スティーブン・ウルフラムが自身の物理学基礎理論について語るインタビューである。彼は単純な計算規則から複雑な振る舞いが生じるという「ルーロジー」の概念を展開し、空間が離散的な要素から構成されるハイパーグラフモデルを提唱する。このモデルから一般相対性理論や量子力学の法則を導出できると主張し、従来は与えられたものと考えられていた物理法則を導き出せることを示唆する。また、大規模言語モデルの限界について言及し、これらは人間的なタスクには有効だが計算的既約性を持つ問題には対応できないと指摘する。ウルフラムは科学の進歩における方法論的革新の重要性を強調し、自身の研究を義務感と楽しさの両方から続けていると述べる。
計算的宇宙論への道
AIには本当に感銘を受けたことがないんです。宇宙の機械語において真に大きな突破口を開いたものはありません。方程式の代わりにプログラムを使って世界について考えることで、物理法則を導き出すことができます。これは私が可能だとは思っていなかったことです。大きな進歩を遂げようとするなら、パラダイム的に異なる何かを持たなければなりません。
AIを使って新しい理論や新しいアイデアを発見する人々がいる中で、ある種のプレッシャーを感じますか。今起こっている非常に興味深いことは、世界を計算可能にする技術とLLMなどの融合のようなものです。そしてそれが主に付加するのは人間化の層なのです。
なぜあなたは万物の理論を考え出そうとする時間を取るのですか。100年前に人々がほぼ達成しかけて行き詰まったことがあります。今、私たちはそれらの詰まりを解消できるのです。それは本当に魔法のようです。
スティーブン・ウルフラム、参加してくださってありがとうございます。私たちは今ロンドン数理科学研究所にいます。そして私たちが今いる部屋は、史上最も尊敬され影響力のある科学者の一人、マイケル・ファラデーの旧書斎です。
彼は科学界のエスタブリッシュメントのメンバーでした。最初からそうだったわけではありません。そうではありませんでした。彼は独学でしたが、最終的にはエスタブリッシュメントの一員になりました。その通りです。では、最初の質問ですが、良い科学を行うため、良い科学に貢献するためには科学界のエスタブリッシュメントのメンバーである必要があると思いますか。あなた自身、分野間を移動してきたことは知っています。メンバーである必要があると思いますか。
それはどんな種類の科学をしようとしているかによります。もしまだあまり知られていない新興的な種類の科学をしようとしているなら、それをするためにあまり知っている必要はありません。もしすでに多くのことが知られている分野で仕事をするつもりなら、将来の進歩を遂げるためにはそのことをよく知っておいた方がいいでしょう。
物理学における既知と未知
例えば、今の物理学のような分野では多くのことが知られています。基本的に毎日のように人々から手紙をもらうんです。「物理学の理論を思いついた。高校レベルの物理学に基づいている」と。それはうまくいきません。なぜなら20世紀に物理学で発見されたことは本当に非常に有用で興味深い蓄積ですが、複雑で、何年も物理学を学ぶまでそれについて学ぶことはないからです。
一方で、例えば、私が長年にわたって推進してきた分野は、今ではルーロジーと呼んでいるものです。単純な計算規則とそれらが何をするかの研究で、セルオートマトン、チューリングマシンなどのようなものです。これは非常に若い分野で、あらゆる種類の人々が貢献できます。
ルーロジーの学位があるわけではありません。いつかルーロジーの学位ができ、ルーロジーの学部などができるでしょう。その時点で大きな既知の蓄積があり、最前線に貢献するためにはそのことを知っている必要があるでしょう。しかし今のところ、この分野はかなり広く開かれています。
これは科学の歴史において典型的なことです。ある種の方法論的進歩がなされる瞬間があります。ルーロジーを可能にしたものは基本的にコンピュータ実験と、私が構築してきた多くのツールなどです。そして方法論的進歩が一度あると、その方法論的進歩に基づいて採られるべき低い位置にある果実がたくさんある5年か10年かの期間があり、科学において多くの進歩を遂げることができます。低い位置の果実が採られた後は、次の方法論的進歩に到達するまで、おそらく100年間の緩やかな漸進的進歩があります。
私自身はかなり幸運でした。1970年代後半、私がまだ子供だった頃、あなたの雑誌を購読し始めた頃です。私は素粒子物理学に関わるようになりました。これは1970年代半ばで、素粒子物理学はちょうど方法論的進歩を遂げたばかりで、急速な成長と低い位置の果実の段階の一つにありました。だからかなり素晴らしかったんです。10代でも科学論文を書くことができて、人々はそれを読んで出版してくれました。今日でもまだ参照されています。なぜなら私が低い位置の果実を採ることができる時期に物事をしていて、その一部を採る機会があったからです。それは非常に楽しかったです。しかしそれは、より発展した分野では、最前線に貢献するためには大きな既知の蓄積を知っている必要があると思います。
ルーロジーと計算の本質
このルーロジーのアイデアと、それが計算とどう関係するのか説明していただけますか。計算について聞いたことがない人に説明するとしたら、この本質的なアイデアは何ですか。
まず計算とは何かから始めましょう。私が抽象的に見る計算とは、一連の規則があって、それらの規則を使うことの結果を解明するということです。例えば、セルの列があって、それぞれが黒か白で、規則が「ある位置の隣のセルの色に基づいて、次のセルを黒か白に着色する」というようなものがあるとします。そしてその規則を実行し続けるのです。
それを何百万回も実行します。何が得られるでしょうか。私が1980年代初頭にこれを始めた時に考えていたのは、規則が十分に単純であれば、得られるパターンはどういうわけか対応して単純になるだろうということでした。
私は間違っていました。実際の実験を行うことは、この望遠鏡を計算的宇宙に向けて、そこに何があるかを見るようなものです。そこにあるのは、非常に単純な規則でさえ信じられないほど複雑な振る舞いを生み出すということでした。
これは私にとって大きな驚きでした。実際、私が最初にそれを発見してから数年間はそれを信じませんでした。それから、これは自然が複雑なものを作るために使う一種の重要なトリックのようだと気づきました。
規則は単純でも、それらの規則の結果はそれほど単純ではありません。だからルーロジーとは、それらの単純な規則が実際に最終的に何をするのかの研究なのです。
私たちは特定の目的のために書くコンピュータプログラムに慣れています。私が何かをしようとしていることのためにこのプログラムを書きたい。それは目的のために作成されたプログラムです。
ルーロジーが本当に扱っているのは、いわば野生の計算です。つまり、このプログラムがあって、すべての可能なプログラムを列挙し、プログラム番号1、プログラム番号2などを試すのです。特定のプログラムのコレクションにおける私の永遠のお気に入りはルール30です。これは非常に小さく非常に単純な仕様を持つプログラムで、1行で簡単に書き下すことができますが、プログラムを実行すると非常に複雑な振る舞いを生み出します。
だからルーロジーは野生の計算の研究、いわば計算の自然科学なのです。
コンピュータサイエンスとの違い
コンピュータサイエンスは実際にはそれほど科学ではありません。それは本当により工学的な分野で、私たちが有用と思うことをコンピュータにさせようとするものです。
理論計算機科学というものがあります。これは非常に素晴らしい分野ですが、それは異なる活動の分野です。
