宇宙の果ては「計算」だ！ AI界の大物ウルフラム氏の最新スピーチ：LLMはコンピューティング空間を自律的に探索、シンギュラリティは今や到来

人工知能、宇宙、そしてあらゆるものを計算的に考えるにはどうすればよいでしょうか?

最近、有名なイギリスの科学者スティーブン・ウルフラム氏が、18分間のTEDスピーチでこの問題についての見解を述べました。

写真

彼の見解では、宇宙は計算モデルに基づいて機能しており、そのモデルでは空間と物質は単純な計算ルールに従う個別の要素で構成されている。

彼はまた、考えられるすべての計算プロセスの複雑さの限界であるルリアドの概念を提唱しました。

宇宙の終わりは「計算」？

人間の言語、数学、論理はすべて世界を表現し理解するための方法です。

私たちの時代では、「計算」は新しい、より強力な方法になりました。

過去 50 年間、私は「コンピューティング」という概念に基づいて、科学技術のより高い塔を建設するという栄誉に恵まれてきました。今日は、こうした取り組みによって何が達成されたかをお話ししたいと思います。

思い出してください、私の最後の TED トークは 13 年前、2010 年 2 月、Wolfram|Alpha のリリース直後でした。

写真

当時、私はスピーチを「宇宙のあらゆるものの本質は「計算」によるものだろうか？」という疑問で締めくくりました。

次に、私は答えを見つけるために10年を費やしました。

これには1世紀かかるはずだった。

しかし、ちょうど10年後の2020年4月、私たちは宇宙の「マシンコード」を発見したようだと興奮しながら発表しました。

写真

はい、計算可能です。

したがって、「コンピューティング」は世界を表現する方法であるだけでなく、私たちの宇宙を表現する究極の方法でもあります。

すべては、物質と同様に空間も個別の要素で構成されているという考えから始まります。

空間とそこにあるすべてのものは、これらの要素間の関係性のネットワーク、つまり「空間の原子」によって定義されます。

とてもエレガントに聞こえますが、非常に抽象的です。直感的な表現は次のとおりです。

写真

これは宇宙の初期段階のシミュレーションのようなものです。

ここでわかるのは、空間とその中にあるすべてのものが、非常に単純な計算ルールを繰り返し適用することで徐々に形成されているということです。

これらの点は空間の原子であり、空間を構築するために組み合わされています。十分に長く数えれば、このようにして宇宙全体を構築することができます。

今から数十億年後には、2つの小さなブラックホールがある宇宙空間が現れ、最終的にはそれらが合体して重力の波紋を放射するでしょう。

写真

覚えておいてください — これらはすべて純粋な計算に基づいています。

しかし、分子内で流体力学が生じるのと同じように、ここでは時空とアインシュタインの重力場の方程式が生まれます。

ただし、空間の次元が必ずしも正確に 3 次元であるとは限らないなど、多少の偏差が見つかることもあります。

もう 1 つのポイントは、計算ルールは必然的に複数の方法で適用され、それぞれが異なるタイムライン、つまり分岐および結合可能な異なる履歴パスを定義することです。

写真

しかし、この宇宙の観察者として、私たちも分岐し、融合しています。

量子力学の出現は、分岐する心が分岐する宇宙をどのように認識するかという物語であることが判明しました。

ここのピンクの線は、分岐空間、つまり量子分岐空間と呼ばれる構造を示しています。

この驚くべき美しさの 1 つは、少なくとも私のような物理学者にとっては、物理空間で重力を生じさせる現象が、分岐空間でも量子力学を生じさせるということです。

世界モデル「4つのパラダイム」の構築

これまでの科学の歴史では、「世界のモデル」を構築するための 4 つの主要なパラダイムを特定できると思います。これらは、時間の扱い方によって区別できます。

写真

古代、そして今日の多くの科学分野においても、人々は「物が何でできているか」ということに関心を抱いており、そこには時間は実際には含まれていません。

しかし、17 世紀に数式でモデル化するというアイデアが生まれ、研究は数式を中心に展開されるようになりましたが、基本的には単なる座標値として扱われるようになりました。

そして 1980 年代に、単純な計算ルールから始めてモデルを作成し、それを実行するというアイデアが生まれました。

これは私が深く関わっているものです:

写真

何が起こるか予測できる人はいますか?

