Category Archives: Kompjutaciona fizika

Može li novi zakon fizike dokazati da živimo u simulaciji?

Hipoteza simuliranog univerzuma predlaže da je ono što ljudi doživljavaju zapravo veštačka stvarnost, slično kompjuterskoj simulaciji, u kojoj su i sami konstrukti.

Teorija je popularna među brojnim poznatim ličnostima, uključujući Elona Muska, i unutar grane nauke poznate kao informaciona fizika, koja sugeriše da je fizička stvarnost u osnovi sastavljena od delova informacija.

Dr. Melvin Vopson je ranije objavio istraživanje koje sugerira da informacije imaju masu i da sve elementarne čestice – najmanji poznati gradivni blokovi svemira – pohranjuju informacije o sebi, slično načinu na koji ljudi imaju DNK.

Godine 2022. otkrio je novi zakon fizike koji bi mogao predvidjeti genetske mutacije u organizmima, uključujući viruse, i pomoći u procjeni njihovih potencijalnih posljedica.

Zasniva se na drugom zakonu termodinamike, koji utvrđuje da entropija – mjera poremećaja u izoliranom sistemu – može samo povećati ili ostati ista.

Dr Vopson je očekivao da će se entropija u informacionim sistemima vremenom povećavati, ali je ispitivanjem evolucije ovih sistema shvatio da ona ostaje konstantna ili se smanjuje. Tada je uspostavio drugi zakon dinamike informacija, ili infodinamike, koji bi mogao značajno uticati na genetska istraživanja i teoriju evolucije.

Dr. Vopson, sa Univerzitetske škole za matematiku i fiziku, rekao je: “Tada sam znao da ovo otkriće ima dalekosežne implikacije u različitim naučnim disciplinama.

“Ono što sam želeo da uradim je da testiram zakon i vidim da li može dodatno da podrži hipotezu simulacije prelaskom iz filozofskog domena u mejnstrim nauku.”

Ključni nalazi uključuju:

Drugi zakon infodinamike dovodi u pitanje konvencionalno razumijevanje genetičkih mutacija, sugerirajući da one slijede obrazac kojim upravlja informacijska entropija. Ovo otkriće ima duboke implikacije na oblasti kao što su genetska istraživanja, evolucijska biologija, genetske terapije, farmakologija, virusologija i praćenje pandemije.

Atomska fizika: Rad objašnjava ponašanje elektrona u višeelektronskim atomima, pružajući uvid u fenomene poput Hundovog pravila; Termin sa maksimalnom multiplicitetom leži najniži u energiji. Elektroni se aranžiraju na način koji minimizira njihovu informacionu entropiju, rasvetljavajući atomsku fiziku i stabilnost hemikalija.
Drugi zakon infodinamike je kosmološka potreba, sa termodinamičkim razmatranjima primenjenim na adijabatski širi univerzum koji podržava njegovu validnost.
“Rad takođe pruža objašnjenje za prevalenciju simetrije u univerzumu,” objasnio je dr Vopson.

“Principi simetrije igraju važnu ulogu u odnosu na zakone prirode, ali do sada je bilo malo objašnjenja zašto bi to moglo biti. Moja otkrića pokazuju da visoka simetrija odgovara najnižem stanju entropije informacija, potencijalno objašnjavajući sklonost prirode prema njoj.

Ovaj pristup, gde se uklanja višak informacija, podseća na proces brisanja ili kompresije otpadnog koda računara kako bi se uštedeo prostor za skladištenje i optimizovala potrošnja energije. I kao rezultat podržava ideju da živimo u simulaciji.”

Prethodna istraživanja dr Vopsona sugerišu da je informacija osnovni gradivni blok univerzuma i da ima fizičku masu. On čak tvrdi da bi informacija mogla biti neuhvatljiva tamna materija koja čini gotovo trećinu svemira, što on naziva principom ekvivalencije mase i energije-informacija.

Drugi zakon infodinamike podržava ovaj princip, potencijalno potvrđujući ideju da je informacija fizički entitet, ekvivalentan masi i energiji.