非常に基本的な規則を持つこれらの非常に単純なシステムを観察することから、複雑さにつながるという観察から、これらのシステムで遊び、これらのシステムを見ることから、実際にこれが宇宙の働きの基本的な基盤かもしれないと言うジャンプまで、どうやって行くのですか。これが実際に物理的現実なのだと。
しばらく時間がかかりました。1980年代初頭に、特にセルオートマトン、黒と白のセルの格子などの研究を始めて、特定の種類の軟体動物の成長や乱流流体の振る舞いなど、これらのプログラムでモデル化できる実際の多くのことがあることを観察しました。
実際ファラデーの時代以前からの伝統は、厳密科学でモデルを作りたいなら数学を使い、数学的方程式を書き下すというものでした。それは実際にはファラデーの始め方ではありませんでしたが、彼は人生の後半でそれをより多く行うようになりました。しかしその伝統は1600年代の終わり以来のもので、厳密科学の1600年代の大きな突破口は、自然界について物事を理解し始めるために数学を使うことができるということでした。
だから80年代初頭からの私の大きなことは、それを一般化しようとすることでした。理論を作りたいが、今知っている特定の数学、微分や積分などを使いたくない。このより一般的なプログラムの基盤を使えるでしょうか。そしてそれは自然界の多くの日常的なシステムを理解するために非常に肥沃であることが判明しました。
そのようなアプローチが物理学の基礎理論につながる方法は見えませんでした。物理学の基礎についてすでに知られていることについてかなりの量を知っているという利点または不利な点がありました。そして長い間、これがどう機能するかわかりませんでした。
2018年の突破口
最終的に1990年代初頭に、空間と時間の下にあるようなものを構築する方法についていくつかのアイデアがありました。そして私たちが物理学の日常的な特徴として考えている他の種類のものについても。しかし、すべての部品を完全に組み合わせることができませんでした。
しかし2018年に、最初はかなり技術的で特定のアイデアを持ち、それから数人の若い物理学者の助けを借りて、彼らが「これに取り組まなければならない」と言ったので、そうしました。そして実際にパンデミックの始まりである2019年後半から2020年初頭に大きな突破口を開きました。
物理学の機械語、宇宙の機械語についての理解において。この時点でそれがどう機能するかかなり確信しています。その機械語から実際に実験を始めることができるものまでの距離はかなり大きいです。しかし以前は謎だった既存の多くの物理学の分野をすでに見ることができます。
一般相対性理論はなぜそうなのか。量子力学はなぜそうなのか。これらのことがなぜそうであるのか、今では分かっていると思います。
ある意味、哲学的に私が予想していなかったことです。今では物理法則を導き出すことができると言えると思います。これは私が可能だとは思っていなかったことです。私は物理法則は、私たちがこの宇宙を手に入れて別の宇宙ではないから、たまたま手渡されたものだと思っていました。
しかし2018年のアイデアとは何だったのですか。これすべてを始めたものは。
ずっと前に戻らなければなりません。古代まで戻りましょう。私の時代よりずっと前です。
人々は宇宙は離散的か連続的かと議論していました。原子があるのか、それとも水のようにすべてが流れるだけなのか。人々はその答えを知りませんでした。19世紀の終わりまでに、ファラデー以降と言いましょう、人々は最終的に物質が分子でできていることに気づきました。
物質は離散的なもので作られています。少し後に、光も離散的なもので作られていると考えることができることがわかりました。その時、20世紀の初め、ほとんどの物理学者は「空間も同じだろう。離散的だろう」と言っていたでしょう。
しかし人々はそれを機能させることができませんでした。相対性理論と互換性がないように見え、他にも多くの問題がありました。
だから問題は空間が何でできているかということでした。空間は水が分子でできているように何かでできているものなのか、それとも空間はその中に異なる場所に物を置く背景に過ぎないものなのか。
ハイパーグラフモデルの誕生
だから最初の大きなアイデアは、空間は何かでできているということでした。そして実際、それは何かでできているだけでなく、宇宙全体が空間でできているのです。空間が唯一のものであり、宇宙について知っているすべてのこと、粒子、電子、クォークなどは、すべて空間の構造の特徴に過ぎません。
ちょうど流体のようなものでは、すべての分子が跳ね回っています。この流体があり、流体の中に小さな渦、小さな渦巻きを持つことができます。それは流体中の粒子のようなものです。だから問題は、私たちが知覚する現実であるすべてのものが、最終的に空間の構造から来るこのものの一部になり得るかということです。
それから問題は、空間とは何かということです。だから最小限のモデルは、もし本当にあるのがこれらの点、空間の原子、空間における存在の原子を表す離散的な要素だけだったらどうかということです。
そしてこれらのことについて何を知っていますか。まあ、それらが互いにどのように関係しているかだけを知っているとしましょう。どれが他のどれと友達かのように。だからそれを数学的にハイパーグラフで表現できます。グラフとは、グラフ内に2つのノードがあり、それらの2つを接続するエッジがあるものです。
ハイパーグラフでは、すべてハイパーエッジによって関連付けられるいくつかのノードを持つことができます。だから原材料はこのハイパーグラフです。
ハイパーエッジとはエッジの多次元バージョンのようなものですか。グラフとノードが何かは視覚化できると言おうとしている人にとって、どうやってそこからハイパーグラフに行くのですか。
ハイパーエッジは、このノード、このノード、このノードを接続するこの種の塊として考えることができます。2つのノードを一緒に接続する線であるだけでなく、5つのノードを一緒に接続できる種類の塊です。
それはこれらのノード間のある種の関係です。
これはそれがどう機能するかのより技術的な詳細です。実際には後になって気づいたのですが、実際にはハイパーグラフはまったく必要なかったのですが、物事について考える便利な方法です。しかしそれが私が抱えていた多くの問題を解放しました。それらは、どう機能するかを本当に見ることができなかったより技術的な問題でした。
それから問題は、空間がこの種のすべての異なるノードを持つ大きなハイパーグラフだとして、おそらく私たちの宇宙は今10の400乗のこれらのノードを持っています。時間とは何ですか。
時間の本質
約1世紀存在してきた物事の見方は、空間と時間は同じ種類のものだというものでした。
実際、例えばアインシュタインは決して本当にそう思っていませんでした。しかしミンコフスキーという数学者がいて、彼は「ああ、空間と時間はこれらの公式において非常に関連した方法で現れる。時空と呼ぶこの数学的構成物を持とう」と気づきました。
そして私はこれは間違った方向転換だったと思います。なぜなら空間と時間は本当に同じ種類のものではないと思うからです。これはとにかく私たちの直感です。しかし数学は、ある種それらは同じ種類のものだと言っていました。
時間について考える方法は、それは宇宙の次の状態の進歩的な種類の計算的な解明だということだと思います。
ちょうどそれぞれが黒か白のセルの行があって、次のステップでこの特定のセルがこの色を得るというように言う規則を適用するように。だからこれらのハイパーグラフでは、このハイパーグラフを書き換えようと言うことができます。ハイパーグラフの異なる部分を見てみましょう。このように見えるハイパーグラフの部分を見るたびに、それをそのように見えるハイパーグラフの部分に置き換えます。
