Конкурирующие ИИ-системы взялись за одну из сложнейших математических задач в физике |
||
|
МЕНЮ Главная страница ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ Атаки на ИИ Внедрение ИИИИ теория Компьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Промпты. Генеративные запросы Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2026-11-20 11:18 (OpenAI и исследовательская группа, связанная с компанией Anthropic, добились прогресса в решении проблемы существования теории Янга — Миллса) (https://www.science.org/content/article/ai-rivals-tackle-one-physics-deepest-mathematical-challenges) Как известно, раздувание горящего пузыря ИИ поддерживается вбрасыванием одним за другим самые мощных дров их леса физики и математики. В сентябре компания OpenAI объявила о якобы решении (на само деле - нет, прим. мои) невероятно сложной проблемы Навье—Стокса, касающейся доказательства невозможности существования детерминированного решения при переходе течения в турбулентный режим, как одной из семи «задач тысячелетия». Месяц спустя компания опубликовала более 700 научных работ по математике, среди которых — значительный прогресс (на самом деле не такой значительный) в исследовании гипотезы Римана, еще одной знаменитой нерешенной «задачи тысячелетия», связанной с простыми числами (называемой математиками золотым ключом Римана). В последнем на данный момент релизе, представленном 28 октября, содержится опровержение давней гипотезы в области компьютерных наук (теоремы Гильберта о неполноте в одной из формулировок, не самой строгой), а также доказательство того, что одна из наиболее успешных физических теорий имеет под собой прочный математический фундамент (не уверен, что это так). Примечательно, что OpenAI не стала публиковать само доказательство — документ объемом 1147 страниц, касающийся так называемой проблемы существования теории Янга — Миллса в четырехмерном пространстве. Вместо этого компания сформировала комитет из физиков и математиков под руководством нобелевского лауреата Дэвида Гросса, чтобы те взяли на себя сопровождение этого результата (возможно, купила их?). 10 ноября группа представила подтверждение корректности формализованной версии доказательства, выполненной на языке Lean — компьютерном языке, позволяющем проверять математические аргументы на соответствие заданному набору аксиом. Хотя это еще не означает, что само (пока не обнародованное) доказательство верно, это свидетельствует о его логической непротиворечивости. Для физиков этот результат вряд ли изменит повседневную практику: теория Янга — Миллса уже доказала свою исключительную эффективность в объяснении поведения частиц на ускорителях, таких как Большой адронный коллайдер. Однако остаются важные загадки — например, откуда берется основная часть массы протонов и нейтронов и почему кварки, из которых они состоят, невозможно обнаружить в свободном состоянии. Строгое математическое доказательство могло бы пролить новый свет на эти явления. «Возможно, мы что-то упускаем из виду», — отмечает Дэвид Тонг, физик из Кембриджского университета. Для математиков эта работа уже стала выдающимся достижением, приближающим их к решению еще одной «задачи тысячелетия». В более широком смысле она демонстрирует, насколько полезен ИИ при решении математических проблем, которые долгое время оставались нерешенными из-за того, что необходимые для доказательства вычисления были чрезмерно трудоемкими. «Если вы можете найти задачу, для которой, на ваш взгляд, существует правдоподобная стратегия решения, но препятствием служит лишь огромный объем необходимой работы, — это вполне подходящий случай, чтобы направить на него [ИИ-модель]», — говорит Итан Сассман, математик из Северо-Западного университета (здесь он несомненно прав, поскольку с момента изобретения калькулятора и компьютера группы девочек-расчётчиков в космических, ракетных и артиллерийских войсках были распущены). В прошлом месяце он совместно с Левентом Альпёге из компании Anthropic сообщил о прогрессе в изучении теории Янга — Миллса, достигнутом с помощью искусственного интеллекта. Теория Янга — Миллса, разработанная физиками Чэнь Нин Янгом и Робертом Миллсом в 1954 году, служит основой для описания двух фундаментальных сил природы: слабого ядерного взаимодействия (отвечающего за некоторые виды радиоактивного распада) и сильного