宇宙全体が巨大なニューラルネットワークなのだろうか?科学者はこう説明する

宇宙全体が巨大なニューラルネットワークなのだろうか?科学者はこう説明する

[[385301]]

核となる考え方は、次のように簡単にまとめることができます。ニューラル ネットワーク全体内の観測可能なすべての現象は、ニューラル ネットワークによってモデル化できます。この観点から見ると、宇宙自体も広い意味での巨大なニューラルネットワークである可能性があります。

昨年8月、ミネソタ大学ダルース校の物理学教授ヴィタリー・ヴァンチュリン氏は、出版前プラットフォームarXivで「世界はニューラルネットワークである」と題する論文を発表した。その論文に寄せられた意見は衝撃的だ。 (この論文へのリンク:https://arxiv.org/pdf/2008.01540.pdf)

最近、フューチャリズム誌の記者、ビクター・タンガーマン氏がヴァンチュリン氏にインタビューし、論文の内容について議論した。

中心的な考え方

論文によれば:

私たちは、宇宙全体が根本的なレベルでニューラルネットワークである可能性について議論しました。動的自由度には、「トレーニング可能な」変数(バイアス ベクトルや重み行列など)と「隠れた」変数(ニューロンの状態ベクトルなど)という 2 つの異なるタイプがあります。

最も基本的なレベルでは、ヴァンチュリンの論文は量子物理学と古典物理学の間のギャップに対する統一的な説明を提供しようと試みている。量子物理学は、宇宙の文脈における微視的システム内のダイナミクスを説明する上で非常に信頼できるものであることがわかっています。たとえば、単一光子を扱う場合、量子力学の理論に基づいて観測可能性、再現性、測定可能性を実現できます。

しかし、量子物理学と古典物理学を結び付けようとすると、これらの観測可能な量子現象を古典的な観測と統一することが困難であり、明確な理論的破綻があるとさえ言えることがわかります。

紛争

宇宙の性質を説明する理論の層を剥がしていくと、その核心では常に「至高の真実」を別の「至高の真実」に置き換えていることが分かります。理論家たちは、量子力学的現象の実行可能な解釈を導き出すことを目指して、創造論から「容器の中の脳」に至るまでのさまざまな考えを現実のものとして仮定してきた。

最終的な結果は 2 つあります。1 つは「パラレル ワールド」、もう 1 つは「変数と呼ぶ」です。ヴァンチュリン氏の研究は、「ニューラルネットワークの世界」理論を通じてこの 2 つを調和させようとする試みです。

この目的のために、ヴァンチュリンは次のような結論に達しました。

この記事では、宇宙全体が最も基本的なレベルでニューラル ネットワークである可能性について説明しました。これは極めて大胆な主張であり、物理システムの分析や物理法則の発見における人工ニューラル ネットワークの実現可能性を強調するだけでなく、ニューラル ネットワークが私たちの周囲の世界の実際の仕組みであるという、より直接的な結論も強調しています。この観点から、この見解の誤りを証明するには、ニューラル ネットワークの原理では説明できない物理現象を見つけるだけで済みます。しかし残念なことに(あるいは幸運なことに)、そのような現象は見つからないようです。

ヴァンチュリンは「パラレルワールド」理論にさらなる説明を加えないことを明確に述べており、この未加工のアプローチがこの論文の最も興味深い哲学的意義である。

ヴァンチュリンの研究結果が査読に合格するか、少なくとも宇宙全体が完全に機能するニューラルネットワークであるという現実的な可能性について人々が考え始めるきっかけになれば、私たちは貴重な手がかりを得ることになるだろう。この手がかりは私たちをより深いジレンマに導くかもしれないが、究極の大統一理論への一歩となるかもしれない。

私たち全員がこの巨大なニューラル ネットワークのノードであるなら、このネットワークの目的は何でしょうか?宇宙は巨大な閉じたネットワークなのでしょうか、それともより大きなネットワークの中の単なる 1 つの層なのでしょうか?おそらく私たちが目にしているのは、同じネットワーク内にある何兆もの宇宙のうちの 1 つにすぎないのでしょう。ニューラル ネットワークをトレーニングする場合、AI が適切に「トレーニング」されるまで、数百万、あるいは数千万サイクルを実行します。この背景フィールドが本当により大きな機械の一部であるならば、私たち人間は無数のトレーニング サイクルの 1 つにすぎないのでしょうか。

<<:  文部省は大学に37の新しい専攻を追加し、そのうち人工知能が3分の1を占める。

>>:  ファーウェイがGood Vision Cloud Serviceを正式に開始、包括的なマシンビジョンの時代を先導

ブログ    
ブログ    

推薦する

人工知能の将来の発展における4つの主要なトレンドについての簡単な議論

[[349269]] 2020年に世界的パンデミックが発生し、世界が完全にひっくり返る前から、人工知...

AI導入における7つの最大の障壁とその解決方法

COVID-19 により、企業はデジタル変革の取り組みを数か月、場合によっては数年も加速させるようプ...

AI: いつも HD ビデオが欲しいなら、ここにあります

Magnific の画像超解像度および強化ツールはまだテスト中ですが、その強力な画像アップスケーリン...

データ、アルゴリズム、処理は人工知能にとって不可欠である

[[276859]]人工知能プロジェクトにおいて、最も重要なのはデータ、アルゴリズム、プロセスのうち...

...

RLHFの可能性を深く掘り下げ、Fudan Language and Visionチームは報酬モデルの最適化を革新し、大規模モデルをより整合させます。

最初の大規模モデルアライメント技術レポート(大規模言語モデルにおけるRLHFの秘密パートI)がNeu...

顔認識は「ワーテルロー」に見舞われ、ビッグデータが将来の方向性を明らかに

顔認識技術の利用が増えるにつれ、さまざまなリスクが徐々に明らかになってきています。 CCTVの「3....

...

中国の大学はいかにして「新世代の人工知能」をリードできるのか?

教育省は最近、「高等教育機関における人工知能イノベーションのための行動計画」を発行しました。計画によ...

...

Leetcode の基本アルゴリズム: スライディング ウィンドウについてお話しましょう

[[434663]]序文LeetCode を練習していると、スライディング ウィンドウ タイプの問題...

スマートシティのスマートパーキング:建物が利益を上げる方法

スマートシティが到来します。人工知能 (AI)、拡張現実 (AR)、モノのインターネット (IoT)...

人工知能、機械学習、ディープラーニングの違いと関連性

最近では、新しいデータ処理技術に関して、さまざまな用語が飛び交っています。ある人は機械学習を使用して...

【コレクション】貢献度が最も高い GitHub コレクションとディープラーニング フレームワーク 16 選

ディープラーニングは、データの経験的学習に基づく機械学習手法であり、近年発展し、人気が高まっています...

...