それが私たちがやっている操作です。それをやり続けるだけです。そしてそれが時間の進行を表す操作なのです。
だから問題は、このハイパーグラフがあって、その中に多くのノードがあり、すべてのこの書き換えを行っている場合、すべてのその書き換えの集約効果は何かということです。
ちょっとした類推があります。これは実際に流体と流体中の分子にあります。
すべてのこれらの分子が跳ね回っていて、微視的レベルでは各分子が他のすべての分子から跳ね返っています。しかし大規模では、流体力学が得られることが判明します。すべてのこれらの分子の平均的な振る舞いは、連続流体のように思えるものです。
だから分子動力学の限界は、流体力学の方程式であるナビエ・ストークス方程式として数学的によく記述されます。
だから問題は、この微視的なネットワーク書き換え、ハイパーグラフ書き換えの大規模な限界は何かということです。そして答えは、私が1990年代にある程度理解していたものですが、それはアインシュタインの方程式です。これは時空の連続的な振る舞いを記述する方程式です。
だからこれは一種の素晴らしいことです。このハイパーグラフである非常に抽象的な種類のものから始めて、時空で起こることとして知覚するものを与える何かで終わることができます。
次元の謎
今、いくつかの注意事項があります。例えば、空間の次元数が3である理由はわかりません。
空間の構造がアインシュタインの方程式のようなものを満たさなければならないことは知っています。次元数はわかりません。実際、これらのモデルでは次元は変化できるものです。だから私たちは3次元空間に住んでいると思っていますが、実際にこれらのモデルが言うのは、3.01次元または2.99次元などの空間の小さな領域がある変動があるということです。
これらの領域は、観測可能な宇宙のかなり外側にあるのでしょうか、それとも好ましくは私たちの近所のようなところにある領域である可能性がありますか。
私たちの近所にある可能性があります。非常にそうである可能性があります。重力の通常の定式化は時空の曲率を含みます。
次元変化は曲率に対してある種補完的です。曲率の観点からではなく次元変化の観点から伝統的な一般相対性理論の単なる再定式化である可能性が十分にあります。だからそれはまさにここと今であり得るものです。
私自身の推測は、宇宙は効果的に無限次元で始まり、徐々にずっとちょっとした謎でした。私は実際に1970年代にこれに取り組みました。なぜ宇宙は、異なる部分が互いに通信できなかったはずなのに、光が移動する速さなどに基づいて、それほど均質なのか。
しかしこれらのモデルでは、そのような問題はまったくありません。なぜなら期待は、宇宙は本質的にすべてがすべてに接続されている無限次元で始まり、今ではおよそ3次元になるようにゆっくりと冷却されただけだからです。
だからそれは、そして私たちは、非常に初期の宇宙から残された次元変動があると疑っています。そして今、本当の課題は、これらのものをどう検出するかです。それは非常に興味深い物理学の問題で、難しく、私たちはそれに取り組んでいます。
時空の構造について言うべき他のことは、時空についての謎の一つは暗黒物質だと私がかなり疑っているということです。
銀河の回転などを見ると、銀河の星を見るだけでは説明できないほど、銀河にはより多くのもの、より多くの質量があるように見えます。そして明らかに重力効果を持っているが、発光物質などとして見ることができない何かの存在の他の証拠があります。
だからそれがどう機能するかは一種の謎でした。私が疑っていて、これは実際に再びファラデーに戻るのですが、19th世紀の物理学で犯された間違いがあり、21世紀の物理学で再び犯されつつあると私は思います。
暗黒物質の再解釈
その時の間違いは熱の性質に関係していました。
人々は「熱とは何か。熱はある物質から別の物質へ流れるなど。流体に違いない」と言いました。だから彼らはカロリック流体のアイデアを発明しました。カロリック流体には多くの結果がありました。熱が実際には何であるかについての完全に間違った見方に基づいて、実際に正しい理論が多く作られました。なぜなら熱は本当に、ある種の別の流体についてのものではないからです。
代わりに、それは物質中の原子と分子の微視的な動きに過ぎません。
私は暗黒物質についても同じことが真実だと疑っています。暗黒物質はまったく物質ではありません。ちょうど熱がまったく流体ではなかったように。そして暗黒物質は実際に私の推測では、熱の時空類似物のようなものです。
熱は分子のこの種の微視的で明らかにランダムな動きです。だから空間の離散的なモデルを持つとき、空間の非常に小さなスケールの構造のこの種の微視的な熱のような振る舞いの可能性があります。そして私の推測では、それが暗黒物質なのです。
しかしそれを証明することは、ある種の興味深い方法論的なことです。なぜなら私たちができたことは、この種の微視的構造とネットワーク書き換えなどすべてを取り、それを使ってブラックホールの合体などの実際の計算を行うことだからです。
そしてそれはかなりうまくいくようです。これらの小さなブラックホールは非常に便利です。なぜならブラックホールはすべてのサイズで来て、そのサイズが何であれ基本的に同じように振る舞うからです。だからコンピュータシミュレーションで、ただの1万ノードのサイズのブラックホールを研究できます。そしてそれは基本的に、太陽の質量の1.5倍の非常に大きなブラックホールがそのサイズのブラックホールと合体するのと同じ種類の方法で、別のブラックホールと合体します。
だから私たちは、この微視的な離散構造から上がって、ブラックホールのような物の連続的な振る舞いを理解できることがわかります。この種のパラメータなしの微視的モデルから始めて、20世紀の物理学からすでに起こっているべきだと知っている種類のことを実際に再現することを見ることができるとき、それは励みになります。
予測と検証
確かに一部の人々は、他の理論で説明できて数字があり説明もすでにあるものを説明できることと、そこに存在する新しい現象の予測を作ることができることの間には違いがあると言うでしょう。それはあなた自身の理論の一種の検証になるでしょう。そしてあなたはちょうど今、あなたがやっている仕事でそれらの予測を作ることができることと少し距離があるかもしれないと言及しました。
あなたがやっていることで、そこにあるものについてテスト可能な予測を作ることができることにどれくらい近いと感じていますか。
それはただの多くの作業です。なぜならそれは、光子が空間の分数次元領域を通ってどう伝播するかのようなものだからです。例えば空間の離散性を見ることを可能にする最良の種類の重力顕微鏡をどう見つけるか。
多くの場合、物事のモデルを作る際に最終的に見つけることは、モデルを作り、次にいくつかの観測を見て、次にモデルを少し調整するなどです。これまでのところ、私たちはこれに5、6年取り組んでいます。ゼロ調整です。
起こり続けていることは、それが何かについて何を意味するかを実際に見つけるのは難しいですが、それを見つけたとき、それは正しいのです。
それは非常に励みになります。そしてこれは難しいことです。科学がどう機能するかについてのある種の戯画があります。理論を作り、実験を行い、実験から理論をテストするなど。それが本当にどう機能するかではありません。
子供の頃、私はクォークとグルーオンのQCD理論に取り組んでいたことを覚えています。そして私はQCDに基づいて、陽子陽子衝突でのチャーム粒子生成についていくつかの予測をしました。そして私は論文を書こうとしていましたが、実際に私が予測することが起こると言う実験があり、ただ起こらないのです。
