Самообучающаяся Вселенная

Мы рождены, чтоб сказку сделать былью,

Преодолеть пространство и простор,

Нам разум дал стальные руки-крылья,

А вместо сердца – пламенный мотор.

 Авиамарш, Песня впервые опубликована весной 1923 года 

Авиамарш — Википедия (wikipedia.org) 

Ниже я привожу перевод вступления и заключения к статье опубликованной в серьезном научном журнале. Написана эта статья не научными изгоями, а междесциплинарной группой серьезных ученых, среди которых известный в узких кругах физик-теоретик - Ли Смолин. 

О чем эта статья?

Это статья по обсуждемому предмету и методам - как будто написана самим Станиславом Лемом (в развитие идей "Соляриса"). Я этого автора очень люблю и ценю. Поэтому и решил опубликовать часть этой интересной работы. Мне кажется это  значимая работа и годится для обсуждения именно на этом ресурсе. 

Далее текст перевода .. Для желающих прочитать статью в оригинале и в полном объеме привожу ссылку ниже (где и положено быть ссылке) 

 "Мы представляем идеи на стыке теоретической физики, информатики и философии науки с обсуждением со всех трех точек зрения. Мы начнем с философского введения, перейдем к технической аргументации, сочетающей физику и информатику, и завершим дальнейшим нетехническим обсуждением.
До недавнего времени большинство исследований, проводимых физиками-теоретиками, имели целью выяснить, каковы законы физики. Хотя мы еще не закончили эту задачу, мы, кажется, знаем достаточно, чтобы сделать несколько шагов к ответу на более глубокий вопрос: почему реализованы эти – а не другие, которые кажутся столь же непротиворечивыми математически – являются фактическими (реализованными) законами окружающего нас мира?
Раньше считалось, что наша стандартная модель, включая общую теорию относительности, представляет собой низкоэнергетическое описание уникальной непротиворечивой теории, удовлетворяющей короткому списку принципов. Но исследования в области теории струн, петлевой квантовой гравитации и других подходов к квантовой гравитации указывают на противоположный вывод: существует обширный ландшафт одинаково непротиворечивых теорий.
Тогда требуется совершенно иной подход к вопросу “Зачем нужны эти законы?”:
Давайте поищем динамический механизм, с помощью которого законы природы сами могут развиваться и изменяться, и поищем в этой среде причину, по которой нынешние законы более вероятны, чем другие.
Например, константы связи могут оказаться (можно предположить что это так) динамическими переменными. Это открывает дверь для нескольких видов объяснений, новых для фундаментальной физики, но хорошо понятых в других областях науки.*

Они  варьируются от детерминированной эволюции в пространстве связей до стохастических форм эволюции на ландшафте теорий. Возможность полезного объяснение некоторых свойств общепринятых законов, аналогичное объяснительной силе естественного отбора в биологии, становится возможным и было исследовано.
В биологии раньше был вопрос “Почему именно эти виды?” задача: объясните, почему собаки и кошки существуют, а единороги и оборотни - нет. С появлением современной дарвиновской точки зрения стало ясно, что знание общих принципов, применимых ко всей биологии, является необходимой прелюдией к пониманию подробных - часто весьма условных и сложных - историй, объясняющих, почему, вероятно, возник тот или иной вид.
Оказывается, существует ряд загадок, касающихся значений параметров стандартной модели, которые так или иначе указывают на то, что их нынешние значения являются
особенными в том смысле, что они приводят к вселенной, гораздо более сложной, чем была бы получена при типичных значениях. Это наводит на мысль, что объяснения того рода, которые мы находим в биологии, могут быть полезны.
Применение естественного отбора к космологии было впервые предложено американским философом Чарльзом Сандерсом Пирсом в 1893 году.
С тех пор эта идея была независимо открыта другими и была изучена довольно подробно, вплоть до того, что было признано несколько проверяемых предсказаний.
В этом направлении можно было бы сделать гораздо больше, но это не является нашей целью здесь.
В этой статье мы хотим пойти еще дальше и предположить, что Вселенная обладает способностью познавать свои законы. Обучение - это, как мы объясним, гораздо более общее понятие, чем эволюция путем естественного отбора, это также более сложная  идея. 
Как возможны такого рода объяснения? Почему они могут быть полезны? Какая может быть польза от принятия таких радикальных идей?
Что мы подразумеваем под изучением законов природы? Ответ прост: мы можем построить соответствие между возможными законами природы, описываемыми калибровочными полями, гравитационными полями и полями вещества, и некоторыми состояниями модели машинного обучения, такой как ограниченная машина Больцмана. На простейшем языке выбор вакуума Квантовой Теории Поля сопоставляется процессу распознавания образов (Вакуум в квантовой теории поля определяется как наинизшее энергетическое состояние, в котором отсутствуют все реальные частицы).
Структура этой статьи выглядит следующим образом.
Соответствие между классом калибровочных теорий поля и классом нейросетевых моделей машинного обучения будет рассмотрено в следующих двух главах. Это основано на том, что каждая из них поддается описанию на языке матричных моделей. Задействованные (включенные в рассмотрение) теории поля включают: топологические теории поля, такие как теория Черна-Саймонса и Б.Ф. Ори , а также тесно связанные формулировки общей теории относительности Плебански, по саму по себе и связанную с теорией Янга-Миллса. Это дает пример того, как система, степени свободы которой кодируют возможные законы, такие как пространственно-временное измерение, калибровочная группа и представления материи, может быть отображена на формальные описания нейронных сетевых систем, которые нам удобно описывать как способные к обучению.