いいえ、これが私が計算上の不可分性と言っていることです。つまり、時間の経過は、結果が何であるかを知るために実行しなければならない不可分な計算に対応しています。

しかし、今ではさらに何かが起こっています。私たちの物理学プロジェクトでは、物事は多重計算になり、観察者だけが織り合わせることができる多くのタイムラインがあります。

これは新しいパラダイムです。

ルリアドがすべてだ

実際、これは基礎物理学だけでなく、数学やコンピューターサイエンスの基礎、さらには生物学や経済学などの分野にも扉を開くものと思われます。

ご存知のように、私は宇宙は計算ルールを繰り返し適用することによって構築されると言いました。

しかし、このルールはどのように選択されるのでしょうか?実はそうではないんです。すべてのルールが使用されるためです。

私たちは、私が「ルリアド」と呼ぶものを構築しています。これは、あらゆる計算プロセスのエンタングルメントの限界となる、非常に抽象的でありながらユニークなオブジェクトです。以下は、チューリング マシンを使用してこれを示す小さなスニペットです。

写真

ルリアドがすべてです。観察者としての私たちも必然的にその一部となるのです。

ruliad 全体としては、計算上可能なことは何でも起こり得ます。しかし、私たちのような観察者は、出来事全体のうちの特定の断片しかサンプリングできません。

私たちに関して重要な事実が 2 つあります。まず、私たちの計算能力、つまり精神には限界があります。第二に、私たちは、それぞれの瞬間に空間内の異なる原子で構成されているにもかかわらず、時間の中では永遠であると信じています。

これが最も重要な結果です。これらの特徴を持つ観察者がルリアドで知覚するものは、特定の法則に従わなければなりません。これらの法則は、一般相対性理論、量子力学、統計力学、第二法則という、20 世紀物理学の 3 つの主要理論です。

異なる心がルリアド空間内の異なる位置にあると想像することができます。同じような考えを持つ人間は近くにいますが、動物は遠くにいます。そしてさらに遠くには、翻訳するのが難しい異星人の心があります。

どうすればこれらすべてを解決できるのでしょうか?生成 AI を使用すると、人間が生成した画像から小さな断片を抽出することができます。

これは、パーティーハットをかぶった猫の概念説明が ruliad で使用されている場所と考えることができます。

写真

ズームインすると、「猫島」と呼べるものが見えました。

しかし、すぐに私たちは概念間の空間に入り、そこでは時々見覚えのあるものも見られますが、ほとんどの場合、私たち人間が説明できないものが見られます。

物理的な空間では、宇宙船を打ち上げることで宇宙のさらなる探査を行います。 Ruliad の分野では、概念とパラダイムを拡張することで、さらなる探求を進めています。

考えられるルールをサンプリングすることで、そこに何があるのか​​を知ることができます。これを私は「ルール学」と呼んでいます。

写真

最も単純なルールでさえ、信じられないほど豊かな意味が含まれています。

しかし問題は、そのほとんどが、私たち人間が理解したり関心を持ったりするものとはまだ結びついていないことです。これ

自然を観察する時と同じように、私たちはその特徴を利用して技術を開発できることに徐々に気づきます。

私たちの文明は多くの偉大な成果を上げてきましたが、ルールの領域を探求し始めたのはつい最近です。

AIは計算言語で世界を見る

しかし、人工知能についてはどうでしょうか?私たちがルール学を行えるのと同じように、AI は原理的にはルール空間を探索することができます。しかし、放っておくと、彼らは私たち人間にとって無関係なことや心配なことをすることがほとんどです。

人工知能における最近の大きな成果は、人間と密接に統合されたシステムの作成です。

私たちは、数十億の Web ページを使って LLM をトレーニングし、人間が書く典型的なテキストを生成できるようにします。

はい、この事実は確かに、言​​語の意味論や文法、そして論理のようなものについての一般化に関する深い科学について、おそらく何世紀も前に私たちが知っているべきだった何かを教えてくれます。

人類の歴史のほとんどにおいて、私たちは LLM と少し似ていて、頭の中でパターンを一致させることで問題を解決してきました。

しかしその後、より体系的な形式化が行われ、最終的には計算が行われるようになりました。これにより、私たちは新たなレベルの力を獲得し、真に新しいものを生み出し、実際にルリアドでどこにでも行けるようになります。

