«Весь мир — нейросеть»
 |
| Нейросеть |
— Теория заложена, и проблем с ней я пока не вижу. Какие-то из её объяснений или предсказаний будут не очень элегантными, но как таковая она пока выглядит завершённой. Но это не значит, что её не надо проверять на прочность экспериментальными данными: изучать, как идёт эволюция, как проходят фазовые переходы, анализировать последовательности ДНК и т. д.
... Мы также рассказали о феноменологическом подходе к эволюции. Это очень важно. По сути дела, такого подхода в биологии я не видел, а в физике он повсюду: есть теория, есть эксперимент, и есть что-то посередине — феноменология. Она выводится из теории, чтобы понять, как разные процессы себя ведут, но потом мы забываем про теорию и начинаем строить феноменологические модели... В биологии феномены можно объяснить на уровне феноменологии, на уровне термодинамики, вводя такие параметры, как эволюционная температура и эволюционный потенциал, и не обязательно всё объяснять микроскопически. Отсюда может появиться целое направление биологии: можно брать экспериментальные данные и описывать их феноменологическими методами.
... У нас описано, как возникает жизнь: есть субстанция молекул, которые постепенно учатся. Но в какой-то момент с точки зрения теории обучения им становится выгодно иметь переменные, которые начинают приспосабливаться (adaptable variables). Эта гипотеза и с точки зрения феноменологии очень хорошо описана. Есть потенциал большого канонического ансамбля до возникновения жизни и есть — после, в какой-то момент они равны, и должен произойти фазовый переход, и должна возникнуть жизнь.
Но наши гипотезы надо проверить: например, путём компьютерного моделирования или же с точки зрения разработки более детального феноменологического понимания этого фазового перехода. Это интересно, и, более того, мы предполагаем, что эти фазовые переходы происходят не один раз. Да, может быть, жизнь возникла только один раз, но есть и другие фазовые переходы — то, что называется основными переходами в эволюции (major transitions in evolution). Их можно наблюдать и с точки зрения эксперимента, и путём теоретического или феноменологического моделирования. С теорией пока разобрались, а вот там, где феноменология с экспериментом, дел много.
... Так мы противопоставляем себя популярной концепции в космологии, в рамках которой наблюдаемую Вселенную объясняют с точки зрения антропного принципа: Вселенная такова, какой мы её видим, потому что в любой другой Вселенной мы не задавали бы такого вопроса, так как жизни бы не существовало. Я написал много статей на эту тему и ничего против антропного принципа не имею. Но есть ответ, как мне кажется, получше антропного. Вселенная такая не просто потому, что в других нет жизни, а потому, что она учится. Из-за того что она учится, ей выгодно, с точки зрения теории обучения, произвести внутри себя наблюдателей, которые будут наблюдать. Другими словами, мы противопоставляем идею, что кто-то подкрутил параметры Вселенной, другой — она сама по себе подкручивает параметры, что ведёт к возникновению жизни — подсистем, которые могут наблюдать. Это немножко другой подход, отличающийся от антропного принципа.
В космологию эту идею привнёс Ли Смолин (Lee Smolin), но у него не было механизма того, как физические законы могут меняться. У нас механизм есть: механизм обучения. Мы наблюдаем такую Вселенную не потому, что её кто-то подкрутил для жизни, а потому, что она сама подкручивает все свои параметры, и при них она лучше учится, при них каждый наблюдатель внутри лучше приспособлен к наблюдению всего, что находится вокруг. Наверное, Виленкин и Линде будут не очень довольны этим нашим заключением, но это то, что следует из теории обучения...
— Как вы видите роль человечества в такой Вселенной?
— Думаю, что человек в наблюдаемой нами Вселенной никакой особой роли не играет. Просто сейчас мы впереди планеты всей: в терминах нашего «многоуровневого обучения» мы находимся на самом высоком уровне, мы способны существовать не только как маленькие популяции, но и как популяции большие, отвечающие чуть ли не за всю биосферу. В этом смысле мы всё равно часть этой биосферы, которая учится.
Вымрем мы — появится кто-то другой; и я не стал бы зацикливаться на человеке как на основном элементе процесса обучения и познания окружающей среды. Биосфера — подсистема, изучающая, как и любая другая подсистема, свою окружающую среду. Сейчас так получилось, что мы самые продвинутые в смысле познания космоса. Но если не будет нас, то будут другие познающие субъекты, которые наверняка где-то есть.
