Bir zamanlar Albert Einstein, bilimsel teorileri “insan zihninin özgür icatları” olarak tanımlamıştı. Ancak 1980’de Cambridge Üniversitesi’nin ünlü kozmologu Stephen Hawking’in başka bir düşüncesi vardı. O yılki bir konferansta, Her Şeyin Teorisi denilen şeyin başarılabileceğini, ancak bu konudaki son rötuşların muhtemelen bilgisayarlar tarafından yapılacağını savundu.
“Teorik fizik için son görünmüyor olabilir” dedi. “Ama teorik fizikçiler için görünürde olabilir.”
Her Şeyin Teorisi hala görünürde değil, ancak bilgisayarların hayattaki birçok işi üstlenmesiyle – dilleri çevirmek, yüzleri tanımak, araba kullanmak, kiminle çıkacağını önermek – bunları hayal etmek o kadar da çılgınca değil. dünyanın Hawkings ve Einstein’larından devralıyor.
DeepMind’ın AlphaGo’su gibi bilgisayar programları, yüzyıllardır üzerinde çalışılan ve oynanan Go ve satranç gibi oyunlarda insanları yenmenin yeni yollarını keşfetmeye devam ediyor. Neden bu harika öğrenen makinelerden biri, devasa bir astronomik kataloğu ya da Büyük Hadron Çarpıştırıcısı tarafından derlenen petabaytlarca veriyi salıvermedi, bir dizi yeni temel parçacığı ayırt edemedi ya da dış güneş sistemindeki başka bir galaksiye giden bir solucan deliği keşfetti. “Yıldızlararası” filmindeki gibi mi?
En azından rüya bu. Aksini düşünmek, fizikçi Max Tegmark’ın “karbon şovenizmi” dediği şeye katılmaktır. 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, yapay zeka alanındaki çalışmaları ülke çapında canlandırmak için vakıf ve ABD Tarım Bakanlığı tarafından kurulan yedi kuruluştan biridir. Her biri beş yılda 20 milyon dolar alıyor.
Parçacık fizikçisi Jesse Thaler tarafından yönetilen MIT tabanlı enstitü, özellikle fiziğe ayrılmış tek kurumdur. MIT, Harvard, Northeastern Üniversitesi ve Tufts’tan fiziğin tüm alanlarından iki düzineden fazla bilim insanını içerir.
“Yapmayı umduğum şey, çeşitli fizik alanlarından araştırmacıların yanı sıra bilgisayar bilimi, makine öğrenimi veya yapay zeka üzerinde çalışan araştırmacıların bir araya gelip diyalog kurun ve birbirinize bir şeyler öğretin,” dedi Dr. Thaler bir Zoom görüşmesi sırasında. “Nihayetinde, bir 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 bilgiyle yüklü IBM’in Watson gibi sözde uzman sistemlerinin aksine, sinir ağları, insan beyninin yaptığı gibi, ilerledikçe öğrenmek üzere tasarlanmıştır. Gizli kalıplar için büyük miktarda veriyi analiz ederek, köpekleri kedilerden ayırmayı, yüzleri tanımayı, insan konuşmasını kopyalamayı, mali yanlış davranışları işaretlemeyi ve daha fazlasını hızla öğrenirler.
“Her türlü yeni fizik yasasını keşfetmeyi umuyoruz” dedi Dr. Tegmark. “Fizik yasalarını yeniden keşfedebileceğini zaten gösterdik.”
Geçen yıl, bir tür ilke kanıtı niteliğinde olan Dr. Tegmark ve bir öğrenci olan Silviu-Marian Udrescu, ünlü bir ders kitabından 100 fizik denklemi aldı – Richard tarafından yazılan “The Feynman Lectures on Physics” Feynman, Robert Leighton ve Matthew Sands – ve bunları daha sonra bir sinir ağına beslenen verileri oluşturmak için kullandılar. Sistem, kalıplar ve düzenlilikler için verileri eledi ve 100 formülün tümünü kurtardı.
Araştırmacılar, Science Advances’te geçen yıl yayınlanan bir makalede, “Bir insan bilim insanı gibi, sırayla birçok farklı strateji (modül) dener” diye yazdı. “Ve eğer tüm sorunu bir anda çözemezse, onu dönüştürmeye ve ayrı ayrı ele alınabilecek daha basit parçalara bölmeye çalışır, her parçada tam algoritmayı tekrar tekrar başlatır.”
