Някога Алберт Айнщайн описва научните теории като „свободни изобретения на човешкия ум“. Но през 1980 г. Стивън Хокинг, известният космолог от университета в Кеймбридж, има друга мисъл. В лекция през същата година той твърди, че така наречената Теория на всичко може да бъде постижима, но че последните щрихи по нея вероятно ще бъдат направени от компютри.
„Краят може би не е видим от гледна точка на теоретичната физика“, казва той. „Но той може да се окаже видим за теоретичните физици.“
Теорията на всичко все още не изглежда достижима, но след като компютрите поемат вече толкова много от задълженията в ежедневието – превод на езици, разпознаване на лица, шофиране на автомобили, препоръчване с кого да се срещаме – не е чак толкова лудешко да си представим, че те ще поемат и функциите на Хокинговците и Айнщайновците на бъдещето.
Компютърни програми като AlphaGo на DeepMind продължават да откриват нови начини да побеждават хората в игри като Го и шах, които се изучават и играят от векове. Защо една от тези чудесни самообучаващи се машини, пусната върху огромния астрономически каталог или петабайтовете данни, събрани от Големия адронен колайдер, да не може да разпознае набор от нови фундаментални частици или да открие червейна дупка към друга галактика във външната слънчева система, като тази във филма „Интерстелар“?
Поне такава е мечтата. Да мислим другояче означава да се занимаваме с това, което физикът Макс Тегмарк нарича „въглероден шовинизъм“. През ноември Масачузетският технологичен институт, където д-р Тегмарк е професор, получи чек от Националната научна фондация и отвори метафоричните врати на новия Институт за изкуствен интелект и фундаментални взаимодействия.
Институтът е един от седемте, създадени от фондацията и Министерството на земеделието на САЩ като част от общонационалните усилия за активизиране на работата в областта на изкуствения интелект. Всеки от тях получава по 20 милиона долара за пет години.
Базираният в M.I.T. институт, ръководен от Джес Талер, физик на елементарните частици, е единственият, който е посветен специално на физиката. Той включва повече от две дузини учени от всички области на физиката от M.I.T., Харвард, Североизточния университет и Тафтс.
„Това, което се надявам да направя, е да създам място, където изследователи от различни области на физиката, както и такива, които работят в областта на компютърните науки, машинното обучение или изкуствения интелект, да се съберат заедно, да водят диалог и да се учат взаимно на различни неща“, каза д-р Талер по време на разговора ни в Zoom. „В крайна сметка искам да имам машини, които могат да мислят като физик.“
Преоткриване на фундаменталните закони
Техният инструмент в това начинание е вид изкуствен интелект, известен като невронна мрежа. За разлика от така наречените експертни системи като Watson на IBM, които са заредени с човешки и научни знания, невронните мрежи са проектирани да се учат в процеса на работа, подобно на начина, по който го прави човешкият мозък. Анализирайки огромни количества данни за скрити модели, те бързо се научават да различават кучета от котки, да разпознават лица, да възпроизвеждат човешка реч, да сигнализират за финансови злоупотреби и др.
„Надяваме се да открием всякакви нови закони на физиката“, казва д-р Тегмарк. „Вече сме показали, че машините могат да преоткриват [вече известни] закони на физиката.“
Миналата година, в нещо като доказателство на принципа, д-р Тегмарк и негов студент, Силвиу-Мариан Удреску, взеха 100 физични уравнения от известен учебник – „Лекции по физика на Файнман“ от Ричард Файнман, Робърт Лейтън и Матю Сандс – и ги използваха за генериране на данни, които след това бяха подадени на невронна мрежа. Системата пресява данните за модели и закономерности – и възстановява всичките 100 формули.
„Подобно на човека-учен, тя изпробва последователно много различни стратегии (модули)“, пишат изследователите в статия, публикувана миналата година в Science Advances. „И ако не може да реши целия проблем с един замах, тя се опитва да го трансформира и да го раздели на по-прости части, които могат да бъдат решени поотделно, като рекурсивно стартира отново пълния алгоритъм за всяка част.“
В друг по-предизвикателен експеримент д-р Тегмарк и колегите му показват на мрежата видеоклип с летящи ракети и я молят да предвиди какво ще се случи от един кадър до следващия. Не обръщай внимание на палмите от задния план. „Накрая компютърът успя да открие основните уравнения на движението“, каза той.
Откриването на нови частици на места като Големия адронен колайдер на ЦЕРН би било лесна задача, каза д-р Тегмарк; изкуственият интелект обича големите данни, а данните от колайдера достигат хиляди терабайти в секунда. Няма значение, че от откриването на Хигс бозона през 2012 г. в данните на ЦЕРН не се е появявала нова частица, въпреки че години наред се извършваше трескаво проучване на всеки удар в потока от данни.