ядерного взаимодействия (удерживающего кварки внутри протонов и нейтронов) и ключевым элементом Стандартной модели физики элементарных частиц. Однако придать этой теории строгий математический фундамент оказалось непросто. Будучи квантовой теорией поля, она описывает частицы как возбуждения полей, пронизывающих пространство, — пространство, которое даже в отсутствие материи наполнено квантовыми флуктуациями. В малых масштабах эти флуктуации могут обладать сколь угодно высокими энергиями, из-за чего при расчетах в рамках теории Янга — Миллса возникают бесконечности, что в математике недопустимо. Кстати, в недавнем докладе на конференции в Бийске я предположил, что эти сингулярности могут быть устранены применением второго закона термодинамики и теории информации на квантовом уровне путём введением альтернативного времени, что позволит связать его с гравитаций, или возникновением массы. По словам Мартина Хайрера, математика из Федеральной политехнической школы Лозанны (EPFL), доказать, что эти расчеты действительно соответствуют математически непротиворечивой теории, пока не удалось. Доказательство существования такой теории — одна из составляющих «задачи тысячелетия» (Millennium Prize Problem), связанной с теорией Янга — Миллса. Другая часть задачи — показать, что эта теория обладает свойством, известным как «разница масс» (mass gap). В частности, теория Янга — Миллса описывает частицы-переносчики взаимодействия — глюоны, которые не обладают собственной массой. Однако сильное взаимодействие способно объединять их в составные частицы — «глюболы» (glueballs), которые в экспериментах проявляют себя как массивные объекты. «Кажется, будто они каким-то образом создают массу из ничего», — отмечает Тонг. По его словам, у физиков есть определенное понимание того, как это происходит: квантовые поля взаимодействуют сами с собой, порождая возбуждения, обладающие массой, хотя исходные частицы — безмассовые. Однако это объяснение «массовой щели» до сих пор не имеет под собой строгого математического обоснования. OpenAI и группа исследователей под руководством Альпёге и Сассмана утверждают, что решили проблему существования, однако вопрос о «массовой щели» (mass gap) остался открытым. Обе команды опирались на работы математика Тадеуша Балабана, который в 1980-х годах был близок к решению проблемы существования. Его подход заключался в разбиении пространства-времени на сетку, что позволяло упростить крайне сложные вычисления. Задача состояла в том, чтобы доказать: теория Янга — Миллса остается математически непротиворечивой по мере того, как ячейки сетки становятся всё меньше, в пределе приближаясь к непрерывному пространству-времени реального мира. Балабан строго обосновал эту теорию для одномерного и двумерного пространств, но случай четырехмерного пространства остался нерешенным. «Он сам признавал, что ему еще предстоит выполнить крайне сложные вычисления — задача, которая для человека является непосильной», — говорит Антти Купиайнен, математик из Хельсинкского университета. По словам Хайрера, огромный объем вычислений сделал эту задачу идеальным кандидатом для применения ИИ. Однако речь шла не просто о завершении арифметических расчетов, начатых Балабаном. Сассман отмечает, что ИИ-модель Claude от компании Anthropic нашла новые способы структурирования доказательства и устранения пробелов, оставленных Балабаном, — в частности, в вопросе о том, как частицы и поля влияют друг на друга (несомненно, при постоянном взаимодействии и направлении промпт-инженера). Сассман и Альпёге опубликовали описание своего рабочего процесса на платформе GitHub; сейчас Сассман переводит математические выкладки, созданные ИИ, в формат рукописи, доступной для понимания людьми. Он рассчитывает подготовить версию документа в ближайшие недели. Впрочем, такой перевод может быть крайне утомительным: доказательства, сгенерированные ИИ, порой занимают сотни страниц и написаны сложным, непривычным языком. «ИИ использует странную терминологию для обозначения вполне знакомых вещей, поэтому приходится проделывать массу совершенно бессмысленной работы, прежде чем вообще добраться до самой математики», — поясняет Купиайнен. Сассман столкнулся с похожими трудностями, отметив, что в таких доказательствах зачастую неясно, почему были выбраны те или иные подходы и какие механизмы