Заметим, что, поскольку мы говорим о вселенной, никакого надзора не существует; мы называем такие системы самоучителями.
Обратите внимание, что на данный момент это соответствия, а не эквивалентности. Эти результаты были получены в результате более общего поиска физических систем, которые могли бы обучаться без присмотра. В поисках физических систем, которые могли бы претендовать на автодидактическую интерпретацию, мы изучили множество предложений и моделей. Некоторые из них представлены в главе 4 и используют группу перенормировки, предположение о том, что квантовые системы не имеют никаких законов, кроме следования приоритету, методов самонабора, систем, которые максимизируют разнообразие, и геометрической самосборки.

Приведенные обсуждения здесь краткие, поскольку готовятся документы, подробно описывающие каждый из них.
Глава 5 представляет собой сборник ответов на философские вопросы, имеющие отношение к интерпретации предыдущих разделов.

1.1 Что такое обучение?
Когда мы ссылаемся на законы физики, изменяющиеся или отличающиеся в разных областях пространства-времени, мы говорим на языке эффективной теории поля, то есть предполагаем, что законы, относящиеся к физике низких энергий, могут включать коллективные координаты, возникающие, перенормированные и усредненные поля, а также могут быть зависимым от эффективных констант связи, значения которых зависят от значений полей, а также от температуры, плотности и т.д.

