Nuevo Método de Aprendizaje Automático Plantea Interrogantes, Otra Vez, Sobre la Naturaleza de la Realidad ...

Por Inés Urdaneta / Física e investigadora de Resonance Science Foundation

El aprendizaje automático y la inteligencia artificial están ocupando el escenario cada vez más, con enormes implicaciones filosóficas. Hemos seguido este tema en nuestro blog de ciencia de RSF, primero a través del artículo Entre el enfoque holográfico y la ciencia de los datos, donde abordamos el potencial de las redes neuronales artificiales entrenadas para sustituir nuestros modelos científicos, y se discutió la posibilidad de que la realidad sea una simulación numérica. De alguna manera nos habíamos adelantado al trabajo de Vitaly Vanchurin, de la Universidad de Minnesota Duluth, proponiendo que vivimos en una red neuronal y afirmando que sólo a través de las redes neuronales podríamos encontrar la teoría del todo y la teoría de la gran unificación. Así pues, nuestro segundo artículo, titulado ¿Es el universo una red neuronal? abordaba esta última posibilidad.   

Hoy se ha publicado en Phys.org un artículo titulado New machine learning method raises question on nature of science (Nuevo método de aprendizaje automático plantea sobre la naturaleza de la ciencia) que combina las cuestiones planteadas por ambos artículos de RSF pero difiere de ellos en que el autor del estudio, el físico Hong Qin (del Laboratorio de Física del Plasma del Departamento de Energía de EE.UU.), ha ideado un novedoso algoritmo basado en la teoría de campos discretos (que sólo requiere una pequeña cantidad de datos de muestra) que sustituiría a los anteriores métodos de aprendizaje automático, en particular al algoritmo utilizado, es decir, las redes neuronales (que requieren un amplio entrenamiento con enormes cantidades de puntos de datos para llegar a una predicción satisfactoria).

Los resultados son muy impresionantes. Como dice el resumen de su artículo titulado Machine Learning and Serving of Discrete Field Theories (Aprendizaje de Máquina y la utilización de Teorías de Campo discretas), publicado en Nature "La eficacia del método y los algoritmos desarrollados se demuestra utilizando los ejemplos de las oscilaciones no lineales y el problema de Kepler. En particular, el algoritmo de aprendizaje aprende una teoría de campo discreto a partir de un conjunto de datos de órbitas planetarias similares a las que Kepler heredó de Tycho Brahe en 1601, y el algoritmo predice correctamente otras órbitas planetarias, incluidas las órbitas de escape parabólicas e hiperbólicas del sistema solar, sin aprender ni conocer las leyes del movimiento y la gravitación universal de Newton. Se espera que los algoritmos propuestos sean aplicables cuando los efectos de la relatividad especial y la relatividad general sean importantes".

Este notable logro es extremadamente útil, y pronto podría sustituir a todos los modelos científicos, abriendo la cuestión sobre la naturaleza de la propia ciencia que se aborda en el artículo de Phys.org: "¿No quieren los científicos desarrollar teorías físicas que expliquen el mundo, en lugar de limitarse a acumular datos? ¿No son las teorías fundamentales para la física y necesarias para explicar y comprender los fenómenos?"

En respuesta a esa pregunta esencial, Qin dice: "Yo diría que el objetivo último de cualquier científico es la predicción. Puede que no se necesite necesariamente una ley. Por ejemplo, si puedo predecir perfectamente una órbita planetaria". Este distanciamiento de la ciencia, tal y como yo la entiendo, me sorprendió mucho, y planteó una cuestión más profunda, no sobre la naturaleza de la ciencia, sino sobre la naturaleza de la realidad. La ciencia evolucionó a partir de la filosofía natural; la forma de indagar y cuestionar no sólo la observación, sino también al observador, se cuantificó posteriormente mediante ecuaciones, la reproducibilidad del fenómeno y el desarrollo de tecnología y modelos sofisticados. En algún momento de su evolución, la ciencia parece haberse desviado completamente de la filosofía, hasta el punto de que los modelos podrían no tener ningún sentido. La mayor parte de mi resistencia a continuar con nuestra física moderna actual, es precisamente la falta de significado, junto con una abrumadora avalancha de matemáticas intrincadas y programación. Nuestras teorías carecen de arraigo y contención, que es una forma poética de decir que la teoría de lo muy pequeño (teoría cuántica), y la de lo muy grande (relatividad y gravedad) están esencialmente desconectadas. Si para entender la realidad en profundidad, la humanidad necesita entender estos modelos... bueno... la mayoría estará probablemente condenada. Nuestra escala, la humana, es huérfana.