„Това са криви, които хората гледат“, казва д-р Тегмарк. „След 10 години машинното обучение ще бъде толкова важно за физиката, колкото и познаването на математиката.“
Засега, признава той, има граници за това, което може да се постигне чрез рекурсивния метод на алгоритъма за решаване на проблеми – практика, известна като регресия. Въпреки че машината може да извлече от купчина данни основните закони на физиката, тя все още не може да измисли дълбоките принципи – като квантовата неопределеност в квантовата механика или относителността – които са в основата на тези формули.
„В момента, в който изкуственият интелект се върне и ви каже това, тогава ще сме достигнали изкуствения общ интелект и трябва да сте много уплашени или много развълнувани, в зависимост от гледната ви точка“, казва д-р Тегмарк. „Причината, поради която работя по този въпрос, честно казано, е, че това, което намирам за най-застрашително, е, ако създадем свръхмощен изкуствен интелект и нямаме представа как работи – нали?“
Диалог между човека и машината
Д-р Талер, който ръководи новия институт в M.I.T., казва, че някога е бил скептик по отношение на изкуствения интелект, но сега е евангелист. Осъзнал е, че като физик може да кодира част от знанията си в машината, която след това ще дава отговори, които той ще може да интерпретира по-лесно.
„Това се превръща в диалог между човека и машината по начин, който става по-вълнуващ“, казва той, „вместо просто да имаш черна кутия, която не разбираш и която взема решения вместо теб.“
Той добавя: „Не ми харесва особено да наричам тези техники „изкуствен интелект“, тъй като този термин прикрива факта, че много техники на изкуствения интелект имат строги основи в математиката, статистиката и компютърните науки.“
Да, признава той, машината може да намери много по-добри решения от него, въпреки цялата му подготовка: „Но в крайна сметка аз все още решавам кои конкретни цели си струва да бъдат постигнати и мога да се стремя към все по-амбициозни неща, знаейки, че ако мога стриктно да определя целите си на език, който компютърът разбира, то изкуственият интелект може да предостави мощни решения.“
Неотдавна д-р Талер и колегите му подават на невронната си мрежа множество данни от Големия адронен колайдер, който разбива протони в търсене на нови частици и сили. Протоните, градивните елементи на атомната материя, сами по себе си са торбички от по-малки обекти, наречени кварки и глуони. Когато протоните се сблъскват, тези по-малки частици се разпръскват на струи заедно с други екзотични частици, които са се събрали от енергията на сблъсъка. За да разберат по-добре този процес, той и екипът му са поискали от системата да разграничи кварките и глуоните в данните от колайдера.
„Казахме [на машините]: „Няма да ви разказваме нищо за квантовата теория на полето; няма да ви казвам какво е кварк или глюон на фундаментално ниво“, казва той. „Просто ще кажа: „Ето една каша от данни, моля, разделете я на две основни категории“. И тя може да го направи.“
Това означава, че системата успешно идентифицира и разграничава кварките и глюоните, без изобщо да знае какво е едно от двете. Ако след това попитате системата дали в данните има трети тип обект, казва д-р Талер, тя започва да открива, че кварките не са само едно цяло, а съществуват в различни видове – така наречените up[нагоре]-кварки и down[надолу]-кварки.
„И така, тя започва да се учи, когато ѝ давате повече гъвкавост да изследва“, каза той. „Все още не познава квантовата теория на полето, но знае да търси модели. И това е модел, за който бях шокиран, че беше открит от машината.“ Той добавя, че работата ще помогне на физиците от колайдера да разплетат резултатите си.
В един момент по време на разговора в Zoom д-р Талер показа нещо, което нарече „глупава карикатура“ на невронната мрежа, използвана за кварк-глуонния проект. Тя приличаше на купчина разноцветни гумени ленти, но представляваше няколко нива на обработка, включващи около 30 000 възела или „неврони“, в които се събира и предава информация.
„Това е вид малка мрежа, която можете да обучите на собствения си лаптоп, ако изчакате достатъчно дълго“, каза той.
Тя би се поместила на малък чип и е достатъчно бърза, за да се използва в колайдерите, за да помогне да се реши кои сблъсъци да се запазят за изследване и кои да се отхвърлят. Тъй като сблъсъците се случват 40 милиона пъти в секунда, няма много време за вземане на решение.
Друга особеност на тази нова област, каза д-р Талер, е, че тя осигурява общ език за изследователи от много различни области. Оказало се, че математиката, свързана с решаването на проблема с колайдера, е приложима и за оптимизиране на графиците за доставка за организация като Amazon.