“Sledeći koraci za završetak ovih studija zahtevaju empirijsko testiranje,” dodao je dr Vopson.

“Jedan od mogućih puteva bio bi moj eksperiment osmišljen prošle godine da potvrdi peto stanje materije u svemiru – i promijeni fiziku kakvu poznajemo – koristeći čestični antipart.

ŠTA ĆE SE VELIKO DEŠAVATI U 2023 ? VJEŠTAČKA INTELIGENCIJA, ETO ŠTA

Godine 2022. mnogi od nas su se prvi put upoznali – i zaintrigirali sa – mogućnosti umjetne inteligencije za generiranje slika poput Midjourney, DeepAI i DALL-E 2 za proizvodnju sofisticiranih i čudnih slika zasnovanih na „interpretacijama” pisanog unosa.

Zatim, kasnije tokom godine, ChatGPT je postao viralan.

Ova umjetna inteligencija koja stvara tekst može proizvesti izvanredne rečenice i eseje kao odgovor na gotovo svaki upit. Na primjer, može stvoriti uvjerljive scene iz Seinfelda, sastaviti pristojna pisma i biografije, predložiti planove prehrane i dati (potencijalno upitne) savjete za vezu.

Za mnoge ljude ovi pomaci su generalno pozitivni. Neki su istakli obećanje umjetne inteligencije kada je u pitanju pravljenje zanimljivih umjetničkih djela ili brzo pisanje teksta kako bismo uštedjeli vrijeme i trud. Drugi misle da bi generativna umjetna inteligencija mogla djelomično zamijeniti Googleov pretraživač i omogućiti početnicima da pišu kompjuterski kod.

Dok je sve ovo uzbuđenje trajalo, čulo se nekoliko glasova upozorenja. Kritičari su bili zabrinuti zbog prenaglašavanja AI i izjavili su da bi generativna AI mogla pogoršati toksičnu politiku, izbacivati ​​gluposti i zamijeniti umjetnike i novinare.

Nekoliko njih, uključujući jednog od osnivača OpenAI-ja, Elona Muska, tvrdi da je “opasno jaka” AI iza ugla. Možda kompjuterski naučnik koji je tvrdio da je Googleov chatbot LaMDA samosvjestan ipak nije bio tako daleko od istine?

KAKO TRENIRATI VAŠU AI (vještačku inteligenciju)


Generativna AI uključuje obuku kompjuterskog modela na brojnim primjerima. DALL-E-2 je obučen na 650 miliona slika prebačenih sa interneta da bi „razumeo“ kako su slike konstruisane i kako su različite reči ili fraze povezane sa komponentama slike.

ChatGPT je obučen za milijarde riječi i razgovora pronađenih na webu. To je moćna verzija „modela velikog jezika” koja koristi neku vrstu učenja s pojačanjem.

Ovo učenje s pojačanjem znači da ljudi nagrađuju samo ‘prikladne’ odgovore kako bi vodili model u stvaranju razumljivih odgovora. OpenAI koristi javne volontere kako bi poboljšao ChatGPT.

ChatGPT može pisati naizgled koherentne pasuse koji su relevantni za njegove upite koje su mu dali ljudi. Može otkloniti greške u kompjuterskom kodu, odgovoriti na složena matematička pitanja i objasniti složene ideje – često bolje od ljudi.

Ove mogućnosti bi nam potencijalno mogle uštedjeti vrijeme na pretraživanju informacija i poboljšati naše pisanje omogućavajući nam da pažljivo pregledamo i uredimo pokušaje AI. U stvari, neki akademici su koristili ChatGPT da generišu respektabilne sažetke za svoje radove.

Školska djeca bi mogla steći uvid eksperimentiranjem s načinom na koji AI odgovara na pitanja s kojima se bore. Ali isto tako, drugi učenici koji se oslanjaju na ove vrste AI za pisanje svojih eseja možda neće uspjeti naučiti kritičko razmišljanje – ili bilo šta uopće.