だから私は「でも私はこの理論がこれが起こらなければならないと言うとかなり確信している。そしてこの理論は本当に非常に強い理論だ」と思いました。だから私はとにかく論文を書きました。そしてその約半分は「実験はこれが起こらないと言っているので、何が間違っている可能性があるか」でした。
もちろん私が今この話をしているのは、実験が間違っていたからです。
それは難しい実験でした。エッジでの実験は通常そうです。
だからそれは常に理論が何を言うか、理論がどれくらい強いか、実験がどれくらい簡単かなどの間の複雑なダンスです。
私が最も起こることを望んでいることは、実験的にすでに発見されたものがあり、それらがあまりにも奇妙だったので誰も本当にそれらについて大騒ぎしなかったためにある種片付けられたということです。
しかしそれらのことが最終的に理解されるでしょう。「ああ、私たちの理論に基づいてそれらのことを探すべきだ。」そして私たちは物理学の既存の文献を見に行って、「ああ、はい、これは実際に見つかった」と見つけることができます。
それが最良のケースです。なぜなら他のケースはこれらの実験を行うのに非常に複雑で社会学的で高価だからです。
だから実際にそれは、物理学の文献の主題的検索を行おうとするLLMの良い使用例です。これに大体似た効果があって、私たちがまだ見つけていないものはあるかと言おうとすることです。
良い警告的な物語は分子の発見です。ボルツマンのような人々は19世紀の多くを、誰も物質の原子論を信じていないことについて動揺して過ごしました。しかし事実は、1827年にロバート・ブラウンという植物学者がブラウン運動を発見していたということです。
そして原理的には、植物学の文献を見に行って「物質の離散性についてのように見えるものはあるか」と尋ねることができたなら、それはまさにそこにあったでしょう。それはボルツマンの全人生そこにありました。しかしそれは知られていませんでした。
だからそのような種類のことを期待できます。そして私が思うにそれはかなりありそうです。実際、私の他の世界では全体のことの配信チャネルと呼ぶものについてもっと理解したら。
それは物理学の理論である元の製品を持っているようなものですが、次にあなたができる利用可能な実験的な種類のことにそれを接続する必要があります。それは多くの努力が必要で、その接続を作るために、そしてそれは難しい仕事で、私たちはそれに取り組んでいますし、多くの他の人々もそうです。
計算的既約性の壁
それは難しい仕事で、そして実際に私が説明すべき基本的な理由の一つは、それが難しい仕事である理由です。なぜならそれは一種の興味深いからです。
システムの基本的な規則を知っていれば、「では終わりだ。システムが何をするか知っている」と言うかもしれないと思うかもしれません。はい、規則を実行できます。1兆ステップ実行します。何でも実行します。システムが何をするか見ることができます。
問題は、伝統的な種類の厳密科学が本当に価値があると言ってきたことができるかということです。先にジャンプできますか。「すべての個別のステップに従う必要はない。公式を書き下すだけで答えが何かわかる」と言えますか。
実際に80年代に私が気づいたことの一つは、計算的既約性と呼ぶ現象です。
基礎となる規則を知っていても、それらの規則の結果を解明するために必要とされ得る既約な量の計算作業があるという現象です。
だからそれはゲーデルの定理、決定不能性、計算の基礎的なことである他の多くの種類のものに関連する何かです。これはそれらのアイデアのより厳しいバージョンで、基本的に多くの場合、規則を知っていても結果を見ることができないと言います。
そしてそれは物理学の単純な基礎モデルの結果が何であるかを解明しようとするとき、私たちを大きく噛みます。
それは、そのモデルの結果を解明するための既約な量の計算があるようなものです。そして私たちは幸運になれます。既約性のポケットを見つけて、「ああ、何が起こるかを理解するために宇宙が行ったのと同じ計算努力に行く必要はない。ある種先にジャンプできて、はい、ここに電子があるか何かに気づくことができる」と言えます。
あなたは科学がどう機能するかについて戯画的な方法があり、実際には他の科学者があなたの理論に賛同しなければならない、または少なくとも彼らがそれを自分自身の実験でテストし実行でき、みんなが正しい理論だと理解しているものの枠組みに適合させることができる社会学的要素があると言及しました。
科学者を味方につけることや他の科学者にあなたの理論に賛同させそれが機能することを見せることについて、全く懸念していますか、それともより仕事を最初にやってから拡大してみんなを説得したいと思っていますか。その側面をどう見ていますか。
それは一種の興味深いです。まず第一に、私はこれを趣味としてやっています。私の本業は、ほとんどのその科学者が科学をするために毎日使うたまたま技術を作る技術会社を経営することです。
だからそれは、理論を構築しているときに非常に有用な心理的なことは、結果を気にしないことです。
そして私が何度も見てきたことは、ある方向に進むつもりなら、どう出てくるかについて何らかの偏見を持たなければなりません。さもなければ決して始めません。
しかしその偏見にあまり強くしがみついてはいけません。チップが落ちるところに落ちさせなければなりません。
私がしばしば気づくことは、チップを落ちさせるということです。「ああ、これは何が起こるかについての私の偏見に違反するだろう」と思います。最終的には、それは実際に最初に機能すると思った方法よりもはるかに私の偏見を検証します。
興味深いことです。なぜなら、子供の頃素粒子物理学をやっていたので、私はそれがかなり得意だったと思います。
そして人々は私がその分野を離れたとき動揺しました。「どうしてこの分野を離れることができるのか。この分野でとてもうまくやっているのに」というようなことです。
物理学界との関係
それから2002年に出版された「新しい種類の科学」という大きな本を書いたとき、これは本当に世界について考える方法として方程式の代わりにプログラムを使うというこのアイデアについてです。
そして多くの異なることについての多くのセクションがありました。ほとんどは単純な規則のこのルーロジーのアイデアについてでした。それらは何をしますか。生物学への応用、流体などについての様々な種類の物理学への応用。基礎物理学についてのセクションが一つありました。
そして物理学の私の友人たちはそれを嫌いました。
他の科学分野や他の場所では、実際に人々は私が言わなければならないことに本当に夢中でした。
建築家が物事の形の新しい方法を理解することであれ、以前にモデルを持っていなかった社会科学者がモデルを理解することであれ。
しかし物理学者は「いや、いや、いや。私たちは理解した。弦理論がずっと進むだろう。他に何も必要ない」というようでした。
それは2002年でした。
そして実際、それは私がこれに取り組むことからやめさせました。なぜなら実際問題として、私は技術会社を経営しているので、「誰かが実際に欲しい製品を作っているのか」というようなものです。そしてある意味、物理学の基礎理論の市場は何よりもまず物理学者であり、彼らがそれを望まないなら、「彼らのためにそれを作らないようにしよう」というようなものです。
だから私はその結果として何年もこれに取り組みませんでした。それから私が言ったように、この小さな突破口を開き、本当に何かをするように押されたと感じました。そしてそれは私が期待していたよりもはるかにうまくいきました。
しかし興味深いことは、私がそれをやった2020年までに、物理学者は再び製品を望んでいたということでした。
なぜならその時点で、弦理論についての熱意が消えていたからです。それは機能しないだろう。
