Bir zamanlar Albert Einstein bilimsel teorileri “insan zihninin özgür icatları olarak tanımladı. ”Ama 1980 yılında, Stephen Hawking, ünlü Cambridge Üniversitesi kozmolog başka bir düşünce vardı. O yıl bir konferansta, Her Şeyin Teorisi denen şeyin elde edilebileceğini, ancak bu konudaki son dokunuşların muhtemelen bilgisayarlar tarafından yapılacağını savundu.
“Teorik fizik için son görünmeyebilir” dedi. Ama teorik fizikçiler için görünürde olabilir. ”
Her Şeyin Teorisi hala görünürde değil, ancak bilgisayarların hayattaki birçok işi devralmasıyla – dilleri çevirmek, yüzleri tanımak, araba kullanmak, bugüne kadar kime tavsiye vermek – Hawkings’den devraldıklarını hayal etmek o kadar da çılgınca değil. dünyanın Einsteinları.
DeepMind’ın AlphaGo gibi bilgisayar programları, yüzyıllardır üzerinde çalışılan ve oynanan Go ve satranç gibi oyunlarda insanları yenmenin yeni yollarını keşfetmeye devam ediyor. Neden bu harika öğrenme makinelerinden biri, muazzam bir astronomik kataloğa veya Büyük Hadron Çarpıştırıcısı tarafından derlenen petabaytlarca veriye salıverip, bir dizi yeni temel parçacığı ayırt edemedi veya dış güneş sistemindeki başka bir galaksiye giden bir solucan deliği keşfedemedi? “Yıldızlararası” filmindeki gibi mi?
En azından rüya bu. Aksi düşünmek fizikçi Max Tegmark “karbon şovenizm adlandırdığı meşgul etmektir. Kasım ayında, Dr. Tegmark’ın profesör olduğu Massachusetts Teknoloji Enstitüsü, Ulusal Bilim Vakfı’ndan bir çek bozdurdu ve yeni Yapay Zeka ve Temel Etkileşimler Enstitüsü’nün mecazi kapılarını açtı.
Enstitü, vakıf ve ABD Tarım Bakanlığı tarafından yapay zeka alanındaki çalışmaları canlandırmak için ülke çapındaki çabanın bir parçası olarak kurulan yedi kurumdan biri. Her biri beş yıl içinde 20 milyon dolar alıyor.
Bir parçacık fizikçisi olan Jesse Thaler tarafından yönetilen M. I.T. merkezli enstitü, özellikle fiziğe adanmış tek kurumdur. M.I.T., Harvard, Northeastern Üniversitesi ve Tufts’tan fiziğin tüm alanlarından iki düzineden fazla bilim adamını içerir.
“Yapmayı umduğum şey, farklı fizik alanlarından araştırmacıların yanı sıra bilgisayar bilimi, makine öğrenimi veya yapay zeka üzerinde çalışan araştırmacıların bir araya gelip diyalog kurabileceği ve birbirlerine bir şeyler öğretebileceği bir alan yaratmaktır. Dr. Thaler, Zoom çağrısı üzerine dedi. “Nihayetinde fizikçi gibi düşünebilen makinelere sahip olmak istiyorum. ”
Temel yasaları yeniden keşfetmek
Bu çabadaki araçları, sinir ağı olarak bilinen bir yapay zeka markasıdır. İnsan ve bilimsel bilgilerle yüklü IBM Watson gibi sözde uzman sistemlerin aksine, sinir ağları tıpkı insan beyninin yaptığı gibi ilerledikçe öğrenmek üzere tasarlanmıştır. Gizli kalıplar için büyük miktarda veriyi analiz ederek, köpekleri kedilerden ayırt etmeyi, yüzleri tanımayı, insan konuşmasını kopyalamayı, finansal yanlış davranışları işaretlemeyi ve daha fazlasını çabucak öğrenirler.
Dr. Tegmark, “Her tür yeni fizik yasasını keşfetmeyi umuyoruz” dedi. “Fizik yasalarını yeniden keşfedebileceğini zaten gösterdik. ”
Geçen yıl, bir tür ilke kanıtı niteliğinde olan Dr.Tegmark ve bir öğrenci, Silviu-Marian Udrescu, Richard Feynman, Robert Leighton ve Matthew tarafından yazılan “The Feynman Lectures on Physics” adlı ünlü bir ders kitabından 100 fizik denklemi aldı. Sands – ve daha sonra bir sinir ağına beslenen verileri oluşturmak için kullandı. Sistem verileri kalıplar ve düzenlilikler için eledi ve 100 formülün tamamını kurtardı.