Dok neki tvrde da su procjene poput eseja koje možete uzeti kući ionako beskorisne, drugi misle da je promišljeno pisanje eseja vještina koja se najbolje razvija kada učenici mogu pažljivo oblikovati komad pisanja u svoje vrijeme.

Čak i više od varanja ugovora, AI ovo dovodi u opasnost.

ISTINA I POVERENJE
AI postavlja pitanja istine i povjerenja. Veliki jezički modeli rade jednostavno predviđajući sljedeću riječ u rečenici na osnovu podudaranja uzorka. Oni nisu eksplicitno naučeni da donose sudove o značenju ili istini.

Generativni modeli mogu proizvesti besmislene, nelogične ili lažne rezultate, dok zvuče savršeno samouvjereno. Meta je morao da povuče svoje naučno znanje AI model Galactica kada je dao previše netačnih odgovora na naučna pitanja.

A budući da ovi modeli apsorbiraju ogromne količine sadržaja koje je napravio čovjek, mogu generirati uvredljive slike ili tekst pristrasan prema manjinskim grupama.

Neki misle da su kompanije sa veštačkom inteligencijom previše samozadovoljne u vezi sa ovim rizicima. Metin Blenderbot je nedavno krenuo na kraj kada je pohvalio Pol Pota i preporučio filmove sa ocenom R za decu.

DALL-E 2 može napraviti privlačne slike miješanjem različitih stilova crtanja, poput Diznijevih crtanih filmova, i stilova slikanja uključujući impresionizam. ChatGPT može kombinovati stilove pisanja u svojim izlazima i proizvesti razuman tekst – barem može kada to bude ispravno.

ORIGINALNO I KREATIVNO?
Dakle, da li je generativna AI kreativna? U jednom smislu, da. Iako se rezultat oslanja na sadržaj koji je napravio čovjek, kombinacije elemenata mogu biti nove, a rezultati neočekivani i nepredvidivi.

Još 1950. pionirski AI mislilac Alan Turing rekao je da nas ‘puki’ deterministički kompjuteri mogu ‘iznenaditi’.

Ponekad su zaista smiješni. Postojao je jedan primjer ChatGPT-a koji je davao savjete u biblijskom stilu o tome kako ukloniti sendvič s puterom od kikirikija iz videorekordera. Očigledno, AI čak može izmisliti nove stvari, kao što je posuda za hranu s fraktalnom površinom, što nedvojbeno dovodi u pitanje zakon o patentima.

A ni kreativni ljudi nisu sasvim originalni: naš govor i pisanje također su ‘generirani’ od bezbroj riječi i rečenica kojima smo bili izloženi i apsorbirani.

Ali da li je AI originalan na način na koji neki ljudi mogu biti? Možda ne.

AI naizgled (trenutno) nije sposoban stvoriti potpuno nove stilove ili žanrove pisanja ili slikanja, barem nijedan koji bi bio uvjerljiv. Malo je vjerovatno da će savremena umjetna inteligencija biti sljedeća Jane Austen ili Hokusai – ili se čak takmičiti sa manje istaknutim umjetnicima.

AI nedostaje nešto drugo što kreativni ljudi imaju.

Za razliku od ljudskih bića, AI nije primoran stvarati jer ga pokreće umjetnost ili zadivljuje znanost. AI se ne osjeća potaknutim da napravi nešto vrijedno ili se osjeća zadovoljnim svojim neosporno impresivnim kreacijama.

Čak i ljudska bića kojima potpuno nedostaje originalnosti i kreativnosti mogu razumjeti uzbuđenje kreativnih iskustava. AI ne može.

AI SLJEDEĆI SMELI KORACI
Ko zna šta AI ima u rukavu za ovu godinu? Pa, na osnovu brzine nedavnih dešavanja, mogla bi nas čekati neka iznenađenja.

AI nas može nastaviti impresionirati.

Samo nemojte očekivati da ćete vidjeti umjetnu inteligenciju koja je kreativna poput umjetnika ili naučnika, ili u koju možemo vjerovati da će biti potpuno istinita ili nepristrasna.