В более общем плане мы принимаем полезную идею о том, что мир можно анализировать в терминах иерархии уровней; степени свободы и закономерности, описанные на каждом уровне, кажутся наблюдателям стабильными и неизменными или медленно изменяющимися. В то же время, выраженные в терминах степеней свободы и законов более низкого уровня, они могут казаться возникающими и изменчивыми. Тогда мы можем быть агностиками относительно того, существуют ли фундаментальные, вневременные законы на самом маленьком уровне.
Чтобы перейти к определению обучения, нам нужно уточнить некоторые термины:
Мы говорим о “подсистемах” и “процессах”. Система - это идентифицируемая часть
вселенной, которая содержит ряд процессов и сохраняется в течение длительного периода времени по сравнению с временными рамками составляющих ее процессов - и часто характеризуется границей, которая изолирует ее от процессов, не содержащихся в ней. То, чего нет в системе, называется окружением системы.
Система имеет набор действий, выполняемых во времени, с помощью которых она работает: она катализирует или изменяет себя и другие объекты в окружающей среде. Каждый из них называется процессом, и каждый имеет типичный временной масштаб. Каждый процесс закрыт, что означает, что он работает циклически, которые возвращают его в исходное состояние после выполнения работы. То, что делает процесс, способствующий развитию целого, частью которого он является, называется его функцией.
Мы требуем, чтобы система была разложима на сеть таких процессов, которые взаимозависимы друг от друга, в том смысле, что продолжение и рост целого зависят от процессов и поддерживаются ими. Это иногда называют ”кантовским целым”.
Типичные системы такого рода находятся далеко от теплового равновесия, где некоторые из этих процессов направляют и контролируют поступление энергии и материалов через них. Они развиваются из потребности целого управлять проходящими через него потоками энергии и материалов.
Тогда мы можем сказать, что такая система учится, когда она способна изменять свои внутренние процессы и действия в мире, чтобы лучше улавливать и использовать потоки энергии, проходящие через нее или вблизи нее, для достижения цели, которая обычно заключается в продолжении существования, но может стать чем-то большим.
Понятие обучения охватывает целый ряд обстоятельств, включая биологические естественный отбор и то, что мы называем обучением у отдельных организмов, таких как человек.
Многому можно научиться, и есть много способов научиться.
Биологическая эволюция - это широкомасштабная система обучения, но отдельные представители видов также, как правило, унаследовали способность к обучению. Это не требует, чтобы полученная “информация” хранилась символически - или каким-либо абстрактным образом - мотылек не знает, что его крылья черные или что причина выбора цвета крыльев в том, что дерево, на котором он обитает чаще всего - черное.
Дарвин предположил, что эстетическое измерение выбора партнера, половой отбор, является центральной движущей силой эволюции. В интеллектуальном поведении человека мы иногда наблюдаем обучение, мотивированное не взаимодействием с непосредственной угрозой или критериями выживаемости, а такими вещами, как любопытство, стремление к элегантности или красоте или другими трудно определяемыми целями.
Мы будем называть эти случаи, когда система обучения конструирует свои собственные критерии, “автодидактическими системами”. Автодидактические критерии часто, а возможно, и всегда, будут связаны с более фундаментальными критериями, в частности с выживаемостью, но не прямо, а косвенно.
Термин ”обучение“ широко используется в информатике для обозначения класса программ, таких как "сети глубокого обучения”. Они, как правило, обусловлены либо навязанными критериями обратной связи, которые стимулируют обучение, даже если алгоритм не используется.
Мы описали различные процессы обучения: обучение может происходить в процессе выживания, когда популяции организмов конкурируют в смертельно опасной среде, а выжившие проносят информацию на генах; обучение может происходить у индивида через жизненный опыт, и критерии того, чему стоит учиться, могут быть самообучающими; обучение может быть встроено инженером в программную модель с использованием произвольных критериев.
Этот список не является исчерпывающим. Например, мы могли бы порассуждать о форме инопланетной жизни, которая не имеет отдельного уровня генов, но, тем не менее, подвергается случайным вариациям – и в которой взаимопроникающие скопления структур дестабилизируют друг друга, вызывая постепенное появление более прочных структур. Возможно, именно это и происходило до того, как на Земле появилась система ДНК. Мы не должны предполагать, что нам известны все формы обучения.
В каком-то смысле в обучении нет ничего особенного; это причинно-следственный процесс, передаваемый физическими взаимодействиями. И все же нам нужно рассматривать обучение как нечто особенное, чтобы объяснить события, которые происходят из-за обучения. Важно ввести язык, позволяющий говорить о физике обучающих систем.
Полезно иметь слово для обозначения того, что подпроцессы делают для целого, которые способствуют обучению целого.
Мы будем называть эти функции накопителями следствий 1 или для краткости консеквенсорами.
Консеквенсор накапливает информацию из прошлого, которая оказывает большее влияние на будущее , чем это характерно для другого содержимого системы. Это контур отрицательной обратной связи в термостате вашего дома, или звезда, или природный реактор. Это бит в компьютере или ген.
Другими естественными последствиями, которые мы можем иметь в виду, являются предельные циклы, которые происходят обязательно и, по-видимому, случайным образом в конечных детерминированных динамических системах [FSD]. Они приобретают надежность благодаря тому, что небольшие случайные отклонения от циклов улавливаются и возвращаются бассейнами притяжения.

Они происходят случайным образом, без сверхвидения или замысла, но являются первыми шагами в естественной самоорганизации жизни, экосистем, экономических и пищевых сетей и т.д. Вполне вероятно, что случайное возникновение предельных циклов могло возникнуть в сети туннельных каналов среди ландшафта вакуума в квантовой теории поля.
Мы также отмечаем, что термин ”консеквенсор” охватывает идею базы знаний, или графа знаний, в области искусственного интеллекта. Одно из простейших представлений “усвоенного знания” использует логику высказываний или, другими словами, набор (или граф) булевых ограничений на выполнимость. Выбор представления знаний также определяет онтологию обучающей системы.
Как может происходить обучение в космологическом масштабе? Высказывались предложения о применении естественного отбора к космологии. Если сосредоточиться только на одной вселенной, однако тогда не существует популяции вселенных, в которых мог бы происходить отбор; данная статья посвящена одной вселенной, поэтому не останавливается на космологическом естественном отборе.
Краткий ответ на распространенное возражение о том, что функциональные объяснения вступают в противоречие с редукционистскими объяснениями, заключается в том, что полное объяснение требует и того, и другого.
Вместо этого мы рассмотрим автодидактическое обучение в физике. Сначала мы рассмотрим космологические следствия, а затем космологические самообучающие процессы