何をするつもりですか。何か他のものが必要です。起こったことは、多くの物理学者がこの全体的な努力に関わってきたということです。挑戦的なことは、この努力と基礎物理学についてのこの考え方は、以前に来たものとはパラダイム的にかなり異なるということです。これは大きな驚きではありません。
大きな進歩を遂げるつもりなら、パラダイム的に異なる何かを持たなければなりません。それは物理学者が知っている方法の多くが意味します。あなたの平均的な物理学者は19世紀の数学を本当によく知っていて、それで多くの種類のことができます。そして私たちがやっていることで19世紀の数学を使うことができる場所がありますが、ほとんどそれは非常に異なる種類のものです。
それは非常に異質です。
今、本当に素晴らしいことは、これも私が本当に期待していなかったことですが、人々が試みた基礎物理学への約半ダースの異なるアプローチがあるということです。因果集合理論、スピンネットワーク、様々な高次圏論のアイデアなど。
これらは物理学への非常に抽象的なアプローチです。
本当に物理学についてのものに根拠を持つことに苦労しました。いくぶん私の驚きに起こったことは、私たちの種類のモデルが多くのこれらの種類のアイデアに根拠を与えるということです。
既存理論との統合
例えば、因果集合理論を言いましょう。それは時空の異なる場所で起こる出来事があり、私たちが知っているすべてはそれらの出来事間の因果関係だけだと言うアイデアです。彼らはそれを相対性理論などと一致させる方法を理解するのに苦労しました。
私たちのモデルでは、起こる出来事があり、それらはそれらの間の因果関係の特定の集合を持つという概念もあります。
しかし私たちのモデルでは、それらの出来事が生成されるアルゴリズム的な方法があります。だからそれは「ああ、あなたはこれらの出来事をランダムに投げ下ろす」というだけではありません。それは人々が研究してきたものです。代わりに、あなたがおよそランダムであると考えることができる方法でこれらの出来事を投げ下ろす方法がありますが、それは本当にランダムではありません。
だからそこで開発されたメソッドを私たちのモデルに取り組む際に使うことができます。
私たちのモデルを、これらの他の分野で行われてきたことを情報提供し根拠を与える方法として使うことができます。
だからそれは実際に本当に素晴らしかったです。これらの分野は、それは私たちか彼らかというようなものだと思ったかもしれませんが、そうではありません。
それは私たち両方です。
実際、私の知る限り、人々が取ってきた基礎物理学への非常に真剣な抽象的アプローチの中で、これは間違っていると私が言う、そのようなものはないと思います。
弦理論のような何かは、私たちがやっていることのある種の限界のように見えます。だから私たちがやっていることを一種の低レベルの機械語として考えることができます。これらの他のアプローチは、その機械語に基づいてできる種類の特定の種類のことに対処する様々な種類の近似、様々な種類のメソッドです。
あなたは以前、あなたの理論を最終的に検証する一つの方法は大規模言語モデルを使うことだと言及しました。そして過去4年間で、それらの能力が爆発するのを見てきました。あなたはそれよりもはるかに長い間自然言語処理の分野で働いてきました。そしてWolfram言語やあなたの様々な技術製品で、あなたは本当に長い間これに焦点を当ててきたことを知っています。
大規模言語モデルとそれを動かしたトランスフォーマーアーキテクチャを見たとき、ChatGPTがそれほどうまく機能したとき、その時どう感じましたか。ある程度検証されたと感じましたか。「うわあ、それはどこからともなく出てきた」と思いましたか。それが最初に離陸し始めたとき、何を思いましたか。
LLMへの驚き
私はそれが機能するとは思いませんでした。
私は1980年代初頭からニューラルネットを追っていました。そしてそれが機能したという事実は、その仕事をした人々にとってさえ大きな驚きだったように、私にとって大きな驚きでした。
みんなが驚きました。しかしそれについて興味深いことは、技術の歴史について考えると、最も近い類推はおそらくアレクサンダー・グラハム・ベルと電話だと思います。なぜなら人々は何十年も、原理的には音を電気的に送信できることを知っていたからです。しかし誰も、電話のもう一方の端でそれを聞いたときに何かを理解できるようにそれを作ることに成功したことがありませんでした。
そして一連のハックを通じて、突然それは理解可能な音声になりました。そして私はかなり同じことが大規模言語モデルで起こったと思います。突然意味をなし始めるこの閾値が通過されたということです。
今、それは一種の興味深く、多くの機械学習の話でした。通過された閾値がありました。その閾値が通過されて以来、それほど進歩していません。
2011年のように画像識別がディープラーニングで行われました。以前は行われていませんでした。突然それが行われました。その時以来少し良くなりましたが、それほどではありません。
それはこれらのことがある種ロック解除されるところです。どうやってこれをやるのか。今、LLMについて、私たちがLLMから学ぶ大きなことは、自然言語生成の問題は私たちが思っていたほど難しくないということだと思います。
そして私が思うに起こったことは、LLMが言語におけるこれらの規則性を発見したということです。それは常にそこにありましたが、私たちは本当に認識していませんでした。
言語には文法、統語的文法があることを知っていました。英語では、それは典型的には名詞、動詞、名詞ですが、私たちはそれがこの種の名詞、その種の動詞、この種の名詞だということを知りませんでした。
それは決して本当に成文化されていませんでした。そして私はLLMがその種の、単に統語的に正しいだけでなくそれ以上のものであるのとは対照的に、合理的に見える文をどう組み立てるかの規則性を発見したと思います。
私にとって興味深かったことは、私の主な種類の技術的努力は、世界を表現するための計算言語を開発することでした。だからそれは計算のための一種の表記法を作ることだと考えることができます。ちょうど500年前くらいに数学をやったときのように、それは言葉で記述するものから、プラス記号や等号などで記述するものになりました。
そして数学の表記法のその合理化が代数や微積分や現代の数学科学につながったものです。私の長期的な技術的努力は、計算のための一種の表記法と、世界についての知識をその種の計算言語内に含める方法を作ることでした。
世界のすべてについての計算的表現を持つことができるようにするためです。
数学がいくつかの小さな科学の分野のためにやったことをできるようにするためです。すべてのXのための計算的Xのようなものを作ることができます。
そしてそれは一種の異なるものです。それは、あなたがすべてを計算できるような方法でそれを構築する努力です。それは人間の脳がやることにより似ている種類のことをやろうと言うのとは異なります。そしてところで、AIやLLMやニューラルネットなどがそれらがやるほどうまく機能するという事実は、それらは私たちにうまく機能します。
人間的知性とAI
それはどういう意味ですか。AIに「これは猫の絵か犬の絵か」と言います。
そしてそれは一方または他方のことを言います。しかしあなたはこれを変えて、猫を犬のスーツに入れて、これとそれをやりましょうと想像します。何が起こるかというと、AI、ニューラルネットは私たちが行うのとほぼ同じ種類の決定を下すということです。
「これは正確に犬の絵対これは正確に猫の絵」と言う数学はありません。
しかしAIが行う決定は私たちに正しいように思えるものです。
