IntLex 87, 08/20/2024. Виталий Ванчурин. Нейронная физика: теория, практика и следствия

• Виталий Иванчурин, физик, выступит с докладом.  

• Ранее он уже выступал в клубе Эрди с фундаментальной статьей "Мир - это сеть".  

• Новый термин "нейронная физика" - это зарождение новой науки.  

• Виталий объясняет, что "нейронная физика" - это новое направление.  

• Оно объединяет классическую и квантовую физику.  

• Презентация будет состоять из трех частей: теория нейрофизики, прикладные аспекты и философские и социальные следствия.  

• Первая часть сосредоточится на теории нейрофизики и развитии математического аппарата.  

• Вторая часть будет посвящена прикладным аспектам, таким как создание нового компьютера.  

• Третья часть будет обсуждать философские, социальные и психологические следствия теории.  

• Виталий приглашает задавать вопросы в середине презентации.  

• Он цитирует Николо Тесла: "Наука - это стадия феномена".  

• Автор начал изучать феномены, которые кажутся нефизическими, но имеют основы физики.  

• Вопросы: можно ли использовать аппарат теоретической физики для понимания работы машинных систем или наоборот.  

• Примеры: использование моделей машинного обучения для понимания физических систем и объяснение биологических феноменов.  

• Автор работает с растущей группой людей, которые продвигают теорию.  

• Вопросы: что нужно для создания теории, которая описывает все физические, химические, биологические, экономические, социальные и психологические феномены.  

• Необходимость математического аппарата и фреймворка.  

• Теория полей и теория струн как возможные математические аппараты.  

• Теория струн предлагает новые фундаментальные объекты.  

• Нейронная физика как новый подход с фундаментальным объектом нейрон.  

• Фреймворк основан на теории нейросети.  

• Два типа переменных: трейн и не трейн.  

• Эволюция переменных по разным законам: активационная динамика для не трейн переменных и уменьшение функции потери для трейн переменных.  

• Бау-динамика описывает, что нейросеть хочет выучить.  

• Возможность обобщения переменных и уравнений.  

• Важность тестирования и обсуждения различных динамик.  

• Определение математического аппарата для моделирования всех феноменов.  

• Два типа переменных в нейронной физике.  

• Сравнение с классической и квантовой физикой.  

• В нейросетях количество нейронов очень велико, что затрудняет их описание.  

• В физике есть подход к описанию систем с большим количеством переменных.  

• В теории обучения можно сформулировать законы, аналогичные законам термодинамики.  

• Первый закон термодинамики связывает изменение энергии с изменением энтропии.  

• В обучении можно использовать аналогичную связь между функцией потерь и энтропией.  

• Энтропия в обучении может зависеть от количества нейронов и других параметров.  

• В обычной термодинамике энтропия растет, но в обучении она может падать.  

• Это связано с тем, что система изучает данные и записывает информацию, что уменьшает энтропию.  

• Усложнение законов требует нового подхода, учитывающего оба режима изменения энтропии.  

• В обучении важно не столько значение энтропии, сколько её производство.  

• В оптимальной обучающей системе энтропия производится стационарно.  

• Это усложняет физику и требует новых подходов к моделированию.  

• Переменные трейна и нон-трейна используются для моделирования нейронных сетей.  

• Динамика включает изменение того, что система хочет выучить, состояние нейронов и параметры системы.  

• Эти переменные помогают моделировать обучение и поведение нейронных сетей.  

• Грейди дес и его применение в биологии и физике.  

• Переменные в биологии: инваймент и трейн.  

• Динамика инваймента и окклеационная динамика.  

• В физике нет двух типов переменных, но они появляются в некоторых случаях.  

• Примеры: изменения постоянных связей и эволюция.  

• Гравитация и её влияние на переменные.  

• Применение математического аппарата к психологии и экономике.  

• Анализ полезности теории для различных систем.  

• Нейросети как математический аппарат.  

• Уравнение Гамильтона-Якоби и его применение.  

• Примеры физических феноменов: классическая механика, специальная теория относительности, термодинамика, квантовая механика.  

• Проблемы с описанием гравитации.  