Como dice la renombrada física Sabine Hossenfelder en su artículo: "Los físicos se enfrentan al estancamiento si siguen tratando la filosofía de la ciencia como una broma" (véase también su blog). Por supuesto, se puede argumentar que la ciencia no debe ocuparse de la naturaleza de la realidad, sino de la naturaleza de ... la naturaleza. Si ese fuera el caso, me pregunto cómo podría abordarse el tema de la conciencia desde el punto de vista meramente físico. Y en este punto, también me pregunto qué entiendo por físico. 

Supongo que la posición de Qin sobre este asunto está de alguna manera influenciada por su inspiración en el experimento mental del filósofo de Oxford Nick Bostrom, según el cual el universo es una simulación informática (conocida como la conjetura de la simulación). Si esto es cierto, las leyes físicas fundamentales deberían revelar un universo formado por unidades individuales de espacio-tiempo, como los píxeles de un videojuego, o incluso como las PSU (Unidades Esféricas de Planck) en el Modelo Holográfico Generalizado derivado por Haramein para resolver la gravedad cuántica. 

En cuanto al comentario de Qin "Si vivimos en una simulación, nuestro mundo tiene que ser discreto", es parcialmente correcto. Si el universo es una simulación numérica, los bloques de construcción iniciales deben ser unidades discretas. Pero eso no significa que la dirección opuesta sea cierta, es decir, que si los puntos de partida son unidades discretas entonces el universo es una simulación numérica, y esto es precisamente lo que abordamos en detalle en los dos artículos anteriores de RSF (aquí y aquí). Hay un punto hermoso y poco apreciado aquí: en nuestra realidad, intercambiamos cosas, por lo que necesitamos números enteros, si no, ¿cómo podríamos intercambiar algo? ¿Cómo puedo darte una manzana continua, sin límites? ¿O tú me das una flor continua? Y, sin embargo, si nos metiéramos dentro de la manzana, podríamos llegar a la escala de Planck, ¡que es 34 órdenes de magnitud más pequeña! ¡Es como si la manzana fuera infinita hacia adentro!

La discretización (como algo opuesto a lo continuo) es necesaria si tenemos intercambio de información (o energía), y para tener intercambio, necesitamos diferenciación entre las partes, es decir, un cierto grado o nivel de separación.  Irónicamente, si rastreamos el origen de la discretización de este intercambio de energía, nos adentramos en el nivel más profundo de la masa, llegamos a la escala de Planck y a la famosa relación Einstein-Planck E = hf, donde E es la energía, h es la constante de Planck, y f es la frecuencia de la partícula oscilante. Curiosamente, el intercambio de energía de dicho oscilador sólo puede producirse en cantidades enteras de hf, de ahí la palabra cuantización, que significa que estoy contando las cantidades enteras de hf intercambiadas. ¡Es irónico que sea precisamente esta cuantización (que no es propia de la materia, sino del espacio, como sugiere este trabajo de Qin, y el de Haramein explica con precisión) lo que podría hacer creer a la comunidad científica que vivimos en una simulación numérica!

"Lo que estoy haciendo es sustituir este modelo (la ecuación de la física) por un tipo de caja negra que puede producir predicciones precisas sin utilizar una teoría o ley tradicional".      - Hong Qin.

Como explica Qin, la recompensa es que la red aprendió las leyes del movimiento planetario tras presenciar muy pocos ejemplos de entrenamiento; su código realmente "aprende" las leyes de la física y, en este sentido, la técnica también podría conducir al desarrollo de una teoría física tradicional.