そしてそれがそこでの成功の種類の尺度です。おそらくそれが私たちに正しいように思える理由は、そのアーキテクチャが私たちのアーキテクチャに非常に似ているからです。そしてだからそれは基本的に私たちが行うであろうのと同じ決定を行っていて、それが一種になぜそれが良く見えるかです。
だから補助なしの人間がうまくできるタスクである種のものがあります。
そして科学や計算などのおかげで今コンピュータでできるタスクがあります。私たち人間ができないものです。基本的に私たちの誰も非自明な性質のコードを私たちの心の中で実行することはできません。
だからそれは一種の種類です。私たちが頭の上で素早くできることと、より計算的なことの補完的な分野があります。そして今技術的レベルで起こっている興味深いことは、世界を計算可能にするために持っている技術と、LLMなどで持っている技術の一種の統合です。これはその種の能力への人間化された言語的インターフェースのこの種類を提供します。
過去1、2年で、ますます最先端の大規模言語モデルが人間のための競争に使われるのを見てきたかどうか尋ねたかったです。例えば、国際数学オリンピック。これを見たかどうかわかりませんが、非常に難しい高校生のための競争で、長い間金メダルを取ることは遥か先だと思われていました。
今年、OpenAIとGoogle DeepMindの両方、および他のAI会社が金レベルのパフォーマンスを達成したのを見ました。OpenAIはまた、あなたがある種の人間のような推論や直感を必要とすると思うであろう種類のコーディング競争や競争にモデルを参加させています。
これらのモデルのそれらの種類の競争での成功は、これらのモデル、これらのニューラルネットワークがあなたがそこで概説したことや私たちが思っていたこととは何か異なることをやっていると言っていると思いますか。
本当にそうではありません。LLMのようなものだと思います。大きな驚きは言語が私たちが思っていたより簡単だったということでした。
そして私が思うに、これらの競争がLLMによって勝たれるときにそれが教えてくれることは、これらの競争は私たちが思っていたより簡単だったということです。
最前線の科学をやろうとしている人として、確かに私は科学をやるために使えるあらゆるツールを使おうとしている大きな信者です。
だからもちろんあなたは私があらゆる種類のことのためにLLMを使おうとしたと推測できます。
そしてほとんどの場合それは機能しません。それらが機能することは、実際に数週間前に成功がありました。私が見つけようとしていたのは、数の列があり、数の列の公式は何かを見つけようとしていました。
それのためのアルゴリズム的メソッドがありました。それらは機能しませんでした。そしてLLMが「これが結果です」と言いました。それは本当に何をやっていたのですか。それが本当にやっていたことは、数学文献を挽いて、検索するためのキーワードを本当に持っていなかったので容易に検索できなかった数学文献のある角にどこかにそれを見つけたということでした。
私がやろうとしていたこの主題的な種類のことがありました。それを見つけました。今、本当により難しいもの、本当にこの計算的既約性をその構成要素として持つものを与えると、ただ顔から落ちます。
それは驚きではありません。人間はそのケースで文字通りおそらく顔から落ちるでしょう。なぜならそれはニューラルネットのようなものがやるように設定されているものではないからです。
ニューラルネットのようなものは人間的なことをやり、それをより良く、より速くできますが、それは人間的な方向です。それは私たちが既約であるこの種の大きな計算の蓄積で行うようになる種類のことではありません。
ところで、その大きな計算の蓄積は私たちの宇宙もやっていることです。
だからそれは質問です。ちょうど私たち人間のように、宇宙で起こっていることの多くは、そこで何が起こっているか本当に知りません。宇宙で起こることの特定の薄い部分があり、私たちは知覚し、何が起こっているかの物語的説明を与えることができます。そしてそれは、私たちの科学法則が攻撃し、LLMが何が起こるかを理解できるというそれらの特定の種類の既約性のポケットです。
人間知性の役割
これは人間の知性を方程式のどこに残すと思いますか。ニューラルネットワークが何をするかを見てきました。そしてあなたが言うように、彼らはかなり異なることをやっているようです。私たちが私たちの知性を適用するであろう特定の状況に適用可能かもしれませんが、彼らはまだ人間がやっていることとはかなり異なることをやっているようです。
これは人間の知性における秘密の成分が何であるかについて私たちにもっと何かを教えていると思いますか。
私は思います。私が思うに大きなことは、人々が脳が思考に重要な奇妙な量子効果を持っているかどうかと疑問に思ったとき。答えはかなり明確にもしそれのもっと証拠が必要だったなら、LLMは私たちにもう一つの証拠を与えます。
いいえ、それは必要ありません。
LLMにあるものは、それが明確になるのに十分似ています。それが物事が進んでいる一般的な方向です。
今、あなたは質問をすることができます、まあ、ループ内の私たち人間をどこに残すのか。そして私がそこで実現すべきことだと思うことは、私たちがAIでやることは、私たちが物事を自動化する方法の種類の長い弧の一部だということです。
物事を自動化するとき、種類の大きな絵は、誰かが「これをやりたい」と言い、問題は「どうやってそれを成し遂げるつもりか」ということです。できるだけ自動的に物事を作ることができれば、「これをやりたい」と考えるだけでよく、そうすれば物事がただ起こります。
私は40年間AI夢を生きていると考えています。なぜなら私がやりたいことをやるためにできるだけ自動的にするツールを構築してきたからです。
ほとんど科学の種類のこと、技術の種類のことなどです。だから私にとって、それは本当に集中しなければならないことは、私が何をやりたいかを理解することだということが自然になりました。何をやりたいかを理解したら、それを計算的に定式化できれば、それを非常に自動的にやるツールがあります。
そしてそれは私がますます見ると思う種類の絵です。本当の焦点は、私たちがやりたいことを概念化する方法です。そして私が技術的にやろうとしてきたことの一部は、人々に計算的に物事について考える方法を与える計算言語を構築することです。
ちょうど一般的に物事について考える方法がおそらく私たちが話す自然言語によって大いに決定されるように。
だから計算的形式に私たちの考えを投じる方法を持ちたいなら、そうするための豊かな計算言語を持たなければなりません。ちょうど数学的に物事について考えるための数学の言語があるように。
私の努力の目標の種類は、人間が物事を計算的に定式化させる、そしてところでコンピュータが実際にそれを実装するのを助けることができる種類の計算言語を作ることでした。
しかし最終的に人間をどこに残すかと尋ねるなら、人がやりたいことの抽象的な定義はありません。
宇宙には宇宙の抽象的な目標はありません。宇宙はただそれがやることをやります。
そして私たちが選ばなければならない無限の数の可能な目標があります。それから私たちがAIや他の自動化をできるだけうまく機能させることができれば、それらの目標を達成しますが、自動化できないものは、あなたが実際に何をやりたいかです。
ところで、人々がやる仕事を見るとそれを非常に直接的に見ます。少なくとも米国では1850年頃からの人々がやってきた仕事についてのデータがあります。かつてはほとんど農業で、農業は自動化され、それはパイチャートの大きな部分から小さな部分になりました。