Araştırmacılar, geçen yıl Science Advances’te yayınlanan bir makalede, “Bir insan bilim insanı gibi, sırayla birçok farklı stratejiyi (modülü) deniyor,” diye yazdı. “Ve problemin tamamını tek bir hamlede çözemezse, onu dönüştürmeye ve ayrı ayrı ele alınabilecek daha basit parçalara bölerek her parçada tam algoritmayı yinelemeli olarak yeniden başlatmaya çalışır. ”
Daha zorlu başka bir deneyde, Dr. Tegmark ve meslektaşları ağa etrafta uçan roketlerin videosunu gösterdiler ve ondan bir kareden diğerine ne olacağını tahmin etmesini istediler. Arka plandaki palmiye ağaçlarını boşverin. “Sonunda, bilgisayar hareketin temel denklemlerini keşfetmeyi başardı,” dedi.
Dr. Tegmark, CERN’deki Büyük Hadron Çarpıştırıcısı gibi bir yerde yeni parçacıklar bulmak çocuk oyuncağı olurdu; A. I. büyük veriyi sever ve çarpıştırıcı verileri saniyede binlerce terabayta kadar çalışır. 2012’de Higgs bozonunun keşfedilmesinden bu yana, veri akışındaki her tümsek için yıllarca süren çılgın incelemelere rağmen, CERN verilerinde yeni bir parçacığın görünmediğini aklınızdan çıkarmayın.
Dr. Tegmark, “Bunlar insanların baktığı eğriler” dedi. “10 yıl içinde makine öğrenimi, fizik yapmak için matematik bilmek kadar önemli olacak. ”
Şimdilik, algoritmanın regresyon olarak bilinen bir uygulama olan özyinelemeli problem çözme yöntemiyle elde edilebilecek şeylerin sınırları olduğunu kabul etti. Makine bir yığın veriden fiziğin temel yasalarını alabilse de, kuantum mekaniğindeki kuantum belirsizliği veya görelilik gibi bu formüllerin altında yatan derin ilkeleri henüz ortaya koyamıyor.
Dr. Tegmark, “A. I. gelip size bunu söylediğinde, yapay genel zekaya ulaştık ve bakış açınıza göre çok korkmalı veya çok heyecanlı olmalısınız” dedi. “Dürüst olmak gerekirse, bunun üzerinde çalışmamın nedeni, en tehditkar bulduğum şey, süper güçlü A.I’i inşa edersek ve nasıl çalıştığına dair hiçbir fikrimiz yoksa, değil mi?”
“İnsan ve makine arasında bir diyalog”
M.I.T.’deki yeni enstitüyü yöneten Dr. Thaler, bir zamanlar yapay zeka konusunda şüpheci olduğunu, ancak şimdi bir müjdeci olduğunu söyledi. Bir fizikçi olarak bilgisinin bir kısmını makineye kodlayabileceğini ve daha sonra daha kolay yorumlayabileceği cevaplar verebileceğini fark etti.
“Bu, insan ve makine arasında daha heyecan verici bir diyalog haline geliyor,” dedi, “senin için karar vermeyi anlamadığın bir kara kutuya sahip olmaktansa. ”
“Bu teknikleri” yapay zeka “olarak adlandırmaktan özellikle hoşlanmıyorum, çünkü bu dil birçok A. I. tekniğinin matematik, istatistik ve bilgisayar bilimlerinde sağlam temellere sahip olduğu gerçeğini maskeliyor. ”
Evet, makinenin tüm eğitimine rağmen bulabileceğinden çok daha iyi çözümler bulabileceğini belirtti: “Ama nihayetinde hangi somut hedeflerin gerçekleştirilmeye değer olduğuna hala karar veriyorum ve bunu bilerek her zamankinden daha iddialı hedefleri hedefleyebilirim. Hedeflerimi bilgisayarın anlayacağı bir dilde titizlikle tanımlayabilir, ardından yapay zeka güçlü çözümler sağlayabilir. ”
Son zamanlarda, Dr. Thaler ve meslektaşları sinir ağlarına, yeni parçacıklar ve kuvvetler bulmak için protonları bir araya getiren Büyük Hadron Çarpıştırıcısı’ndan bir veri hazinesi beslediler. Atomik maddenin yapı taşları olan protonlar, kuarklar ve gluonlar adı verilen daha küçük varlıklardan oluşan torbalar. Protonlar çarpıştığında, bu küçük parçacıklar, çarpışmanın enerjisinden başka egzotik parçacıkların bir araya gelmesiyle birlikte jetler halinde fışkırır. Bu süreci daha iyi anlamak için, kendisi ve ekibi sistemden çarpıştırıcı verilerindeki kuarklar ve gluonlar arasında ayrım yapmasını istedi.