Я приверженец идеи, что мы не занимаем уникальное место во Вселенной. Наверняка есть много других мест, где есть жизнь, где живут существа, которые, возможно, не выглядят как люди, но превосходят нас по уровню интеллекта. Может быть, они решили проблему изучения окружающей среды лучше, чем мы. Поэтому слово «человек» я бы здесь не ставил во главу угла, но как биосфера — да, мы должны продолжать это движение, пытаться коллаборировать с другими существами.
В чём же состоит превосходство людей над другими существами? У нас есть социум, социальные сети, взаимоотношения, которые лучше эволюционируют и лучше приспособлены к обучению. Этого не надо терять; более того, развивать глубокие сети — социальные сети с большой глубиной связи — очень полезно с точки зрения теории обучения...
... Теория обучения даёт ответы на многие вопросы. Например, какая политическая система более приспособлена к выживанию? Такие вопросы нужно задавать и искать на них ответы. Над этим мы тоже работаем. Не совсем биология, но тем не менее. A биологический уровень, на котором мы эволюционируем, — лишь один из многих уровней. Есть уровень физики, химии, социальных систем, и на каждом из них можно задать вопросы, используя математический аппарат нейросетей. Другими словами, мы можем отвечать на разные вопросы биологии, физики, социологии, политики, бизнеса — всего чего угодно — с точки зрения парадигмы: весь мир — нейросеть.
Возможно, на каком-то уровне моделирование систем с помощью нейронных сетей будет невыгодно и не нужно. Но пока мы этого не видим, много чего на уровне физики и биологии можно элегантно и красиво объяснить с точки зрения теории обучения. Попутно сделав соответствующие предсказания, измерения и подтверждения. В эту сторону надо работать по всем направлениям, не отбрасывая никакие из них. К сожалению, на всё не хватает времени, но науку хотелось бы двигать во все стороны.
— Как, на ваш взгляд, проходил фазовый переход от неживого к живому?
— Допустим, вы кипятите воду. Появляются пузырьки, происходит бурление, постепенно система переходит из жидкости в газ. Это физический фазовый переход. С биологическими фазовыми переходами немного сложнее. Можно представить набор каких-то молекул, которые что-то делают и, возможно, уже сделали нечто, похожее на систему самовоспроизведения, но у них нет самого главного — тех переменных, которые каждый организм или подсистема могут изучить для себя и передать всей популяции. Передача информации от одних молекул к другим отсутствует, и каждая из них существует сама по себе. У каждой молекулы есть постоянные переменные (constant variables), которые не меняются, а просто описывают молекулу, и нейтральные переменные (neutral variables) или симметрии, а вот третьего вида приспосабливающихся переменных (adaptable variables) у них нет.
И наша теория говорит, что в какой-то момент система при достаточно низкой эволюционной температуре, уже хорошо обучившись, желает учиться ещё и ещё, и неважно, что это за система: клетка, молекула или человек. В какой-то момент жидкость молекул остывает и понимает, что какую-то степень свободы можно отвести под приспосабливающиеся переменные. Этот момент Евгений Кунин называет разделением на генотип и фенотип. Генотип в принципе уже был, а фенотипа не было. Не было способности каждой молекулы что-то изучать и передавать обратно.
Появление этих свойств — переход резкий; на масштабах Вселенной — быстрый. Но оценивать, в какое время это произошло, рановато. Мы ещё не готовы построить хорошую модель того, что было до и после. Как только эта модель создастся, то мы или включим компьютер и будем её симулировать, или же просто сделаем теоретические оценки. Момент интересный, но так как эти фазовые переходы — основные переходы в эволюции — происходят и после возникновения жизни, то начать надо с более простого: не с первого, а со второго, третьего, четвёртого... Если будет ясно, как фазовые переходы происходят сейчас, то будет легче экстраполировать эту теорию на более ранние времена.
— Если говорить о вас как об учёном, отталкиваясь от вашей научной работы, — что вам в науке больше всего нравится делать?
— Больше всего нравится находить задачи, которые не имеют простого решения. Для решения научных задач обычно используются методы, которые использовались ранее; новые методы придумываются редко. Поэтому любая сложная задача всегда сопряжена с разработкой новых методов, и это самое интересное.