そしてそれらのすべての人々は何をすることになったのですか。農業の自動化は他の可能性の束を開きました。一般的に経済で起こっているのを見るのは、彼らがより発展するにつれて、ものがますます断片化されるということです。より多くの異なる種類の仕事、異なる職名などがあります。
それは何ですか。私が思うにそこで起こっていることは、私はこれについてもっと理解したいですが、私が思うに起こっていることは、より多くの自動化を得るにつれて、より多くの可能性があり、人間が何をやりたいかにより焦点があるということです。そしてそれは、本当に重要なのは、どのアートワークを作りたいかというようなこと、アートワークを作る力学というよりも、人間の選択の種類である最前線にあるこれらのすべての異なるニッチがあることを意味します。
だから私が思う種類の未来の絵は、人間がやりたいことをかなり恣意的に決定しなければならず、それからそれを自動化させることができるということです。
AI文明の出現
今、何が起こるか、そしてそれはある程度すでに起こっています。その下で起こっているAIの全体の文明があります。それはすでに起こっています。今では世界には人間よりも多くのAIがあり、それはちょうど人間社会が特定の力学動態を持っているように、AI社会もそうです。その下と私たちの周りで起こっている文明を持つこれらのすべてのAIがある場合、それは何のように感じるかということになります。それは私たちをどこに残しますか。
実現すべきことは、私たちは以前に絶対にこの状況にあったということです。それは自然がずっとそれをやっているということです。自然はこれらの種類のことすべてを計算していて、私たちはこの種の薄いつながりを持っています。自然のある側面は私たちが一種の利用します。私たちが雨に濡れることを防ぐために家を建てるなどの他のものがあります。
そしてそれは一種のです。自然であるこの計算力との共存は、私たちが永遠に慣れてきたものです。
そしてそれは私たちが今AIのインフラストラクチャと見ている同じ種類のことです。独自の動態、独自のキャラクター、独自の法則を持つ何かをやっていて、そのほとんどは私たちがまだ知りません。ちょうど自然が私たちが見る特定の法則を持っているように。自然には私たちが何をやっているか理解していない多くのことがあります。しかし自然で起こることと私たちが心の中で物語的に理解できることの間に一種の橋を作ることができるこれらのケースがあります。
あなたは何十年もこの分野で働いてきました。そしてAI業界と研究にはこれらのAI冬があるというアイデアがあります。莫大な誇大広告と約束のこれらの期間があり、それから物事が一種の死に、しばらく行って、それから再び上昇します。
私たちが今ある種のAIバブルにいるかもしれないという話がますます増えています。私たちは種類の過剰投資で、進歩は現時点で見てきた種類の指数的ペースで続かないかもしれません。私たちが別のAI冬、一種の休耕期に向かう可能性だと思いますか。
見てください、歴史を本当に見れば、ディープラーニング2011年、LLM2022年など、一連の突破口がありました。音声からテキストや画像生成などについての中間的なものがいくつかあります。
小さな突破口です。それほど小さくはありません、大きな突破口ですが、突破口です。そして起こることは漸進的期間がかなり遅いということです。そして今、主な価値はあなたのより良い基盤モデルを作ることにはありません。
主な価値は、この野生動物であるものを利用する方法を見つけることです。それは一種の私たちが見つけたようなものです。野生の馬か何か。今、問題は馬が引くことができる馬車を作ることができるかです。別の馬を作らないことです。
私は思います、私たちは得るつもりだった主な馬を得ました。
今、例えば、ビデオ生成が徐々にオンラインになっているような他のことがあるでしょう。ロボティクスは、人型ロボティクスが最終的にやりやすくなるChatGPTの瞬間があるかもしれない分野になると疑っています。
そのようなことが起こるでしょう。今まさにそれが置かれている特定の方向にこの量を入れることが良い投資であるかどうか尋ねられたら。まあ、それは複雑な動態です。なぜなら業界が機能する方法は、お金を入れると単純にお金が戻ってくるほど単純ではないからです。それはより複雑なエコシステムです。
だからそれは、技術業界が実際に機能する方法の現実世界の観点から答えなければならない質問です。これは実際に機能し、私たちにより良い技術の一部であるものを作るかどうかではなく。
あなたは指数的進歩について話しますが、私はそれはただの一連のジャンプだと主張します。
本当に起こったことは以来、LLMは少し安くなりました。ツールを使うのが少し良くなりました。自分自身を修正することが少し良くなりました。そして多くの使用ケースが見つかりました。
それを活用する前にコアの野生動物が必要です。しかしそれに馬具を置く方法、その技術を使うことができる方法。私たちのケースでは、今可能になったことの一つは、何か計算的なことについて漠然としたアイデアを持つことができ、LLMにWolfram言語コードを書かせることができ、それから人間として読んで「ああ、それは私が望んだことをやる」と言うことができるということです。
そしてなぜなら私たちは人間の理解可能性のために最適化された言語を構築しようとしてきたからです。だから、LLMが正しいアイデアを得るかもしれないし、得ないかもしれない何かがあります。それはしばしば正しいアイデアを得ません。しかしそれが正しいアイデアを得なかったことを見ることができて、「もう一度試そう、そしておそらくそれは正しいアイデアを得るだろう」と言います。
そしてあなたはそれを見ることができて、それからあなたはその上に構築し構築し構築できるこの種の固い計算的レンガを得ました。
AIと科学の未来
AIの進歩の最も楽観的な予測を取り、指数的な予測を取り、2、3年以内に超知能であるシステムを持つなら、その言葉の定義に同意するかどうかは別として、あなた自身がWolfram物理学に取り組み、宇宙の理論を考え出そうとしていることで、ある意味時間のプレッシャーを感じますか。他の物理科学で起こっている莫大な進歩、AIを使って新しい理論、新しいアイデアを発見する人々とともに。それともあなたは一種の自分自身の特定のレーンに留まり、自分自身の種類の仕事を続けることに満足していますか。
個人的には、私は自分がやっていることが好きです。私は本当にそれが好きではありません、もしAIが私のためにそれをやるつもりなら、私はただ何でも掛けて、座って、リラックスして、それを起こらせます。
それは私がそれをやるのが好きだということです。だからそれは、私は人生のほとんどを種類のすべての私の友人である物理学者や多くの他の人が物事をやるために使われるツールを構築することに費やしてきた人です。
だから私はツールを活用することの大きな信者です。私は人々がツールをどれほど活用しないかいつも驚いています。私は常にできるだけツールを活用しようとしてきました。そしてツールができない部分、それは通常あなたが何をやりたいかの戦略です、私が集中することになる部分です。
だから、いくつかのAIがやってきて、私が理解したかもしれないすべてのことを理解するつもりだと思いますか。私はそれらのAIを構築することに取り組んできました。だからそれは一種のです。そして確かに私が理解してきたこと。私が構築してきたツールなしでこれらのことを理解できた方法はありません。
そして今のところ、AIは本当に私を感動させていません。何かを持つ方法という点で。私は実際のレベルでの能力のようなことを意味します。ある漠然としたものを与えて、それがWolfram言語コードの正確な部分に変わることができるのは有用です。