--------------------- Далее тело самой статьи, которая вряд ли будет доступна среднестатистическому читателю АШ, поскольку использует непростой математический аппарат и размашисто оперирует широким спектром непростых современных физических теорий. Еще раз. Если кого заинтересовало - ссылка приведена выше

----------------------

А теперь - выводы

Эта статья - одна из растущего числа статей, в которых рассматривается вопрос о том, почему именно эти физические законы реализованы в нашей реальности?
Зачем эти калибровочные группы, зачем эти фермионные и скалярные представления, зачем тайны хиральности, нарушения CP и бариогенеза? Зачем такая обширная иерархия масштабов и почему такие особые соотношения параметров стандартной модели, задающие значения масс и углов смешивания?

Отрезвляет нас только мысль о том, что ни одна проблема такого типа никогда не была решена, вплоть до измерений массы и заряда электрона.
Грубо говоря, мы стоим перед единственным суровым выбором:
Либо: нет никаких рациональных причин ни для одного из этих вариантов. Вселенная могла бы быть совсем другой, но никогда не будет причины, по которой она пошла по тому пути, по которому мы ее наблюдаем.
Или: существует по крайней мере одно рациональное объяснение - и в этом случае мы обязаны его найти.

Задать этот вопрос - значит предположить, что, например, константы могли быть разными, но выбраны они не случайно. Научное объяснение предполагало бы, что их значение устанавливается как результат динамического процесса, что означает, что они могут быть смоделированы аналогично всем другим известным нам процессам, зависящим от времени.
Здесь мы рассмотрим широкий класс механизмов, основанных на идее обучения. Мы спрашиваем, может ли существовать механизм, вплетенный в ткань природного мира (Природы), с помощью которого Вселенная могла бы сама изучать свои собственные законы? Чтобы исследовать этот вопрос, мы должны были понять, что такое обучение и чем оно отличается от других способов эволюции динамической системы.
Это привело нас к идее консеквенсора, который позволяет системе реагировать на подсказки в его окружении, изменяя его реакции.
Конечно, это только первый шаг. Обучение - это сложный, гетерогенный и широкий набор
форм поведения. Есть много разных способов учиться. В этой статье представлены некоторые из наших результатов в процессе продолжающегося поиска способов, с помощью которых система законов, управляющих частицами и полями, могла бы естественным или искусственным образом возникнуть и научиться этому трюку, ну, в общем, для обучения.

В них используется группа перенормировки, идея о том, что нет никаких законов, кроме следования приоритету, методы самонабора, системы, максимизирующие разнообразие и геометризацию, вычислительная самосборка и прямое отображение математической модели обучающейся системы в уравнения движения общей теории относительности и калибровочные поля. Последнее упомянутое
усилие устанавливает трехсторонние соответствия между обучающими машинами, калибровочными и гравитационными полями и матричными моделями.
У нашего подхода есть различные потенциальные побочные эффекты: наши модели могут предложить архитектуры для систем квантового машинного обучения. Мы могли бы найти способ использовать машинное обучение для моделирования квантовых или классических калибровочных теорий поля. Если мы добавим контролируемое подключение к внешним тепловым резервуарам, мы могли бы смоделировать взаимодействие тепловых и квантовых эффектов в ряде моделей ранней Вселенной.
Реалтзация всего этого было бы ошеломляющим достижением. Поэтому мы с трепетом и осторожностью упоминаем еще о двух путях, которыми эти идеи могли бы мотивировать, и каждый из них гораздо более амбициозен, чем тот, о котором мы только что упомянули.
Представьте, если бы мы могли использовать обсуждаемые здесь соответствия для построения обучающих машин на основе степеней свободы калибровочного и гравитационного полей. Возможно, одним из вариантов этого было бы создание кваркового компьютера, который вычисляет, используя спины и изоспины кварков и глюонов в качестве кубитов.
Но помимо этого, соответствия предполагают, что эффективная степень свободы реального вакуума квантовой гравитации или калибровочного поля могла бы естественным образом эволюционировать, превратившись в систему самоподготовки. Это может быть частью объяснения выбора калибровочных полей и представлений и значений констант связи стандартной модели.
Поскольку соответствие организует ландшафт теорий, это может привести к поиску в таком ландшафте, который может привести к заметным открытиям или даже послужить
моделью того, как может работать Вселенная.
Приведенные здесь результаты являются крошечными, детскими шагами на пути изучения и проверки этих гипотез. Они будут дополнительно изучены в будущей работе.