Когда я пришёл в теорию обучения, то я быстро понял, что не хватает математических методов для описания обучения, но я не стал придумывать новую математику. Есть статистическая механика и термодинамика, которая хорошо работает для описания физических систем, ну так давайте опишем с её помощью обучающиеся системы, нейронные сети. Это была чётко сформулированная задача. Почему я использовал статистическую механику? Потому что искусственные нейронные сети стали безумно большими, а для статистической механики это то, что надо, — чем больше, тем лучше.
Другая интересная задача: можно ли описать биологию с помощью теории обучения? Когда год назад мы начали обсуждать эволюцию, то стало очевидно, что многие биологи как раз так об эволюции и думают: в природе происходит обучение, в рамках которого что-то меняется. Если так, то давайте конкретизировать задачу, напишем уравнения, введём важные и неважные переменные и т. д. Что было неясно с самого начала, но пришло потом, так это физическая идея перенормировки. Вот это и есть идеальная задачка, которую я ищу: она интересная, а инструменты для её решения находятся в процессе.
— А что для вас, наоборот, в науке самое скучное и неинтересное?
— Когда ты точно знаешь, что задачка имеет решение и, более того, ты её решил для проверки двумя способами, но решения не сошлись. Начинается ломка: ты решил задачу с одной и с другой стороны, а ответы разные. Это нехорошо, ведь такого в математике не бывает. Начинаются мучительные поиски ошибки, которые всё поставят на своё место. Иногда на поиск ошибки уходит несколько дней, но счастье, когда она обнаруживается: можно заняться следующей задачкой. Устранение ошибок — повсюду: надо понимать, что когда учёный что-то пишет, то в его тексте всегда много недочётов, которые нужно вовремя идентифицировать и устранить. Это неприятное, но очень важное занятие.
— Воспринимаете ли вы себя как многоуровневую обучающуюся систему?
— Очень хороший вопрос! Нет, мой мозг работает на одном уровне. Подо мной есть много уровней, но я о них не думаю, для них я своеобразный диктатор. Они делают хорошую работу, и я их не трогаю. Это если смотреть сверху вниз. Но потом я понимаю, что я часть социальной системы и мне было бы интереснее оптимизировать не себя самого, а всю эту социальную сеть, человечество, для того чтобы мы шли дальше.
Уверяю вас, мы соревнуемся, даже не подозревая об этом. Есть другие цивилизации, которые выглядят по-другому, но делают абсолютно то же самое. Как только начинаешь смотреть на себя как на часть социальной системы, то решения, которые ты принимаешь, становятся другими. Почти полностью пропадают решения эгоистические, ведь с точки зрения социальной системы они становятся невыгодными...
— Были ли у вас периоды профессионального выгорания и как вы из них выходили?
— Бывали случаи, когда я работал над одной вроде бы хорошо сформулированной задачей, но к нормальному решению прийти не получалось. Чего-то не хватало. Например, во времена работы над диссертацией в Тафтском университете вместе с Алексом Виленкиным мне нужно было написать безумно большую симуляцию космических струн. Если посмотреть на эту задачу сейчас, то она покажется неподъёмной для аспиранта. Но я человек амбициозный, жаждущий сложных задачек — тогда я тоже получил, что хотел.
В какой-то момент я осознал сложность задачи и понял, что, возможно, я её не осилю. Задача определена хорошо, но вот у меня не хватало времени, сил, энергии для её решения. Что делал я? Стискивал зубы и шёл дальше. Когда что-то не получается, то можно немного отдохнуть, а затем вернуться к работе и понять для себя, что, чем сложнее задача, тем важнее будет её решить. Да, бывали периоды, когда я мог махнуть рукой, сказать, ну её, эту физику, пойду в Силиконовую долину деньги зарабатывать. Но я всякий раз оставался, потому что сдаваться мне не хотелось.
Источник: Элементы (сокращено мной)
***
Примечание. К сожалению, автор данного научного проекта не прояснил, каким образом одна часть "самообучающейся" Вселенной выступает в роли "учителя", а другая (оставшаяся часть) - в роли обучающегося "ученика", каким образом нечто "необученное" во Вселенной дотягивается в своём научении до "зоны ближайшего развития" (по Выготскому). А жаль.
***