El colaborador de Qin, Palmerduca, dice aquí: "Aunque en cierto sentido este método excluye la necesidad de tal teoría, también puede verse como un camino hacia ella. Cuando intentas deducir una teoría, te gustaría tener tantos datos a tu disposición como sea posible. Si te dan algunos datos, puedes utilizar el aprendizaje automático para rellenar las lagunas de esos datos o para ampliar el conjunto de datos".

Por su parte, la propuesta de Vanchurin aplica los métodos de la mecánica estadística para estudiar el comportamiento de las redes neuronales, y descubrió que en ciertos límites la dinámica de aprendizaje (o entrenamiento) de las redes neuronales es muy similar a la dinámica cuántica. Partiendo de un modelo preciso de redes neuronales para estudiar el comportamiento de la red hasta el límite de un gran número de neuronas que, de alguna manera, Vanchurin imita el paso de un estado de cuasi equilibrio (un estado cuántico), a un estado alejado del equilibrio (un estado clásico), y así es como parece funcionar el mundo que nos rodea, y su modelo también. Además, sabemos que la escala cuántica funciona para las escalas muy pequeñas, mientras que la relatividad funciona para la escala muy grande, por lo que su modelo podría abordar también esta cuestión, conectándolas "fluidamente".

Debido al éxito que la física cuántica ha tenido en muchos regímenes y dado el hecho de que lo muy grande se compone de lo muy pequeño, la mayoría de los físicos estarían de acuerdo en que la mecánica cuántica es la teoría principal y todo lo demás surge de ella. Vanchurin considera un enfoque diferente: que una red neuronal microscópica es la estructura fundamental y todo lo demás, es decir, la mecánica cuántica, la relatividad general y los observadores macroscópicos, surge de ella.  Y la principal razón para ello, proviene del hecho de que las redes neuronales son extremadamente eficientes para conseguir propiedades emergentes.

No está claro cómo surgirían las propiedades emergentes a partir del modelo de Qin, parece que ambas propuestas podrían complementarse, y una combinación de ambas podría dar lugar a la llamada teoría de la gran unificación, aunque puede llevar un tiempo considerable llegar a esa etapa. Tampoco está claro cómo ambos modelos, el de Qin y el de Vanchurin, podrían proporcionar una teoría de unificación coherente y comprensible que se base en ecuaciones físicas que describan el mecanismo y los procesos (como estamos acostumbrados en la física actual) si ambos son cajas negras.  

La buena noticia es que, con el modelo holográfico generalizado, ¡ya estamos ahí!

_{RSF en perspectiva}

En cuanto al ejemplo de una manzana como objeto intercambiable finito, aquí es donde entra en juego la magia ... el espacio entre los objetos o la separación entre los objetos puede interpretarse como una discontinuidad en el espacio. Estos objetos interrumpen la continuidad del espacio, como si surgieran de una división del espacio. Sin embargo, incluso en el vacío, el espacio entre los objetos no sólo divide, sino que también conecta, ya que está lleno de oscilaciones EM (las fluctuaciones cuánticas del vacío) que sabemos que tienen efectos macroscópicos, como se ha demostrado tantas veces a través del efecto Casimir, y que no solo están en el espacio entre los objetos, sino dentro de los objetos. Es como si la materia y el espacio afuera de la materia, fueran diferentes estados o fases del vacío. Recordemos que la materia es 99,99999999..% espacio “vacío”, es decir que, ¡está compuesta mayoritariamente por las fluctuaciones del vacío!

Por lo tanto, en lugar de intentar ver hasta dónde llega la división en la materia (como colisionar partículas para llegar a lo más pequeño o fundamental), la intuición de Haramein dice que debemos buscar en cambio el patrón fundamental de división del espacio. Esta solución a la gravedad cuántica, que ha permitido calcular el radio de carga del protón con precisión experimental (mientras que el modelo estándar se equivoca en un 4%), tiene otras implicaciones para este patrón de división del espacio, que tienen que ver con la fractalización del espacio y la aparición de masas, fuerzas y campos. Su último trabajo, titulado Scale invariant Unification of forces, fields and particles, in a quantum vacuum plasma (Invarianza bajo escalas en la unificación de campos, fuerzas y partículas en el plasma del vacío cuántico), que se publicará próximamente, nos proporcionará una teoría unificadora fundamental, en lugar de la teoría de la caja negra.