しかし、私たちが直面している課題は、人間と人工知能が理解できるものとをどうやって結びつけるかということです。

実際、私の人生の大部分はこの橋の建設に費やされてきました。それは、自分自身を計算的に表現するための言語、つまり計算的思考のための言語を作成することです。

私たちの目標は、世界に対する理解を計算の観点から形式化することです。都市、化学物質、映画、数式、そしてそれらに対する私たちの理解を計算用語で表現します。

これは私の人生の40年以上にわたる大規模なプロジェクトです。それは非常にユニークで変わった仕事でもあります。

しかし、過去の Mathematica と現在の Wolfram Language の両方で、私たちは計算のための真に包括的な言語を作成することに成功したと思います。

実際、これらの各機能は、私たちの文明の知的成果のいくつかの側面を計算用語で形式化し、カプセル化したものと考えることができます。

写真

これは私が知る限り最も集中した知的表現の形式です。つまり、あらゆるものの本質を見つけ出し、それを計算言語の設計で首尾一貫して表現することです。

私にとって個人的には、必要なアイデアとテクニックの塔を年々構築し、そのプロセスを公開ライブストリームを通じて世界と共有することは素晴らしい旅でした。

何世紀も前に数学の記法と数学の「言語」が開発されたことで、数学を表現する体系的な方法が提供され、代数、微積分、そして最終的には現代の数学科学が可能になりました。

現在、計算言語は同様のパスを提供しており、最終的には考えられるあらゆるドメインに対して「計算 X」を作成できるようになりました。

コンピュータサイエンスの成長を見てきましたが、計算言語はついに、はるかに大きく幅広いもの、つまり CX を切り開きつつあります。

私たちは70年間、プログラミング言語を使ってきました。プログラミング言語とは、コンピューターの言語でコンピューターに何をすべきかを指示するものです。しかし、計算言語はそれ以上のものです。計算言語は、私たちが考えることができるすべてのものを計算用語で操作化します。

写真

そもそも私が Wolfram 言語を作ったのは、自分で使いたかったからです。今、これを使用すると、まるでスーパーパワーが与えられたような気分になります。

何かを計算的に想像するだけで、言語によって魔法のようにそれが実現し、その結果を見て、それを基に構築できるようになります。はい、このスーパーパワーのおかげで、私は物理学のプロジェクトを完了することができました。

過去 35 年間、私はこの超大国を多くの人々と共有するという大きな特権に恵まれ、その結果、多くの分野で驚くべき進歩が遂げられました。

研究者、CEO、子供たちが私たちの言語を使って計算用語で流暢に考え、自分の考えを明確にし、自動的に計算のスーパーパワーを呼び起こすのを見るのは素晴らしいことです。

さて、これを実行できるのは人間だけではありません。 AI は計算言語をツールとして使用して事実を把握することもできますが、さらに重要なのは、新しい事実を計算することです。

当社のテクノロジーの一部はすでに LLM に統合されており、今後さらに詳しくご紹介する予定です。

ご存知のように、新しいものを構築するときに非常に強力な新しいワークフローは、まず LLM に何が欲しいかを伝え、次にそれを正確な Wolfram 言語で表現するようにすることです。

すると、人間として「コードを読む」ことができるようになります。これは、プログラミング言語と比較した私たちのコンピューティング言語の重要な特徴です。

要件を満たしている場合は、信頼できるコンポーネントとして構築できます。

さて、しかし、私たちがますます多くの AI とより多くの計算能力を使用するとしましょう。

世界はどのように見えるでしょうか?産業革命以来、私たちは実際に「歯車がどのように噛み合うかを見て」物事がどのように機能するかを「理解」できるエンジニアリングを行うことに慣れてきました。

しかし、計算上の不可約性により、これが必ずしも可能ではないことが現在ではわかっています。単純な人間の物語、あるいは数学的な物語を使っても、システムが何を行うかを常に説明したり予測したりできるわけではありません。

はい、これは文字通り科学が自らを内側から食い尽くしているのです。

コンピューティングは不可逆的ですが、私たちは立ち止まっているのでしょうか?

数学科学のあらゆる成功から、私たちは、もし見つけることができれば、すべてを予測できる公式が存在するに違いないと信じるようになりました。

しかし現在、計算の不可逆性は、そうではないことを示唆しています。実際、システムが何を行うかを知るには、システム自体と同じ、削減不可能な計算手順を実行する必要があります。

はい、これが科学の弱点です。しかし、だからこそ時間の経過は非常に重要なのです。一夜にして答えは得られません。一歩ずつ進んでいかなければなりません。

これは将来の社会にとって大きな問題となるでしょう。 AI が最大限の計算能力を発揮できるようにすると、AI は計算上の不可分性を大幅に持つことになり、AI が何を行うかを予測できなくなります。

しかし、AI を予測可能にするために制約を課すと、AI ができることには制限が生じます。

では、もし私たちの世界が計算上の不可分性で満たされていたらどうなるでしょうか?

