общую теорию относительности Эйнштейна?"
Некоторые физики думают, что следующий большой скачок произойдет с появлением ИИ на квантовых компьютерах. В отличие от классических компьютеров, которые манипулируют битами, которые могут быть 1 или 0, так называемые кубиты в квантовых компьютерах могут быть обоими сразу. Согласно квантовой физике, именно так элементарные частицы ведут себя в мельчайших масштабах природы, и это позволяет квантовым компьютерам одновременно обрабатывать огромные объемы информации.
Такие машины все еще находятся в зачаточном состоянии, но они имеют большие перспективы, говорит Сет Ллойд, инженер-механик и эксперт по квантовым вычислениям в Массачусетском технологическом институте, который не является частью нового института искусственного интеллекта.
"Основная идея заключается в том, что квантовые системы могут генерировать паттерны, которые трудно создать классическим системам", - сказал доктор Ллойд. "Так что, возможно, квантовые системы также могут распознавать шаблоны, которые распознают классические системы".
Или, как сказал Джо Ликкен, заместитель директора по исследованиям в Национальной ускорительной лаборатории Ферми в Батавии, штат Иллинойс, "перефразируя Ричарда Фейнмана, если вы хотите использовать ИИ, чтобы узнать о нашем квантовом мире, вам следует использовать квантовый ИИ".
Мария Спиропулу, физик из Калифорнийского технологического института, указала на рост литературы "о квантовом ИИ и квантовых алгоритмах, которые решают проблемы, которые мы раньше считали неразрешимыми". Она добавила: "Это похоже на аллегорию Платона о пещере и теорию созревания форм!"
'Это просто работающий алгоритм'
Насколько далеко это может зайти, зависит от того, кого вы спрашиваете. Может ли машина создавать заумные и неинтуитивные принципы квантовой теории или опорные принципы относительности Эйнштейна? Может ли это привести к теории, которую мы, люди, не можем понять? Можем ли мы оказаться в Матрице или мире, управляемом SkyNet, как в сериале "Терминатор"?
"Можем ли мы сформулировать вопрос таким образом, чтобы мы могли производить вычисления?". Физики отвечают: "Уберите романтику. Это не существо, подобное кошке, это просто работающий алгоритм ".
Стивен Вайнберг, лауреат Нобелевской премии и профессор Техасского университета в Остине, назвал "тревожной мыслью", что люди могут быть недостаточно умны, чтобы понять окончательную теорию всего. "Но я подозреваю, что в этом случае, мы также не будем достаточно умны, чтобы спроектировать компьютер, который сможет найти окончательную теорию".
Лиза Рэндалл, физик из Гарварда, написала: "Я легко могу представить, как компьютеры находят уравнения или зависимости, которые мы не знаем, как интерпретировать. Но на самом деле это не отличается от многих измерений, которые мы пока не можем объяснить".
Нима Аркани-Хамед, теоретик из Института перспективных исследований в Принстоне, штат Нью-Джерси, не согласилась с идеей о том, что компьютер обнаружит нечто слишком глубокое для понимания людьми: "Это не отражает того, что мы видим в характере законов природы, которую мы видим на протяжении веков, основаных на меньшем количестве, более глубоких, более простых, хотя и более абстрактных математических идеях".
Доктор Аркани-Хамед сказал, что если бы Исаак Ньютон воскрес из мертвых, у него не было бы проблем с изучением современной физики: "Действительно, множеству неньютонов удается сделать это в течение четырех-летнего высшего образования".
Майкл Тернер, космолог из Фонда Кавли в Лос-Анджелесе, сказал, что в конечном итоге не имеет значения, откуда пришли наши идеи, если они были проверены в реальных условиях, прежде чем мы на них положились.
"Итак, где мы берем эти теории или парадигмы? Это может быть глубокие принципы - симметрия, красота, простота - философские принципы, религия или местный алкоголик", - сказал он. "По мере того, как машины становятся умнее, мы можем добавлять их в список источников".
Эдвард Виттен, также из Института перспективных исследований в Принстоне, отметил, что, хотя для машины теории всего еще не существует, она может появиться в следующем столетии. "Если бы существовал ИИ, который бы интересовался физикой, мне, безусловно, было бы интересно с ним поговорить".
По материалам: The New York Times.