Daha zorlu bir deneyde, Dr. Tegmark ve meslektaşları ağa roketlerin uçuştuğu bir video gösterdi ve bir kareden diğerine ne olacağını tahmin etmesini istedi. Arka planda palmiye ağaçlarını boşverin. “Sonunda bilgisayar, hareketin temel denklemlerini keşfetmeyi başardı” dedi.
CERN’in Büyük Hadron Çarpıştırıcısı gibi bir yerde yeni parçacıklar bulmak çocuk oyuncağı olurdu, dedi Dr. Tegmark; AI büyük verileri sever ve çarpıştırıcı verileri saniyede binlerce terabayta kadar çalışır. 2012’de Higgs bozonunun keşfinden bu yana, veri akışındaki her çıkıntının yıllarca çılgınca incelenmesine rağmen, CERN verilerinde yeni bir parçacığın ortaya çıkmadığını boşverin.
“Bunlar insanların baktığı eğriler,” dedi Dr. Tegmark. “10 yıl içinde, makine öğrenimi fizik yapmak için matematik bilmek kadar gerekli olacak.”
Şimdilik, algoritmanın özyinelemeli problem çözme yöntemiyle, regresyon olarak bilinen bir uygulamayla elde edilebileceklerin sınırları olduğunu kabul etti. Makine bir veri yığınından fiziğin temel yasalarını çıkarabilse de, bu formüllerin altında yatan kuantum mekaniğindeki kuantum belirsizliği veya görelilik gibi derin ilkeleri henüz ortaya çıkaramıyor.
“AI’nın geri gelip size bunu söylediğinde, o zaman yapay genel zekaya ulaştık ve buna bağlı olarak çok korkmalı veya çok heyecanlı olmalısınız. sizin bakış açınıza göre,” dedi Dr. Tegmark. “Bunun üzerinde çalışmamın nedeni, dürüst olmak gerekirse, en tehditkar bulduğum şey, eğer süper güçlü yapay zeka inşa edersek ve nasıl çalıştığına dair hiçbir fikrimiz yoksa – değil mi?”
‘İnsan ve makine arasında bir diyalog’
MIT’deki yeni enstitüyü yöneten Dr. Thaler, bir zamanlar yapay zeka konusunda şüpheci olduğunu ama şimdi bir müjdeci olduğunu söyledi. Bir fizikçi olarak, bilgisinin bir kısmını makineye kodlayabileceğini ve bunun daha sonra daha kolay yorumlayabileceği cevaplar vereceğini fark etti.
“Bu, insan ve makine arasında daha heyecan verici bir diyalog haline geliyor” dedi, “sadece kara bir kutuya sahip olmak yerine, sizin yerinize kararlar almayı anlamıyorsunuz.”
“Bu tekniklere ‘yapay zeka’ demekten özellikle hoşlanmıyorum, çünkü bu dil birçok AI tekniğinin matematik, istatistik ve bilgisayar bilimlerinde sağlam temellere sahip olduğu gerçeğini maskeliyor.”
Evet, tüm eğitimine rağmen makinenin kendisinden çok daha iyi çözümler bulabildiğini belirtti: “Ama nihayetinde hala hangi somut hedeflerin başarılmaya değer olduğuna karar verebilirim ve her zamankinden daha hırslı olmayı hedefleyebilirim. Hedeflerimi bilgisayarın anlayacağı bir dilde titiz bir şekilde tanımlayabilirsem, yapay zekanın güçlü çözümler sunabileceğini bilerek hedefler.”
Yakın zamanda, Dr. Thaler ve meslektaşları, sinir ağlarını, yeni parçacıklar ve kuvvetler aramak için protonları parçalayan Büyük Hadron Çarpıştırıcısı’ndan bir veri hazinesi beslediler. Atomik maddenin yapı taşları olan protonlar, kuark ve gluon adı verilen daha küçük varlıkların torbalarıdır. Protonlar çarpıştığında, bu daha küçük parçacıklar, çarpışmanın enerjisinden bir araya gelen diğer egzotik parçacıklarla 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 bir şey söylemeyeceğim; Temel düzeyde bir kuark veya gluonun ne olduğunu size söylemeyeceğim” dedi. “Sadece ‘İşte bir veri karmaşası, lütfen temelde iki kategoriye ayırın’ diyeceğim. Ve bunu yapabilir.”