Izvor: https://pursuit.unimelb.edu.au/articles/what-ll-be-big-in-2023-ai-that-s-what

Nobelova nagrada za fiziku dodijeljena pionirima kvantne informacije

Nobelovu nagradu za fiziku 2022. zajednički su dobili Alain Aspect, John F. Clauser i Anton Zeilinger

Nobelova nagrada za fiziku 2022. zajednički je dodijeljena Alainu Aspectu, Johnu F. Clauseru i Antonu Zeilingeru za eksperimente sa zapletenim fotonima i njihov rad u pionirskoj kvantnoj informacijskoj znanosti.

Trio je osvojio 10 milijuna švedskih kruna, koje će ravnomjerno podijeliti laureati.

“Postaje sve jasnije da se pojavljuje nova vrsta kvantne tehnologije. Vidimo da je rad laureata sa zapetljanim stanjima od velike važnosti, čak i izvan temeljnih pitanja o tumačenju kvantne mehanike,” kaže Anders Irbäck, predsjednik Nobelovog odbora za fiziku.

Alain Aspect, rođen je 1947. u Agenu, Francuska. Doktorirao je 1983. na Sveučilištu Paris-Sud, Orsay, Francuska. Profesor je na Université Paris-Saclay i École Polytechnique, Palaiseau, Francuska.

John F. Clauser istraživački fizičar, SAD razvio je ideje Johna Bella, što je dovelo do praktičnog eksperimenta. Kada je izvršio mjerenja, ona su poduprla kvantnu mehaniku jasno kršeći Bellovu nejednakost. To znači da se kvantna mehanika ne može zamijeniti teorijom koja koristi skrivene varijable.

Anton Zeilinger, profesor na Sveučilištu u Beču, Austrija koristeći rafinirane alate i duge nizove eksperimenata. Anton Zeilinger je počeo koristiti zapletena kvantna stanja. Između ostalog, njegova istraživačka skupina demonstrirala je fenomen nazvan kvantna teleportacija, koji omogućuje premještanje kvantnog stanja s jedne čestice na drugu na velikoj udaljenosti.

Profesor na Université Paris-Saclay i École Polytechnique, Palaiseau, Francuska Alain Aspect razvio je postavku, koristeći je na način da zatvori važnu rupu u zakonu koja je ostala nakon rada Johna Clausera. Uspio je promijeniti postavke mjerenja nakon što je zapleteni par čestica napustio svoj izvor, tako da postavka koja je postojala kada su emitirani nije mogla utjecati na rezultat.

Izvor: https://www.nobelprize.org/

Šta su to satovi?

Prvo što treba primijetiti je da je gotovo sve sat. Smeće najavljuje dane sa sve lošijim mirisom. Bore označavaju godine. “Mogli biste odrediti vrijeme mjerenjem koliko se vaša kava ohladila na vašem stoliću”, rekao je Huber, koji je sada na Tehničkom univerzitetu u Beču i Institutu za kvantnu optiku i kvantne informacije Beč.

Rano u razgovorima u Barceloni Huber, Erker i njihove kolege shvatili su da je sat sve što podliježe nepovratnim promjenama: promjene u kojima se energija širi među više čestica ili u šire područje. Energija teži disipaciji – a entropija, mjera njenog rasipanja, ima tendenciju povećanja – jednostavno zato što postoji daleko, daleko više načina za raspodjelu energije nego za njenu visoku koncentraciju. Ova numerička asimetrija i znatiželjna činjenica da je energija započela ultrakoncentrirano na početku svemira, razlog su zašto se energija sada kreće prema sve raštrkanijim aranžmanima, jednu po jednu šalicu kave koja se hladi.

Čini se da ne samo da snažna tendencija širenja energije i nepovratni porast entropije uzrokuju strelicu vremena, već prema Huberu i kompaniji, također računaju satove. “Ireverzibilnost je zaista fundamentalna”, rekao je Huber. “Ovaj pomak u perspektivi smo htjeli istražiti.”