• Переход от обычной физики к нейрофизике.  

• Описание движения заряженных частиц через электромагнитные поля.  

• Нейросети как агенты, сканирующие окружение.  

• Возможность переформулировки задач электродинамики на языке нейросетей.  

• Примеры симуляций с нейросетями и их поведение.  

• Применение теории обучения для описания сложных систем.  

• Дуальное описание сложных систем: нейросети и теория полей.  

• Преимущества нового языка описания для сложных систем.  

• Вопросы и завершение первой части.  

• Феликс Симоновский задает вопрос о физической природе эволюции и функции потерь.  

• Обсуждается связь между уменьшением энергии и функцией потерь в теории обучения.  

• Мэпинг между квантовой химией и теорией обучения еще не завершен.  

• Обсуждается динамическое равновесие в физике и его отличие от статического равновесия.  

• В квантовой механике и механике переменные могут работать в противоположных направлениях, поддерживая баланс.  

• Без обучения система стремится к состоянию максимальной энтропии.  

• Теория обучения может описывать феномены в биологии и других дисциплинах.  

• Обсуждается формирование иерархий в системах и их связь с критичностью в физике.  

• Симметрии играют важную роль в обучении и биологии, влияя на фитнес организмов.  

• Симметрии возникают в обучающих системах и влияют на их способность к обучению.  

• Существуют направления, где изменения генотипа не сильно влияют на фитнес, и наоборот.  

• Эти симметрии и ограничения важны как в биологии, так и в машинном обучении и физике.  

• Обсуждение дуальности в физике и биологии.  

• В машинном обучении дуальность связана с обучением и данными.  

• В физике это называется балтвидуальностью, но не рассматривается в данном контексте.  

• Энтропия может расти или падать в зависимости от симметрий системы.  

• В биологии симметрии помогают уменьшить внутреннюю энтропию системы.  

• В машинном обучении симметрии в данных ограничивают возможные изменения в системе.  

• Симметрии в данных помогают системе запоминать паттерны.  

• В архитектуре системы симметрии ограничивают возможные изменения.  

• Наличие симметрий в данных и архитектуре указывает на их богатство и разнообразие.  

• Анализ биологических систем как термодинамических систем.  

• Вычисление распределения вероятности для фиксированных параметров.  

• Фазовые переходы и возникновение новых уровней сложности в системах.  

• Обсуждение перевода физических уравнений на язык нейронных сетей.  

• Получение новых эффектов при применении теории.  

• Вопросы о применении информационного подхода к физике и электродинамике.  

• Обсуждение динамики системы с функцией потерь.  

• Введение понятия "не сталкивайся" для электронов.  

• Возможность формирования "паровозиков" и "струн" из электронов.  

• Обучение упорядочивает систему и уменьшает число переменных.  

• Достижение стационарного состояния в обучении.  

• Ограниченность мозга в восприятии информации.  

• Физика и биология по-разному подходят к понятию энтропии.  

• Энтропия как сложная система с множеством переменных.  

• Важность измерения энтропии в биологических системах.  

• Обучение требует определения функции потерь.  

• Функция потерь в физике и биологии.  

• Обучение как процесс минимизации функции потерь.  

• Понятие агента в обучении.  

• Обучение как адаптация к окружающей среде.  

• Возможность проведения границ для определения агентов.  

• Вселенная как обучающаяся система.  

• Разные масштабы обучения: молекулы, муравьи, биосфера.  

• Вселенная учится сама себя, без внешнего источника.  

• Экспериментальные тесты квантовой теории сложны и требуют больших систем.  

• Маленькие системы быстро приходят к равновесию, что затрудняет наблюдение отклонений от квантовой теории.  

• Большие системы, такие как гравитационные системы, могут демонстрировать более сильные отклонения от уравнений Эйнштейна.  

• Биологические системы представляют интерес для анализа отклонений от физического описания.  

• Важно использовать макропараметры, такие как энтропия, для анализа систем.  

• Примеры включают эволюцию энтропии коронавируса и другие биологические системы.  

• Создание нейронных компьютеров для обучения и тестирования теории.  