Yani sistem, kuarklar ve gluonlar arasında ne olduğunu hiç bilmeden başarılı bir şekilde tanımladı ve ayırt etti. Daha sonra sisteme verilerde üçüncü bir tür nesne olup olmadığını sorarsanız, dedi Dr. Thaler, kuarkların yalnızca bir varlık olmadığını, farklı türlerde var olduklarını keşfetmeye başlar – sözde yukarı-kuarklar ve aşağı-kuarklar. .
“Ve böylece siz ona keşfetmesi için daha fazla esneklik verdikçe öğrenmeye başlıyor,” dedi. “Henüz kuantum alan teorisini bilmiyor, ancak kalıpları aramayı biliyor. Ve bu, makinenin bulacağına şaşırdığım bir kalıp.” Çalışmanın, çarpıştırıcı fizikçilerin sonuçlarını çözmelerine yardımcı olacağını da ekledi.
Zoom görüşmesi sırasında bir noktada, Dr. Thaler, kuark-gluon projesi için kullanılmış olan sinir ağının “aptalca bir karikatürü” olarak adlandırdığı şeyi gösterdi. Çok renkli bir lastik bant yığını gibi görünüyordu, ancak bilgilerin toplandığı ve iletildiği yaklaşık 30.000 düğüm veya “nöron” içeren birkaç işlem katmanını temsil ediyordu.
“Yeterince uzun süre beklerseniz, bu, dizüstü bilgisayarınızda eğitebileceğiniz türden küçük bir ağdır” dedi.
Küçük bir çipe sığabilir ve hangi çarpışmaların incelenip hangilerinin atılacağına karar vermek için çarpıştırıcılarda kullanılabilecek kadar hızlıdır. Çarpışmalar saniyede 40 milyon kez gerçekleştiğinden, karar vermek için fazla zaman yok.
Bu yeni alanın bir diğer özelliği, Dr. Thaler, çok farklı alanlardan araştırmacılar için ortak bir dil sağlaması olduğunu söyledi. Çarpıştırıcı problemini çözmeye dahil olan matematiğin, Amazon gibi bir şirket için nakliye programlarını optimize etmek için de geçerli olduğu ortaya çıktı.
“En şaşırtıcı keşifler, sorunlarımı yeni bir ışık altında anlamama gerçekten yardımcı olabilecek tam olarak araca veya tam olarak widget’a başka birinin sahip olduğunun farkına varmaktan geldi,” dedi Dr. Thaler. “Ve oradan, daha önce hiç yapılmamış şeyleri yapmak için.”
Kuantum bir şeyin başlangıcı
“Yapay zekanın oyunları çözmede bu kadar başarılı olmasının nedenlerinden biri,” dedi Dr. Thaler, ” oyunların çok iyi tanımlanmış bir başarı kavramına sahip olmasıdır.” “Fiziksel yasalar için başarının ne anlama geldiğini tanımlayabilirsek, bu inanılmaz bir atılım olurdu” diye ekledi.
“Bundan beş ila 10 yıl sonra, tam olarak yapmak istediğiniz şeyi yapmak isteyeceğim: İşte veriler, işte çok kaba bir alet takımı; Parçacık fiziğinin Standart Modelinin yerini alan bir tişörte koyabileceğim denklemi bul. Einstein’ın genel göreliliğinin yerini alan denklem nedir?”
Bazı fizikçiler, bir sonraki büyük sıçramanın kuantum bilgisayarlarda yapay zekanın ortaya çıkmasıyla geleceğini düşünüyor. 1 veya 0 olabilen bitleri manipüle eden klasik bilgisayarların aksine, kuantum bilgisayarlardaki sözde kübitlerin her ikisi de aynı anda olabilir. Kuantum fiziğine göre, temel parçacıklar doğanın en küçük ölçeklerinde böyle davranır ve kuantum bilgisayarların aynı anda çok büyük miktarda bilgiyi işlemesine izin verir.
Bu tür makineler hala emekleme aşamasında, ancak büyük umut vaat ediyor, diyor MIT’de makine mühendisi ve yeni yapay zeka enstitüsünün bir parçası olmayan kuantum hesaplama uzmanı Seth Lloyd.
Dr. Lloyd, “Temel anlayış, kuantum sistemlerinin klasik sistemlerin üretmesi zor olan modeller üretebileceğidir” dedi. “Yani belki kuantum sistemleri, klasik sistemlerin tanıdığı kalıpları da tanıyabilir.”