„Най-изненадващите открития идват от осъзнаването, че някой друг има точно този инструмент или точно тази джаджа, която всъщност може да ми помогне да разбера проблемите си в нова светлина“, казва д-р Талер. „И оттам нататък да направя неща, които никога преди не са били правени.“
Началото на нещо квантово
„Една от причините, поради които изкуственият интелект е толкова успешен в решаването на игри“, каза д-р Талер, „е, че игрите имат много добре дефинирано понятие за успех.“ Той добавя: „Ако можем да определим какво означава успех за физичните закони, това би било невероятен пробив.“
„След пет до десет години ще искам да направя точно това, за което намеквате: Ето данните, ето един много груб набор от инструменти; намерете уравнението, което бих могъл да сложа на тениска, уравнението, което замества Стандартния модел на физиката на елементарните частици. Кое е уравнението, което замества общата теория на относителността на Айнщайн?“
Някои физици смятат, че следващият голям скок ще дойде с появата на изкуствения интелект в квантовите компютри. За разлика от класическите компютри, които боравят с битове, които могат да бъдат 1 или 0, така наречените кюбити в квантовите компютри могат да бъдат и двете едновременно. Според квантовата физика именно така се държат елементарните частици в най-малките мащаби на природата и това позволява на квантовите компютри да обработват огромни количества информация едновременно.
Подобни машини са все още в начален стадий на развитие, но са многообещаващи, казва Сет Лойд, машинен инженер и експерт по квантови компютри в M.I.T., който не е част от новия институт по изкуствен интелект там.
„Основното разбиране е, че квантовите системи могат да генерират модели, които са трудни за генериране от класическите системи“, каза д-р Лойд. „Така че може би квантовите системи също могат да разпознават модели, които класическите системи разпознават.“
Или, както казва Джо Ликкен, заместник-директор по научните изследвания в Националната ускорителна лаборатория „Ферми“ в Батавия, щата Илинойс: „Ако искате да използвате изкуствен интелект, за да откриете неща за нашия квантов свят, трябва да използвате квантов изкуствен интелект.“
Мария Спиропулу, физичка от Калифорнийския технологичен институт, посочва все по-увеличаващата се литература „за квантовата АИ и вдъхновените от квантовете алгоритми, които решават проблеми, които преди смятахме за нерешими“. Тя добавя: „Това е като алегорията на Платон за пещерата и теорията на формите, които съзряват!“
„Това е просто работещ алгоритъм“
Докъде може да се стигне чрез всичко това зависи от това кого питате. Би ли могла една машина да създаде сложните и неинтуитивни принципи на квантовата теория или принципите на относителността на Айнщайн? Би ли могла да създаде теория, която ние, хората, не можем да разберем? Бихме ли могли да се озовем в Матрицата или в свят, управляван от SkyNet, като в поредицата „Терминатор“?
Попитах няколко произволно избрани теоретични физици дали са готови да бъдат заменени от машини.
„Начинът, по който питате, допринася за объркването“ – каза Джейрън Ланиер, компютърен инженер, който сега работи в Microsoft. Според него в областта на компютърните науки е пълно с романтични преувеличения за силата и заплахата на свръхинтелигентните машини.
„Можем ли да формулираме даден въпрос по такъв начин, че да можем да извършим изчисленията?“ – попита той. „Премахнете романтизма. Това не е същество като котката, това е просто работещ алгоритъм“.
Стивън Уайнбърг, нобелов лауреат и професор в Тексаския университет в Остин, нарече „тревожна мисъл“ това, че хората може да не са достатъчно умни, за да разберат окончателната Теория на всичко. „Но подозирам, че в такъв случай – пише той в имейл, – няма да сме и достатъчно умни, за да създадем компютър, който да може да намери окончателната теория.“
Лиза Рандал, физичка от Харвард, пише: „С лекота мога да си представя как компютрите откриват уравнения или връзки, които не знаем как да интерпретираме. Но това всъщност не се различава от многото измервания, които все още не можем да обясним.“
Нѝма Аркани-Хамед, теоретик от Института за напреднали изследвания в Принстън, Ню Джърси, се противопостави на идеята, че компютърът ще открие нещо твърде дълбоко, за да може човек да го разбере: „Това не отразява нещата, които виждаме в характера на природните закони, за които през вековете сме се убедили, че се основават на по-малко на брой, по-дълбоки, по-прости, макар и по-абстрактни математически идеи.“
Ако например Исак Нютон се върне от мъртвите, казва д-р Аркани-Хамед, той няма да има проблем да навлезе в съвременната физика: „Всъщност десетки хора, които не са Нютон, успяват да направят това в рамките на четиригодишно бакалавърско обучение.“
Майкъл Търнър, космолог във фондация „Кавли“ в Лос Анджелис, каза, че в крайна сметка няма значение откъде идват идеите ни, стига да са били изпитани в битка, преди да се доверим на тях.
„И така, откъде получаваме тези теории или парадигми? Те може да идват от дълбоки принципи – симетрия, красота, простота – от философски принципи, от религия или просто от местния пияница“, казва той. „Тъй като машините стават все по-умни, можем да ги добавим към списъка с източници.“
Едуард Уитън, също от Института за напреднали изследвания в Принстън, отбелязва, че макар все още да не съществува машина за теория на всичко, тя може да се появи през следващия век. „Ако би съществувала машина, която изглежда да се интересува от и е любопитна към физиката, със сигурност щях да съм заинтересован да разговарям с нея.“
Без съмнение тя също би се заинтересувала да разговаря с него.
