Анатолий Левенчук - Образование для образованных. 2021

Мир меняется от принципиально непредсказуемых факторов. Вы не можете предсказать изобретения 7 миллиардов человек! В том числе и «антиизобретения» законодателей, типа пандемических локдаунов как неконституционно вводимых ограничений на передвижение, или запрета каких-то вычислений типа вычислений для криптовалютного рынка. И эти непредсказуемые изменения распространяются по земному шару крайне быстро – речь идёт об экспоненциальных, и даже гиперэкспоненциальных изменениях, которые происходят не по воле каких-то правительств, а по воле изобретателей и поддерживающих их предпринимателей и инвесторов.

Примеры мы привели главным образом из производства, но примерно то же самое творится в науке. Современная лингвистика была закрыта буквально за несколько лет: много лет нарабатываемые лингвистами языковые модели оказались менее точными, и менее полезными на практике, чем языковые модели на основе нейронных сетей – и делали их отнюдь не лингвисты, а специалисты по машинному интеллекту. Математики, специалисты по архитектуре нейронных сетей, программисты пришли в лингвистику «сбоку» – и они теперь на лингвистическом фронтире, буквально за три года (с момента появления архитектуры transformer 35 35 https://arxiv.org/abs/1706.03762 в 2017 году), а не лингвисты с их тысячелетним багажом знаний. А теперь появились на базе этих изменившихся представлений о естественном языке и его природе научные работы, где по-новому оценивается роль естественного языка по сравнению с использованием формального математического языка в логике 36 36 https://ailev.livejournal.com/1551283.html .

Даже если брать математику в приложении к физике, то и тут всё быстро, и «классические учёные» могут уже не поспевать за прогрессом. Графовую нейронную сетку «дистиллировали» в алгебру, а затем подобрали в этой алгебре математическую форму (символьная регрессия 37 37 https://en.wikipedia.org/wiki/Symbolic_regression , https://arxiv.org/abs/1912.04825 , или выявление/discovery символьных моделей) для выражения закономерностей в физических наборах данных. Чтобы проверить подход, переоткрыли уравнения ньютоновской механики, переоткрыли гамильтониан из квантовой механики, и предложили закон (математическую формулу) для описания гало тёмной материи в космологии – чтобы продемонстрировать не «переоткрытие», а «открытие» 38 38 https://arxiv.org/abs/2006.11287 . Основная физическая интуиция как раз и берётся символьной регрессией, в основе которой эволюционный алгоритм. Лидер в этой области символьной регрессии вполне уже коммерциализован 39 39 https://www.nutonian.com/ :, эволюционный/генетический алгоритм символьной регрессии Eureqa.

По большому счёту всё равно: у вас предпринимательская гипотеза, научная гипотеза, инженерная гипотеза: выдвижение гипотез и их проверка относится к общим мыслительным умениям, хотя по-старинке называется «научным мышлением». Научное мышление общеупотребимо, любое «проверить идею», «понять причины», то есть объяснить. Этим поиском объяснения, выдвижением и проверкой гипотез для объяснений занимаются ежедневно миллионы учёных, но также и менеджеров, предпринимателей, инженеров, разглядывающих многочисленные данные по их предметам интереса. Предпринимательская гипотеза – это не научная гипотеза, но она одной природы с научной гипотезой, это догадка, которая должна выдержать проверку! Eureqa предлагает облегчение труда для самых разных людей, занимающихся выдвижением догадок/гипотез/guesses в самых разных деятельностях, и таких AI-сервисов по выдвижению гипотез будет много, они будут конкурировать, цена типовых «объяснений» будет падать. При этом цена самых трудных объяснений будет оставаться прежней и не падать, зато доступная для этой высокой цены трудность поиска и разнообразность доступных приёмов объяснения будет всё время расти.

Сама физика в текущих работах только привлекает внимание к новым алгоритмам, демонстрирует работоспособность алгоритмов научного мышления. Разработчики Eureqa не имеют какого-то отношения ко всей этой космологии и гамильтонианам, они просто «разрабатывают искусственный интеллект», что бы это ни значило. Им всё равно, объяснять движение планет, или движение курсов акций на фондовом рынке. Но они со своими объяснениями сначала пришли в науку, и продемонстрировали, что их алгоритм выдвигает гипотезы не хуже Кеплера!

Наука уже не будет прежней, и к ней пришли «сбоку»: к физикам пришли люди, занимающиеся нейронными сетями и символьной регрессией, а не физикой.

Копают люди давно уже не руками, и не палкой-копалкой, и не лопатой, а экскаватором. Для вытаскивания законов природы из данных палка-копалка из нейронных сетей и символьной регрессии уже готова, статья опубликована. А лет через пять ждём, что новые законы будут грести уже лопатой. Лет через двадцать-тридцать можно ждать и «научного экскаватора». Просто удивительно, как мало людей, понимающих суть происходящих перемен. В науке тоже всё новое приходит сбоку, и неудивительно, что «старые физики» не будут понимать, что происходит – как уже сейчас «старые лингвисты» не понимают, как устроены современные системы машинного перевода.

Искусственный (он же машинный) интеллект развивается сейчас особенно быстро, и Тим Урбан даже нарисовал про это иллюстрирующую экспоненциальные технологии картинку 40 40 https://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html :

Это картинка 2015 года. В то время трудно было представить, что робот-юрист возьмёт на себя 80% юридической работы в фирме, держащей миллионы контрактов. Или что AI победит чемпионов мира в Го, в StarCraft II. Машинный интеллект по сфере своего использования такой же, как естественный: он может применяться везде. В том числе и в диджействе. Технология NeuralMix в приложении DjayProAI для iOS получила апдейт 41 41 https://www.youtube.com/watch?v=yP5cavP4eWc , https://www.algoriddim.com/djay-ios/releasenotes : раньше она могла разделить запись музыки на вокал, перкуссию и всё остальное, а теперь может разделить на вокал, перкуссию, бас и всё остальное. Смешивать два трека диджею можно уже не целиком, а отдельно каждую из четырёх частей трека. Но тут нейронные сети не просто автоматизируют труд диджея, но делают то, что человек раньше делать не умел. А ведь диджейство по факту массовая профессия: раньше учились массово семь лет в музыкальной школе, а теперь учатся год в школе диджеев – и пультов диджеев продаётся уж не меньше, чем роялей, просто на это уже мало кто обращает внимания. Сочиняет ли компьютер музыку? Да, конечно. Сочиняет ли новую музыку, или только перемешивает в новых сочетаниях давно известное? Сочиняет, проверено 42 42 https://arxiv.org/abs/2011.13062 .