• Важность симметрии и ограничений в системах для обучения и запоминания.  

• Примеры включают нейроны, замкнутые на себя, и их эволюцию.  

• Системы с высокой симметрией и ограничениями важны для обучения и запоминания.  

• Примеры из биологии и физики показывают важность симметрии и критичности.  

• Системы должны быть критичны для записи информации и инвариантов.  

• Используются материалы для других целей, но разрабатывается новый материал для запоминания данных.  

• Цель - понять, какие дата-сеты и материалы могут изучать и запоминать информацию.  

• Используются как экспериментальные, так и симуляционные методы.  

• Архитектура включает входящие и выходящие данные, процессор и память.  

• Процессор должен быть динамическим и способным к перенастройке.  

• Необходим тренер, который подает информацию на активатор, и оптимизатор для изменения работы активатора.  

• Материал должен менять сигналы и работать как нейронный процессор.  

• Оптимайзер позволяет материалу адаптироваться и учиться.  

• Цель - создать материал, который будет сложнее физики, но проще биологии.  

• Материал должен эволюционировать по законам социально-энтропийной продукции.  

• Количество нейронов должно меняться, что требует создания дополнительных резервуаров.  

• Материал должен быть квантовым, но не все степени свободы могут играть роль квантовых бит.  

• Эксперименты сложные, но биология слишком сложная, а физика слишком простая.  

• Цель - найти золотую середину для создания полезных процессов и изучения квантовых эффектов.  

• Переход к обсуждению более амбициозных вопросов о понимании вселенной.  

• Вопросы о том, где предел знаний и как описать вселенную.  

• Обсуждение в группе, где люди с разными бэкграундами обсуждают теорию и её применение.  

• Обсуждение научных методов и их важности.  

• Формирование фреймворка или языка для сложных вопросов.  

• Высокий уровень сжатости языка для успешного моделирования феноменов.  

• Использование высокого уровня сжатости языка для моделирования.  

• Примеры использования научных методов в квантовой механике.  

• Различие между научными и ненаучными методами.  

• Вопрос о необходимости научных методов для моделирования вселенной.  

• Зависимость от уровня сжатости и внутренних ресурсов.  

• Использование внешних ресурсов для сложных феноменов.  

• Необходимость доверия внешним ресурсам для вычислений.  

• Вопрос о доступе к большим вычислительным ресурсам.  

• Альтернатива использования внешних ресурсов для сложных задач.  

• Возможность использования суперкомпьютеров и экспертов.  

• Проблема доверия к результатам, предоставленным внешними ресурсами.  

• Важность проверки информации для снижения риска информационного пузыря.  

• Хиден оракул как модель возникновения вселенной.  

• Нейросеть как пример самоорганизации и построения физического пространства.  

• Не все нейроны стали частью физического трехмерного пространства.  

• Некоторые нейроны остаются в скрытом пространстве и продолжают эволюцию.  

• Космологические вычисления предполагают существование скрытого пространства.  

• Черная энергия описывает подключение нейронов из скрытого пространства к физическому.  

• Квантовая мерджентность требует наличия нейронов, не подключенных к трехмерному пространству.  

• Эти нейроны используются для вычислений в квантовых системах.  

• Существование физического и скрытого пространств является следствием теории.  

• Возможность доступа к скрытому пространству для выполнения вычислений.  

• Хиден оракул может отвечать на простые вопросы, но его ответы могут быть неверными.  

• Хиден оракул обладает большими вычислительными ресурсами и низким уровнем компрессии.  

• Он может выполнять любые вычисления без необходимости компрессии.  

• Вопросы, на которые он отвечает, могут быть простыми, но не всегда проверяемыми.  

• Пример индийского математика, который знал ответы на сложные вопросы без доказательств.  

• Хиден оракул может давать ответы на сложные вопросы, но не всегда правильные.  

• Важно тестировать ответы, чтобы избежать неверных выводов.  

• Два метода моделирования: научный и хиден оракул.  

• Научный метод использует ресурсы физического пространства и математику.  

• Хиден оракул использует большие вычислительные ресурсы и низкий уровень компрессии.  