лежат в их основе. «Единственный способ прочитать подобный текст, написанный ИИ, — это воспользоваться помощью самого ИИ», — говорит он. Таким образом, результаты ИИ в итоге интерпретирует ИИ. Однако в ином случае математикам из OpenAI или Anthropic, вероятно, потребуется максимум информации для решения проблемы «разницы масс» (mass gap problem) — задачи, для которой у математиков пока нет четкого пути к доказательству, отмечает Сурав Чаттерджи из Стэнфордского университета. Впрочем, некоторые исследователи полагают, что ИИ вскоре сможет найти верное направление. Среди сотен научных работ, опубликованных OpenAI в октябре, есть исследование, в котором обосновывается наличие «разницы масс» в упрощенной двумерной модели. Учитывая потенциальную значимость этого прорыва, решение OpenAI не публиковать полное доказательство вызвало критику в сообществе учёных. Консультативная группа по математике и искусственному интеллекту, действующая при Институте перспективных исследований (Institute for Advanced Study), призвала компанию немедленно обнародовать результаты. Хайрер также ставит под сомнение выбор Гросса в качестве руководителя комитета: ранее Гросс называл попытки создать строгий математический фундамент для квантовых теорий поля — таких, как теория Янга — Миллса, — «бесполезными» и «некрасивыми». По мнению Сассмана, более правильный подход — сделать исследование открытым с самого начала. «Я хочу пригласить всех к сотрудничеству, — говорит он. — Вместо того чтобы представлять сотни страниц математических выкладок, созданных искусственным интеллектом, как готовый продукт, я предлагаю работать вместе с другими исследователями над созданием изложения теории Янга — Миллса, написанного человеком — такого, которое можно понять и на основе которого можно развивать дальнейшую научную работу». Впрочем, нельзя отрицать, что ИИ меняет методы работы математиков, добавляет он, поскольку исторически исследователи чаще отдавали предпочтение задачам, допускающим элегантные решения, в то время как масштабные технические проекты — подобные работе Балабана — зачастую не получали должного внимания. Если ИИ возьмет на себя значительную часть этой трудоемкой работы, то важные, но прежде обделенные вниманием направления исследований могут стать более привлекательными. «Надеюсь, это поможет нам переосмыслить, что действительно важно, — говорит Сассман, — и привести наши приоритеты в соответствие с тем, что на самом деле значимо с физической точки зрения». И в этом я с ним также соглашусь. На обложке номера: Квантовые системы обладают «странными» свойствами, которые играют ключевую роль в квантовых алгоритмах. Исследователи продемонстрировали преимущества квантовой контекстуальности, реализовав игру, в которой невозможно всегда выигрывать, используя только классические ресурсы. Выполняя последовательность измерений на сверхпроводящем квантовом процессоре (символически представленном в виде кубов), ученые получили результаты, выходящие за рамки классических ограничений — что наглядно иллюстрируется фигурой в форме «бабочки», существование которой в классических условиях невозможно. По сути, чтобы квантовые компьютеры могли превзойти классические (достичь «квантового превосходства»), они должны использовать по-настоящему неклассические эффекты, которые невозможно объяснить в рамках какой-либо классической теории. Так, "контекстуальность" — одна из наиболее загадочных особенностей квантовой теории, при которой результаты измерений не отражают некие заранее существующие свойства системы (независимые от того, какие еще измерения проводятся), — как было показано, лежит в основе квантового превосходства в ряде вычислительных моделей. Однако до сих пор подобные эксперименты проводились преимущественно на системах, значительно меньших по размеру, чем современные квантовые компьютеры. Исследователи из Google Quantum AI и их коллеги сообщают о демонстрации контекстуальности в рамках кооперативной игры с использованием до 71 кубита на сверхпроводящих квантовых процессорах. Подобные тесты могут стать эталонами для оценки квантового оборудования, а сами квантовые процессоры, в свою очередь, — своего рода лабораториями для изучения границы между квантовым и классическим мирами в многочастичных системах. Телеграм: t.me/ainewsline Источник: www.science.org Комментарии: |
|