実際、これは何も新しいことではなく、自然界にはこのようなことがたくさん存在します。自然は依然として私たちにとって驚きに満ちていますが、私たちは自然の中で機能する方法を見つけました。

人工知能についても同じことが言えます。我々は彼らに憲法を与えるかもしれないが、予測できない結果が常に起こるだろう。

もちろん、社会的な観点から AI に何をしてほしいかを考えることさえ難しいです。おそらく、投票するだけではなく、チップを書き込むチップの仕組みが必要でしょう。

しかし、基本的に、結果を制御するためのすべての計画は、政治哲学と計算上の不可逆性の問題をはらんでいるように思われます。

ご存知のように、人類の歴史を通じて変化してきたことの一つは、自動化の増加です。

そして、LLM は私たちに、このことの劇的で予想外の例を示しました。ということは、人類は最終的に何もすることがなくなるということでしょうか?

歴史を振り返ると、一つのことが自動化されると、多くの新しいことが可能になることがわかります。経済が発展するにつれて、職業の円グラフはますます細分化されているようです。

さて、ルリアドに戻ります。なぜなら、根本的なレベルでは、自動化によって、私たちが探求できる道がさらに広がるからです。抽象的にそれらの中から選択することはできません。それは私たち人間が何を望んでいるかという問題であり、それを定義するには人間の「努力」が必要です。

人間の入力に縛られない AI 社会は、ルリアド全体を効果的に探索するでしょう。

しかし、私たちにとって、彼らの行動のほとんどは無作為で無意味なものに思えます。ちょうど今、自然界の多くが「目的を達成していない」ように見えるのと同じです。

かつての人々は、自分たちにとって役に立つものを作るには、段階的に進めていかなければならないと考えていました。

しかし、AI とコンピューティング現象全体が、私たちに本当に必要なのは、単に欲しいものを定義すること以上のものだと教えてくれます。そして、コンピューティングと AI 自動化によってそれが実現します。

はい、「私たちが望むもの」を明確に定義するための鍵は、コンピューティング言語にあると思います。

ご存知のとおり、35 年経った今でも、多くの人にとって Wolfram 言語は未来からの芸術作品です。

あなたの仕事がプログラミングであるなら、それは詐欺のように見えます。通常 1 週間かかる作業を 1 時間でできるのでしょうか?

しかし、一つのことをやり遂げた後に、次のことを考えなければならないので、気が遠くなることもあります。

もちろん、これは、次の段階に移行する準備をしている CEO、CTO、知的リーダーにとって素晴らしいことです。実際、これらの人々の間でも非常に人気があります。

ある意味では、Wolfram 言語は、メカニズムへの重点から概念化への重点へと移行しています。

概念化の鍵は、幅広い計算的思考にあります。

それで、これをどうやって学ぶのでしょうか?これは実際には CS に関する話ではなく、CX に関する話です。

教育としては、STEM よりもリベラル アーツに近いです。これは、技術的な実行を自動化するときに、どのように行うかではなく、何を行うかが重要になるというトレンドの一部です。これは狭い専門性というよりも、幅広い知識と統合的な思考に関するものです。

ご存知のとおり、これらすべては驚くほど人間中心です。科学技術が進歩するにつれて、私たち人間の特別さはますます重要ではなくなるだろうと考えるかもしれません。しかし、そうではないことが分かりました。

実際、すべて、物理学さえも、私たち人間がどのようにしてルリアドをサンプリングするかによって決まります。

私たちの物理学プロジェクトが始まる前は、宇宙が本当に計算可能かどうかはわかりませんでした。しかし、今ではそれが事実であることが明らかです。

しかし、今ではそれが事実であることが明らかです。ここから私たちは必然的にルリアドへと導かれます。ルリアドの広大さは、私たちの宇宙の物理的空間全体よりもはるかに大きいのです。

それで、どこへ行くのですか?

計算言語により、人間は独自の道筋を描くことができ、目標と旅路を定義できるようになります。

驚くべきことに、ルリアドのパワーと奥深さは誰でも利用できます。必要なのは、これらのコンピューティングの超大国を活用する方法を学ぶことだけです。

写真

参考文献:

https://writings.stephenwolfram.com/2023/10/how-to-think-computationally-about-ai-the-universe-and-everything/