Kafa ne čini odličan sat. Kao i kod većine nepovratnih procesa, njegove interakcije s okolnim zrakom događaju se stohastički. To znači da morate izračunavati prosjek tokom dugog vremenskog razdoblja, obuhvaćajući mnoge slučajne sudare između molekula kave i zraka, kako biste precizno procijenili vremenski interval. Zato kafu, smeće ili bore ne nazivamo satovima.

To ime zadržavamo, shvatili su termodinamičari satova, za objekte čija je sposobnost mjerenja vremena poboljšana periodičnošću: neki mehanizam koji raspoređuje intervale između trenutaka u kojima se događaju nepovratni procesi. Dobar sat se ne menja samo. Otkucava.

Što su tikovi pravilniji, sat je tačniji. U svom prvom članku, objavljenom u Physical Review X 2017., Erker, Huber i koautori pokazali su da bolje mjerenje vremena ima svoju cijenu: što je veća točnost sata, to se više energije rasipa i više entropije proizvodi tokom otkucavanja.

Sat je mjerač protoka za entropiju ”, rekao je Milburn.

Otkrili su da bi idealan sat – koji otkucava savršenom periodičnošću – sagorio beskonačnu količinu energije i proizveo beskonačnu entropiju, što nije moguće. Stoga je tačnost satova u osnovi ograničena.

Zaista, u svom radu Erker i kompanija proučavali su tačnost najjednostavnijeg sata kojeg su se mogli sjetiti: kvantnog sistema koji se sastoji od tri atoma. “Vrući” atom povezuje se s izvorom topline, “hladan” atom se spaja s okolnom okolinom, a treći atom koji je povezan s oba druga “krpelja” podliježući pobudama i raspadima. Energija ulazi u sistem iz izvora topline, pokrećući krpelje, a entropija nastaje kada se otpadna energija ispušta u okoliš.

Istraživači su izračunali da otkucaji ovog troatomskog sata postaju pravilniji što sat proizvodi više entropije. Ovaj odnos između tačnosti sata i entropije “za nas je intuitivno imao smisla”, rekao je Huber, u svjetlu poznate veze između entropije i informacije.

“Postoji duboka veza između entropije i informacija”, rekao je Huber, pa bi svako ograničenje proizvodnje entropije sata trebalo prirodno odgovarati ograničenju informacija – uključujući, rekao je, “informaciju o vremenu koje je proteklo”.

U drugom radu objavljenom u Physical Review X ranije ove godine, teoretičari su proširili svoj model sata sa tri atoma dodavanjem složenosti-u suštini ekstra topli i hladni atomi povezani sa atomom koji otkucava. Pokazali su da ova dodatna složenost omogućava satu da koncentriše vjerovatnoću da se otkucaj dogodi u sve uže vremenske prozore, čime se povećava pravilnost i tačnost sata.

Ukratko, nepovratan porast entropije omogućuje mjerenje vremena, dok periodičnost i složenost poboljšavaju performanse sata. Ali do 2019. nije bilo jasno kako provjeriti timske jednadžbe ili kakve su veze, ako ništa drugo, jednostavni kvantni satovi s onima na našim zidovima.

Fizičari su se trudili razumjeti kako se vrijeme kvantne mehanike može pomiriti s pojmom vremena kao četvrte dimenzije u Einsteinovoj općoj teoriji relativnosti, trenutnom opisu gravitacije. Savremeni pokušaji pomirenja kvantne mehanike i opće relativnosti često tretiraju četverodimenzionalno prostor-vremensko tkivo Einsteinove teorije kao pojavljivanje, neku vrstu holograma skuhanog apstraktnijim kvantnim informacijama. Ako je tako, i vrijeme i prostor trebali bi biti približni pojmovi.

Izvor: quantamagazine.org

Kako su informacije povezane sa entropijom?