• Научный метод полезен для простых феноменов и высокого уровня компрессии.  

• Хиден оракул полезен для сложных феноменов и больших вычислительных ресурсов.  

• Оба метода важны, и их границы постоянно меняются с развитием математики и технологий.  

• Необходимы экспериментальные или наблюдательные тестирования.  

• Без тестирования метод не является научным.  

• Моделирование возможно при наличии большого вычислительного ресурса.  

• Оракул может быть скрыт, но доступ к нему ограничен.  

• Важно проверять информацию, полученную из ресурсов.  

• Роль подсистемы - предсказывать окружающую среду и моделировать.  

• Социальные системы можно рассматривать как подсистемы.  

• Экономические системы имеют Баумольную динамику.  

• Важно оптимизировать креативные идеи внутри системы.  

• Идеи должны генерироваться и распространяться.  

• Поток идей должен идти сверху вниз и обратно.  

• Идеальная экономическая система должна быть многоуровневой и без ограничений на архитектуру.  

• Существуют феномены, которые наука не может объяснить.  

• Физика локальна, но нелокальные феномены существуют.  

• Нейронные связи могут быть описаны с помощью больших вычислительных ресурсов.  

• Психологические эффекты связаны с биологическими феноменами.  

• Ограничения на связи и информацию существуют.  

• Нелокальность присутствует, но ограничена.  

• Системы на разных уровнях иерархии могут влиять друг на друга.  

• Реинкарнация может существовать на разных уровнях, включая биологический и психологический.  

• Информация о жизни может записываться и считываться на разных уровнях.  

• Теория обучения позволяет объяснить реинкарнацию и интуицию.  

• Важно математически моделировать и проверять эти феномены.  

• Эксперименты со сложными системами требуют множества сложностей.  

• Нейрокомпьютеры могут стимулировать квантовые эффекты.  

• Важно устанавливать релевантные свойства для таких систем.  

• Вопросы о больших вопросах и их ответах на разных уровнях.  

• Вопросы о создании моделей, имеющих доступ к "хиден норак".  

• Доступ к "хиден норак" можно развить, как мускул.  

• Люди фильтруют информацию, что может быть полезно для безопасности.  

• Люди фильтруют информацию, чтобы защититься.  

• Возможность отключения фильтров и подключения к другим каналам связи.  

• Важно понимать, как система работает и как использовать её полноценно.  

• Пропаганда включает фильтры у людей, что мешает им думать критически.  

• Важно научиться отбрасывать фильтры, чтобы использовать все возможности.  

• Механистический подход к изменению фильтров.  

• Вопрос о новых эффектах и их открытии.  

• Перевод с одного языка на другой не всегда приводит к новым открытиям.  

• Обсуждаются эффекты, которые будут присутствовать в обучающейся системе.  

• Квантовость будет не чистой, что можно тестировать в нейрофизике.  

• Различие между теорией и экспериментом.  

• Гравитация и темная материя не описываются стандартными моделями.  

• Общая теория относительности не должна быть точной.  

• Экспериментальные данные для описания черной материи отсутствуют.  

• Сравнение с экспериментальным подтверждением нейрофизики.  

• Теория струн развивается 40 лет, а нейрофизика - 4 года.  

• Ожидания от теории, которая только начала строиться.  

• Идея развить теорию всего.  

• Для каждой задачи создается своя теория.  

• Нейронные сети не могут решить все задачи.  

• Стартовые условия - это математическая модель.  

• Теория нейросетей как математическая модель.  

• Возможность моделирования различных физических систем.  

• Вселенная с биологическими организмами не может существовать без снижения энтропии.  

• Нейросети как подтверждение теории.  

• Биология и физика - разные науки.  

• Пределы, где одна наука не может описать систему.  

• Пример черных дыр, которые не описываются ни гравитацией, ни квантовой теорией.  

• Математический аппарат для моделирования различных феноменов.  

• Теория всего возможна, если мир един.  

• Фундаментальные теории могут быть разными, но не должны быть миллионами.  

• Обсуждение феноменологических теорий и их различий.  