Veya Batavia, Illinois’deki Fermi Ulusal Hızlandırıcı Laboratuvarı’nda araştırma direktör yardımcısı Joe Lykken’in dediği gibi, “Richard Feynman’ın deyişiyle, kuantum dünyamız hakkında bir şeyler keşfetmek için yapay zekayı kullanmak istiyorsanız, California Institute of Technology’de fizikçi olan Maria Spiropulu, “daha önce çözülemez olduğunu düşündüğümüz sorunları çözen kuantum AI ve kuantumdan ilham alan algoritmalar üzerine” büyüyen literatüre işaret etti. “Bu, Platon’un mağara alegorisine ve formların olgunlaşması teorisine benziyor!” diye ekledi.
‘Bu sadece çalışan bir algoritma’
Bunun ne kadar ileri gidebileceği kime sorduğunuza bağlıdır. Bir makine, kuantum teorisinin karmaşık ve sezgisel olmayan ilkelerini veya Einstein’ın görelilik siperi ilkelerini üretebilir mi? Biz insanların anlayamadığı bir teori üretebilir mi? Matrix’e veya “Terminator” serisindeki gibi SkyNet tarafından yönetilen bir dünyaya girebilir miyiz?
Rastgele bir teorik fizikçi örneğine, değiştirilmeye hazır olup olmadıklarını sordum.
Şu anda Microsoft’ta çalışan bir bilgisayar mühendisi olan Jaron Lanier, “Sorduğunuz yöntem kafa karışıklığını artırıyor” dedi. Bilgisayar bilimi alanının, süper akıllı makinelerin gücü ve tehdidi hakkında romantik abartılarla dolu olduğunu söyledi.
“Hesabı yapabileceğimiz şekilde bir soru oluşturabilir miyiz?” O sordu. “Romantizmi kaldırın. Kedi gibi bir yaratık değil, sadece çalışan bir algoritma.”
Nobel ödüllü ve Austin’deki Texas Üniversitesi’nde profesör olan Steven Weinberg, insanların her Şeyin son Teorisini anlayacak kadar zeki olmayabileceklerini “rahatsız edici bir düşünce” olarak nitelendirdi. “Ama bu durumda şüpheliyim,” diye yazdı bir e-postada, “son bir teori bulabilecek bir bilgisayar tasarlayacak kadar akıllı olmayacağız.”
Harvard’da fizikçi olan Lisa Randall şunları yazdı: “Bilgisayarların nasıl yorumlayacağımızı bilmediğimiz denklemleri veya ilişkileri bulduğunu kolayca hayal edebiliyorum. Ancak bu, henüz açıklayamadığımız birçok ölçümden gerçekten farklı değil.”
Princeton, NJ’deki İleri Araştırmalar Enstitüsü’nde teorisyen olan Nima Arkani-Hamed, bilgisayarın insanların kavrayamayacağı kadar derin bir şey keşfedeceği fikrine itiraz etti: “Bu, gördüğümüz şeyi yansıtmıyor. Yüzyıllar boyunca görmeye başladığımız doğa yasalarının karakterinde daha az, daha derin, daha soyut olsa da daha basit matematiksel fikirlere dayanmaktadır.”
Örneğin, Isaac Newton ölümden dirilseydi, Dr. Arkani-Hamed çağdaş fiziğe ayak uydurmakta zorluk çekmezdi dedi: dört yıllık bir lisans eğitimi boyunca.”
Los Angeles’taki Kavli Vakfı’nda kozmolog olan Michael Turner, fikirlerimizin savaş halinde olduğu sürece nihayetinde nereden geldiğinin önemli olmadığını söyledi. -onlara güvenmeden önce test edildi.
“Peki bu teorileri veya paradigmaları nereden alıyoruz? Derin ilkelerden olabilir – simetri, güzellik, sadelik – felsefi ilkeler, din veya yerel sarhoş ”dedi. “Makineler daha akıllı hale geldikçe, onları kaynak listesine ekleyebiliriz.”
Yine Princeton’daki İleri Araştırmalar Enstitüsü’nden Edward Witten, henüz bir her şeyin teorisi makinesi olmasa da, gelecek yüzyılda olabileceğini belirtti. “Fizikle ilgilenen ve meraklı görünen bir makine olsaydı, kesinlikle onunla sohbet etmek isterdim.”
Hiç şüphesiz onunla konuşmak ilginizi çekecektir.
[Facebook’taki Science Times sayfasını beğenin.| Science Times bültenine kaydolun.]