“Size kuantum alan teorisi hakkında hiçbir şey söylemeyeceğim; Size temel düzeyde kuark veya gluonun ne olduğunu söylemeyeceğim ”dedi. “Sadece şunu söyleyeceğim, ‘İşte bir veri karmaşası, lütfen bunları temelde iki kategoriye ayırın. ‘Ve bunu yapabilir. ”
Yani, sistem kuarkları ve gluonları ne olduğunu bilmeden başarıyla tanımladı ve ayırt etti. Daha sonra sisteme verilerde üçüncü bir nesne türü olup olmadığını sorarsanız, Dr. Thaler, kuarkların yalnızca bir varlık olmadığını, farklı türlerde var olduğunu keşfetmeye başladığını söyledi – sözde yukarı kuarklar ve aşağı kuarklar .
“Bu gibi başlar, böylece bunu keşfetmek için daha fazla esneklik sağlar gibi, öğrenmek” dedi. Henüz kuantum alan teorisini bilmiyor ama kalıpları aramayı biliyor. Ve bu, makinenin bulacağı için şok olduğum bir model. Çalışmanın, çarpıştırıcı fizikçilerin sonuçlarını çözmelerine yardımcı olacağını ekledi.
Zoom konuşması sırasında bir noktada Dr. Thaler, kuark-gluon projesi için kullanılan sinir ağının “aptal bir karikatürü” dediği şeyi gösterdi. Çok renkli lastik bantlardan oluşan bir yığın gibi görünüyordu, ancak 30.000 düğümü veya bilginin toplandığı ve aktarıldığı “nöronlar” içeren birkaç işlem katmanını temsil ediyordu.
Yeterince uzun süre beklerseniz, dizüstü bilgisayarınızda eğitebileceğiniz türden küçük bir ağ bu, dedi.
Küçük bir çipe sığar ve hangi çarpışmaların çalışma için tutulup hangilerinin atılacağına karar vermeye yardımcı olmak için çarpıştırıcılarda kullanılabilecek kadar hızlıdır. Çarpışmalar saniyede 40 milyon kez gerçekleştiği için karar vermek için fazla zaman kalmıyor.
Dr. Thaler, bu yeni alanın bir başka özelliğinin, çok farklı çalışma alanlarından araştırmacılar için ortak bir dil sağlaması olduğunu söyledi. Çarpıştırıcı probleminin çözümünde yer alan matematiğin, Amazon gibi bir kıyafet için nakliye programlarını optimize etmek için de geçerli olduğu ortaya çıktı.
Dr. Thaler, “En şaşırtıcı keşifler, başka birinin tam olarak araca veya tam olarak sorunlarımı yeni bir ışıkta anlamama yardımcı olabilecek widget’a sahip olduğunun fark edilmesinden kaynaklandı” dedi. “Ve oradan, daha önce hiç yapılmamış şeyleri gerçekten yapmak. ”
Kuantum bir şeyin başlangıcı
Dr. Thaler, “A. I.’in oyun çözmede bu kadar başarılı olmasının nedenlerinden biri, oyunların çok iyi tanımlanmış bir başarı kavramına sahip olmasıdır. Biz başarı araçları fiziksel yasaları için bu inanılmaz bir atılım olacağını tanımlamak olsaydı”O ekledi”. ”
“Bundan beş ila 10 yıl sonra, tam olarak elde ettiğiniz şeyi yapmak isteyeceğim: İşte veriler, işte çok kaba bir araç seti; Bir T-shirt koymak olabilir denklem, parçacık fiziğinin Standart Model yerine Denklem bulabilirsiniz. Einstein’ın genel göreliliğinin yerini alan denklem nedir? ”
Bazı fizikçiler bir sonraki büyük sıçramanın A.I’in kuantum bilgisayarlarda gelişiyle geleceğini düşünüyor. 1 veya 0 olabilen bitleri işleyen klasik bilgisayarlardan farklı olarak, kuantum bilgisayarlardaki sözde kübitlerin ikisi de aynı anda olabilir. Kuantum fiziğine göre, temel parçacıkların en küçük doğa ölçeklerinde davranışı budur ve kuantum bilgisayarların büyük miktarda bilgiyi aynı anda işlemesine izin verir.
M.I.T.’de makine mühendisi ve kuantum hesaplama uzmanı olan ve buradaki yeni yapay zeka enstitüsünün bir parçası olmayan Seth Lloyd, bu tür makinelerin henüz emekleme aşamasındadır, ancak büyük umut vaat ettiğini söyledi.