• Вопрос о соотношении оракула и темной информации.  

• Сравнение с идеями разумного замысла и антропного принципа.  

• Оракул как часть вселенной, а не создатель.  

• Антропный принцип как способ описания наблюдений.  

• Идея о том, что вселенная сама порождает жизнь для наблюдения.  

• Оракул как часть нейросети, самоорганизующейся в более низкомерное пространство.  

• Хиден спейс как пространство нейронов, необходимое для космологии и квантовой механики.  

• Оракул как коммуникация на уровне наблюдателей.  

• Возможность тестирования гипотезы о хиден спейс.  

• Отношение к теории панпсихизма и теории Пенроуза и Хаммерса.  

• Недостаток математики в теориях, что делает их непроверяемыми.  

• Гипотетическая возможность проверки теорий через эксперименты.  

• Возможно, что квантовость возникает из-за большого количества нейронов в мозге.  

• Это может быть эмерджентная квантовость, возникающая из-за обучения нейронов.  

• Для подтверждения этого нужно провести дополнительные исследования.  

• Квантовость в нейросетевом описании отличается от фундаментальной квантовости.  

• Нейросети используют статистические закономерности и индетерминизм.  

• Квантовость в нейросетях возникает как удобный способ описания эволюции систем.  

• Вопрос о материальном субстрате нейронов философский.  

• Теории строятся на предположениях о фундаментальных объектах.  

• Нейрон рассматривается как фундаментальный объект, из которого выводятся все остальные.  

• Нейроны существуют на планковском уровне, что соответствует квантовому уровню.  

• Квантовость на этом уровне имеет конкретные значения.  

• Автор не пишет книги, но имеет много статей и коллабораторов.  

• Его работы привлекают внимание студентов и специалистов из разных областей.  

• Теория продолжает развиваться, и математики не всегда успевают за новыми идеями.  

• Любая информация полезна для теории обучения.  

• Эксперименты помогают понять, как люди воспринимают и обрабатывают информацию.  

• Теория должна быть гибкой и адаптироваться к новым данным.  

• Гравитация оказалась сложной темой.  

• Автор, космолог по образованию, знал об этом.  

• Вопросы о теории, описывающей агентов с разнонаправленными целями.  

• Конфликты между агентами приводят к росту сложности.  

• Различие между функциями потерь на микроскопическом и макроскопическом уровнях.  

• Коллаборация и конкуренция между подсистемами.  

• Конфликты могут быть на разных уровнях системы.  

• Примеры вертикальных и горизонтальных конфликтов.  

• Усложнение системы приводит к формированию более сложных структур.  

• Теория игр как подпространство решений для эволюции нейросетей.  

• Нейросети как динамические системы, требующие упрощения или усложнения.  

• Создание простой математической модели для описания феноменов.  

• Нейроны на планковском уровне и их формирование в процессе обучения.  

• Биологические нейроны состоят из фундаментальных нейронов.  

• Ограничения на архитектуру биологических нейронов и их эволюция.  

• Индивидуальный человек может быть рассмотрен как нейрон.  

• Интернет изменил архитектуру связи между людьми.  

• Социальные сети стали другими и имеют другую архитектуру.  

• Рассматриваются горизонтальные связи между людьми и связи между уровнями.  

• Подход ренор групп позволяет делать обрезание на разных уровнях.  

• Описываются вероятностные пути на разных уровнях.  

• Можно делать обрезание на более низких уровнях для детальных описаний.  

• Пример с человеком, стреляющим в президента, описывается как рождение частиц из вакуума.  

• Теория уязвима к гравитации и получению кривого пространства.  

• Классическая физика и теория обучения могут описывать разные феномены.  

• Важно понять, что отсутствует в одной теории и присутствует в другой.  

• Второй закон Ньютона не выводится из теории.  

• Понимание гравитационного взаимодействия на уровне Эйнштейна сложно.  

• В индустрии результаты часто не публикуются сразу.  

• В академии результаты публикуются сразу, в индустрии – позже.  

• Доклад был новым и интересным, с большим потенциалом.  

• Благодарность за участие и вопросы, продолжение работы.