Riječ informacija često se slobodno uzima u značenju podataka. Pretpostavljamo da datoteka veličine 1 MB sadrži 1 MB podataka. Međutim, iz perspektive teorije informacija, podaci nisu jednaki informacijama. U teoriji informacija informacije se matematički definiraju kao količina nesigurnosti ili entropije. Bacanje kocke ima više nesigurnosti od bacanja novčića, te stoga ima više informacija za prenijeti.



Nekomprimirana bitmapska slika ima puno prostorne redundancije u vrijednostima piksela. Drugim riječima, vrijednost piksela može se koristiti za predviđanje vrijednosti susjednih piksela. Tehnike kompresije slike koriste ovu suvišnost. Stoga je komprimirana slika bliža matematičkoj definiciji informacije. Ali MP3 pjesma može sadržavati ponavljanja refrena. Takođe, nakon što smo pjesmu čuli i dobro je zapamtili, ona pruža manje informacija kada je sljedeći put čujemo.

Stoga bi frazu “jedinice podataka” trebalo tumačiti kao “jedinice podataka / pohrane / memorije”.



Izvor: https://devopedia.org/units-of-information#:~:text=The%20basic%20unit%20of%20information,are%20derived%20from%20the%20bit.

Najbrži superračunar na Zemlji primjenjuje se protiv corona virusa

Američko ministarstvo energetike objavilo je da će se superkompjuter Summit koristiti za pokušaj pronalaska lijeka za bolest Covid-19. Da pojasnimo: Naziv korona virusa koji uzrokuje Covid-19 je SARS-CoV-2.

Summit je mašina od 10 MW izgrađena sa 4.608 čvorova za obradu. Svaki čvor sadrži 2x Power9 CPU na 3.07GHz i šest Nvidia Volta V100 GPU-a. To je najbrži superračunalo na Zemlji, sa demonstriranim performansama od 148,6 petaFLOPS u Linpacku i vrhunskim performansama od preko 200 petaFLOPS.




Razlog zbog kojeg DOE prisvaja najbrže svjetske superračunalo za projekat je taj što je pokušaj pronalaženja metoda inhibiranja ili napada virusa računski prezahtjevan problem. IBM piše:

Kada pokušavaju razumjeti nove biološke spojeve, poput virusa, istraživači u mokrim laboratorijima razvijaju mikroorganizam i vide kako reagira u stvarnom životu na uvođenje novih spojeva, ali ovo može biti spor proces bez računala koji mogu izvoditi digitalne simulacije da suzi raspon potencijalnih varijabli, ali čak i tada postoje izazovi. Kompjuterske simulacije mogu ispitati kako različite varijable reagiraju s različitim virusima, ali kada se svaka od tih pojedinačnih varijabli može sastojati od milijuna ili čak milijardi jedinstvenih podataka i složenih s potrebom da se pokrene više simulacija, to može brzo postati kompjutaciono jako zahtjevno.

Zahvaljujući superkompjuteru, istraživači su u nekoliko dana pregledali 8000 spojeva i identificirali 77 potencijalno korisnih spojeva malih molekula koji pokazuju dokaze inhibiranja SARS-CoV-2.

Samit je bio potreban kako bismo brzo dobili rezultate simulacije koji su nam potrebni. Trebalo nam je dan ili dva, dok bi na normalnom računaru trebalo nekoliko mjeseci, “rekao je Jeremy Smith, predsjedavajući na Univerzitetu u Tennesseeju, direktor UT / ORNL Centra za molekularnu biofiziku i glavni istraživač u studiji. „Naši rezultati ne znače da smo pronašli lijek ili tretman za COVID-19. Mi se, međutim, nadamo da će naši računski nalazi istovremeno obaviti buduće studije i pružiti okvir koji će eksperimentalisti koristiti za daljnje istraživanje ovih spojeva. “




Ako ste pročitali da je Covid-19 u nekim aspektima sličan SARS-u, rana istraga virusa dovela je do tog zaključka. SARS i koronavirus dijele neke uobičajene strategije infekcije, što je dovelo do neke nade da se može pronaći inhibitorni agens. Koristeći Summit, Micholas Smith (nije pogreška pri tisku) testirao je kako se jedinjenja vezuju za „špic“ proteina S kako bi otkrili što može umanjiti šansu za uspešnu infekciju.

