Az algoritmus egy olyan mesterséges intelligencia szoftver, ami képes előre jelezni a természetes eseményeket, és igazolni a híres szimulációs hipotézist. A tudós az Egyesült Államok Energiaügyi az Minisztériumának (DOE) Princetoni Plazmafizikai Laboratóriumában (PPPL) dolgozva fejlesztette ki a gépi tanulás alkalmazó algoritmust, ami képes a saját automatizált tapasztalatszerzésre, így tökéletesítve a predikcióit.
A programot eredetileg azért alkották, hogy előre jelezze a Naprendszer bolygóinak keringését, a Merkúr, a Vénusz, a Föld, a Mars, a Ceres és a Jupiter pályáinak adatain tanítva az MI-t. Qin beszámolója szerint ezek az adatok "hasonlóak ahhoz, amit Kepler Tycho Brahe-től örökölt 1601-ben."
Az adatok alapján egy "kiszolgáló algoritmus" képes megjósolni a Naprendszer más bolygóinak pályáit, a parabolikus és hiperbolikus szökési pályákat is beleértve. Ezt anélkül képes megtenni, hogy be lennének táplálva a Newtoni mozgástörvények és az egyetemes gravitáció. Ezeket a törvényeket egyszerűen levezeti a számokból.
Qin plazma-részecskéken tréningezi az algoritmust a plazma viselkedésének előrejelzésére, és szabályozására fúziós energia-kísérleti létesítményekben. "A fizikában általában megfigyeléseket teszünk, létrehozunk egy elméletet ezekre a megfigyelésekre alapozva, majd ezt az elméletet használjuk új megfigyelések előrejelzésére.
"Én behelyettesítem ezt a folyamatot egy olyan fekete dobozzal, ami képes pontos elméleteket előállítani anélkül, hogy bármely hagyományos elméletet vagy törvényt felhasználna. Lényegében megkerültem a fizika összes alapvető összetevőjét. Közvetlenül az adatokról-adatokra haladok (…) A folyamatban nem szerepelnek a fizikai törvények"
- magyarázta el Qin. Nick Bostrom 2003-ban tette közzé szimuláció-elméletét. Qin szerint algoritmusával feltárta a "valóság technológiáját", ami támogatja a szimuláció-elméletet. Qin a Big Think-nek nyilatkozva megjegyezte:
"Mi az az algoritmus, amely az Univerzum laptopján fut? Ha létezik ilyen algoritmus, azt állítom, hogy annak egyszerűnek kell lennie, melyet a diszkrét téridő rácson kell meghatározni. Az Univerzum komplexitása és gazdagsága a laptop óriási memóriaméretéből és CPU-teljesítményéből fakad, de maga az algoritmus egyszerű lehet."
A kutatás a diszkrét térelméletre épül ami Qin szerint különösen megfelelő a gépi tanuláshoz: "A diszkrét térelmélet beállítható paraméterekkel rendelkező algoritmikus keretrendszerként alkalmazható, mely megtanítható a megfigyelési adatok felhasználására. Miután betanították, a természet algoritmusává válik, melyet a számítógépek futtathatnak az új megfigyelések előrejelzésére".
Qin javaslata szerint ezt kellene használni a fizika tanulmányozásához, felhagyva a folyamatos téridő kergetésével, ami a meghaladott, Newtoni megközelítést jellemzi:
"Ha a folyamatos téridőt differenciálegyenleteken és folyamatos térelméleteken keresztül fejezzük ki problémákba ütközünk, ám ha a fizika törvényei diszkrét téridőre épülnének, sok mai nehézség leküzdhető lenne."
A diszkrét térelmélet lefestette világot Qin a Mátrix című film pixeleihez és adatpontjaihoz hasonlította: "A diszkrét térelméletek alapvetőbbek, mint a jelenlegi fizikai törvényeink a folytonos térben. Valójában az utódainknak a diszkrét térelméletek természetesebbek lesznek, mint a folyamatos téridő törvényei, melyet őseik használtak a 17.-től a 21. századig."
(Forrás: Bigthink Kép: Unsplash)