“Temel fikir bu kuantum sistemlerinin klasik sistemler üretmek için zor desenleri üretebilir,” Dr Lloyd söyledi. “Yani belki kuantum sistemleri, klasik sistemlerin tanıdığı kalıpları da tanıyabilir. ”
Veya, Batavia, Illinois’deki Fermi Ulusal Hızlandırıcı Laboratuvarı araştırma müdür yardımcısı Joe Lykken’in dediği gibi, “Richard Feynman’ın yorumunu yaparsak, kuantum dünyamız hakkında bir şeyler keşfetmek için A. I.’i kullanmak istiyorsanız, kuantum A’yı kullanmalısınız.”
California Institute of Technology’de fizikçi olan Maria Spiropulu, “kuantum A.I” üzerine büyüyen literatüre ve daha önce çözülemeyeceğini düşündüğümüz problemleri çözen kuantumdan esinlenen algoritmalara işaret etti. “Platon’un mağara alegorisi ve yaşlanmaya başlayan formlar teorisi gibi!” Diye ekledi.
“Bu sadece çalışan bir algoritma”
Bunun ne kadar ileri gidebileceği, kime sorduğunuza bağlıdır. Bir makine, kuantum teorisinin anlaşılmaz ve sezgisel olmayan ilkelerini veya Einstein’ın görelilik siper ilkelerini üretebilir mi? Biz insanların anlayamayacağı bir teori üretebilir mi? Biz “Terminatör” serisinin gibi, Matrix kadar rüzgar veya SkyNet tarafından dünya çalıştırmak olabilir mi?
Rastgele bir teorik fizikçiye değiştirilmeye hazır olup olmadıklarını sordum.
Şu anda Microsoft ile çalışan bir bilgisayar mühendisi olan Jaron Lanier, “Sorduğunuz yol kafa karışıklığını artırıyor” dedi. Bilgisayar bilimi alanının, süper zeki makinelerin gücü ve tehdidi hakkında romantik abartılarla dolu olduğunu söyledi.
“Hesaplamayı yapabileceğimiz bir şekilde soru oluşturabilir miyiz?” O sordu. “Romantizmi ortadan kaldırın. Kedi gibi bir yaratık değil, sadece çalışan bir algoritmadır. ”
Nobel ödülü sahibi ve Austin’deki Texas Üniversitesi’nde profesör olan Steven Weinberg, insanların son Her Şeyin Teorisini anlayacak kadar zeki olmayabileceğini “rahatsız edici bir düşünce” olarak nitelendirdi. “Ama bu durumda şüpheleniyorum,” diye yazdı bir e-postada, “Ayrıca son bir teori bulabilecek bir bilgisayar tasarlayacak kadar akıllı olamayacağız. ”
Harvard’da fizikçi olan Lisa Randall şunları yazdı: “Bilgisayarların nasıl yorumlayacağımızı bilmediğimiz denklemleri veya ilişkileri bulduğunu hayal edebiliyorum. Ancak bu, henüz açıklayamadığımız birçok ölçümden gerçekten farklı değil. ”
NJ Princeton’daki Gelişmiş Araştırma Enstitüsü’nde teorisyen olan Nima Arkani-Hamed, bilgisayarın insanların kavrayamayacağı kadar derin bir şey keşfedeceği fikrine itiraz etti: “Bu, yasaların karakterinde gördüklerimizi yansıtmıyor Yüzyıllar boyunca görmeye başladığımız doğa, daha az, daha derin, daha basit, daha soyut, matematiksel fikirlere dayanıyor. ”
Örneğin, Isaac Newton ölümden dönerse, Dr. Arkani-Hamed, çağdaş fizikte hızlanmakta hiçbir sorun yaşamayacağını söyledi: “Gerçekten de, Newton dışı çok sayıda kişi bunu dörtlü bir süre boyunca başarabilir. -yıllık lisans eğitimi. ”
Los Angeles’taki Kavli Vakfı’nda bir kozmolog olan Michael Turner, biz onlara güvenmeden önce savaşta test edildikleri sürece, fikirlerimizin nereden geldiğinin nihayetinde önemli olmadığını söyledi.
Öyleyse bu teorileri veya paradigmaları nereden alıyoruz? Derin ilkelerden – simetri, güzellik, basitlik – felsefi ilkeler, din veya yerel sarhoş olabilir ”dedi. “Makineler daha akıllı hale geldikçe, onları kaynaklar listesine ekleyebiliriz. ”
Yine Princeton’daki İleri Araştırmalar Enstitüsü’nden Edward Witten, bir her şeyin teorisi makinesi henüz mevcut olmasa da, gelecek yüzyılda olabileceğini belirtti. Fizikle ilgilenen ve merak eden bir makine olsaydı, kesinlikle onunla konuşmak isterdim. ”
Onunla konuşmak hiç şüphesiz ilgilenirdi.
New York Times