ゲーム変化的に有用ではありませんが、物理学文献を主題的に検索して、ブラウン運動の類似物を見つけることができれば有用です。それは本当に有用です。それは息をのむほど有用ですか。それは本当に役立つかもしれませんが、それは「うわあ、それは魔法のようなもの」というようなものではありません。
私は期待していません。一度AIのようなブランドを持つと少し複雑なことの一つです。AIはかつては深く傷ついたブランドでした。私が「私たちの技術について話すあらゆるものからAIのすべての言及を取り除こう」というような瞬間がありました。それからAIがこの非常に人気のあるブランドになり、すぐにすべての計算的なものがAIと呼ばれるようになります。
そしてそれは非常に混乱します。なぜなら、はい、私にとって物事を発見する非常に魔法のような方法であったことの一つは、計算的宇宙に出て行き、異なる種類の現象のために計算的宇宙を検索することです。
それは本当に魔法です。そこに何があるか決して分かりません。標準的な人間の直感と完全に相反する予期しなかったことを見つけます。そして本当に驚くべきことを見つけます。
今、それはニューラルネットとは何の関係もありません。異なる種類の分野です。
しかしそれは確かに科学に魔法をもたらす計算的なことです。今、ニューラルネットがWolfram言語コードを生成し、乱数を生成することなどに接続されているかどうか、それもそれをやることができますが、それが追加している主なものは予期しないかもしれないものを追加していると思いません。
それが追加する主なものは人間化の層です。
教育AIの挑戦
言い換えれば、すべての可能な数学的定理を生成しに行くと言うなら、それはそれほど難しくありません。なぜなら非常に多くの数学的定理があるのでそれほど遠くまで行かないからです。しかし問題は、私たちが生成しているこれらの定理のうちどれを誰が得るか、誰が気にかけるかということです。
そしてそれは潜在的に私がこれを機能させていないものですが、これが機能すると思うのはもっともらしいと思います。LLMが「見てください、私は人間が数学について書いた400万の論文を読みました。そしてそれらの400万の論文に基づいて、それらの人間はこの分野の物事について気にかけているようです」と言うことができるということです。
言い換えれば、それは生の計算的で強力に計算的なものから、LLMが人間が気にかけるだろうものを知っているという点まで人間化された部分に行っています。
それは一種の興味深いです。私たちはこの種のAI教育システムを構築するこのことをやってきました。私はこのプロジェクトに超満足していませんが、しかしそれは自律的に教える種類のものを構築することには長い失敗の歴史があるようです。
私たちはそれをやるために非常に真剣な努力をしています。そして私が思うにチームはそれが本当に機能すると主張しています。それは欲求不満なことですが、なぜなら私たちが構築するほとんどの製品は私がそれらの製品の市場の中心にいるからです。
私は長い間代数を学びました。私はもはや代数を学ぶための市場の中心にいません。
しかしそこで興味深いことは、ある意味で起こらなければならないことは、AIが人間学習者のためのモデルを作らなければならないということです。この人間学習者とともに、これはあなたが代数のある角で何が起こっているかの理解を解放するために彼らに伝える必要がある一つのことです。
研究への動機
アイデアがどこを見るべきか、何に興味を持つべきかを私たちに伝えるAIは一種の興味深いです。
あなたがこのものを見る必要がない立場にいることが私に印象を与えました。あなたはあなたが言うように雇用された種類の学者ではありません。あなたは趣味として物理学もやっているビジネスパーソンです。本当にあなたを駆り立て、あなたにこのものをやらせるものは何ですか。なぜあなたは万物の理論を考え出そうとする時間を取るのですか。
それが楽しいからです。いいえ、本当に。
私はある種の義務を感じます。多くのことがあって、それが理解されます。そしてそれは今、物理学で始まりました。数学の基礎について多くを理解しました。最新のものは生物学の基礎について多くを理解することでした。
私はほとんどそれをやる義務を感じます。なぜならそれは、これらのことが実際に起こったことの多くは、人々が100年前にほぼやった物事があり、行き詰まったからです。
そして今、私たちはそれらの詰まりを解消できます。そして私はどういうわけかアイデアに対するある種の奇妙な義務を感じます。私はこれに取り組んだ方がいいです。さもなければそれは別の100年間留まり、理解されないでしょう。
加えて事実は、起こり続けることです。あなたは一種のこれを開きます。あなたはアイデアとツールのこの塔を構築し、それから突然すべての種類の本当にクールなものを見始めます。
そしてそれはただ「私はそれを調査しに行きたい」と言わないのが非常に難しいようなものです。
そしてそれは本当に、これらのことが一緒に適合するとき、本当に本当に驚くべきです。それは一種の全体の美学のようなものです。それは、何らかの内的個人的理由のために私がたくさん得るものです。
私にとってそれは、私は常に物事を説明することに興味があります。部分的には、物事を説明することが実際に私自身がそれらを理解する方法であることを見つけるからです。
だから私がやることの種類は、できるだけ広範囲の人々が理解できるようにそれらを説明しようとする傾向があります。そして私がやってきたことの一つは、ライブストリーミング科学をやることです。これは私の学術的友人の誰もまだそれをやる勇気を持っていなかった狂ったことの一つです。
そして私が書くものは、そこにあるすべての絵をクリックできて、その絵を作るコードを得ることができることを確認します。それは人々が非常に有用だと思います。なぜならそれはあなたが私がやることができたことに直接構築できることを意味するからです。
しかしそれは、私がこのものをやる主な理由は、私がそれが本当に楽しいと思い、それは最近生物学の基礎についていくつかのことを実現したということです。
生物学の新しい視点
だから「生きている物質を見ると、生きている物質とは何か」という質問がずっとありました。ビクトリア時代にあなたの友人ファラデーに戻ると、彼は原形質について話していたでしょう。
しかし最近では誰もそれを言いません。
彼らは細胞の細胞質について言い、これとそれと他のことを言います。起こったことは「まあ、私たちは何でできているか。私たちは液体ですか」と言うことです。いいえ、私たちは本当に液体ではありません。なぜなら液体はただランダムに跳ね回る分子を持っているからです。
分子生物学が発見したことは、この分子がこの他の分子によって積極的に輸送されるなどのこれらのすべての小さなメカニズムです。
私たちは一種の、非常にバルクレベルで起こっていることのこの全体のオーケストレーションがある物質、バルクオーケストレーション物質を持っています。そして私は実際に数週間前に最終的に理解しました。バルクオーケストレーション物質の一種の理論を作るために私が持っていたアイデアの束を使う方法を。
だからそれは「あなたはそれをやることができない」というようなものです。
なぜならそれはただ、生物組織と一般的に生物学についてどう考えるかの基礎モデルを潜在的に提供するからです。
そしてそれはただこれをやろうとするにはあまりにも興味深すぎるものです。それをやることができません、私はそれをやらないことができません。
それはほとんどどういうわけか義務のように感じます。
はい。
スティーブン・ウルフラム、本当にありがとうございました。あなたと話すことができて嬉しかったです。
ありがとうございます。
ありがとうございました。
コメント