Otkad je obavljen prvi rad, pušten je tačniji model S-proteina kod koronavirusa. Tim koji koristi Summit planira ponovo pokrenuti svoju početnu analizu korištenjem detaljnijeg modela, koji može neke spojeve skinuti s liste ili tretirati na vrh.

Naučnici su naglasili da se svi njihovi radovi moraju testirati eksperimentalno, ali sad smo vidjeli neke dokaze da računari mogu biti korisni za ovakve proračune. Iako je veoma rano, naučnici su počeli da otkrivaju nove tretmane lijekovima pomoću mašinskog učenja.

Broj koronavirusa u svijetu raste ubrzano otkako je virus pobjegao iz Kine. Najbolji dan za virus od početka praćenja bio je 19. 2. kada je zabilježeno 516 novih slučajeva. Do 28. februara imali smo do 1.503 nova slučaja. 10. marta zabilježeno je 4.390 novih slučajeva koronavirusa. Broj osoba zaraženih Covid-19 na dan porastao je za 2,92 puta u samo 11 dana. To je puno manje loše od apokaliptičnih scenarija koji se obično predviđaju u filmovima o medicinskim katastrofama, ali to je ipak visoka stopa rasta. Ako se nastavi, gledaćemo 12.822 novih slučajeva dnevno do 22. marta i 37.441 novi slučajeva dnevno do 2. aprila.

Dobra vijest je, međutim, da se ukupni broj teških / ozbiljnih slučajeva i dalje smanjuje u apsolutnom iznosu. Prema Worldometers.info, za koji se čini da održava ažurirano svakodnevno praćenje, ukupan broj teških / ozbiljnih slučajeva smanjio se sa 11.553 22. februara na 5.771 10. marta, između ostalog je samo jedan dan od ozbiljnih slučajeva označeno je prema gore i to je bio mali skok, sa 6.272 na 6.401. Brojka je nastavila da opada.




Na pitanje hoće li Covid-19 imati značajan utjecaj na svjetsku ekonomiju već je odgovoreno: da. Otkazane su brojne glavne konferencije, što je lokalnim zajednicama oduzelo prihod. Aviokompanije izvještavaju o visokim padovima letenja uporedivim sa hitom koji su izveli nakon 11. rujna. Budući da su kineske tvornice zatvorene tjednima, cijela talijanska zemlja pod karantenom, a deseci milijuna ljudi koji sada praktikuju socijalno distanciranje (dobrovoljno ili na neki drugi način), pitanje hoćemo li osjetiti utjecaj u Sjedinjenim Državama je jasno: Da. Možda će trebati vremena da se stigne – ekonomski utjecaj događaja na udaljenim obalama može putovati različitim brzinama – ali usporavanja i otkazivanja već pogađaju kompanije.

Znači li to da trebate potrošiti i kupiti dvije tone proizvoda od papira za jednokratnu upotrebu? Ne. Ali to znači da će, na jedan ili drugi način, Covid-19 utjecati na naše živote.




Naftni rat koji je započeo između Rusije i Saudijske Arabije ove sedmice odličan je primjer kako SARS-CoV-2 može potaknuti globalnu recesiju, čak i ako se ispostavi da je medicinski rizik manji nego što se mislilo. Budući da Rusi i Saudijci doprinose da se vidi tko može naplaćivati ​​manje nafte, američka proizvodnja nafte iz škriljaca možda će morati prestati ako cijene padnu predaleko. To bi imalo vlastiti utjecaj i na američku ekonomiju.

Još niko ne zna kuda se ovaj voz kreće, ali svi smo zajedno u njemu.

Izvor: Extreme Tech

Testabilna teorija sugerira da informacije imaju masu i da bi mogle objasniti tamnu materiju svemira

Einsteinova teorija posebne relativnosti donijela nam je jednu od najpoznatijih jednadžbi u nauci,

E = mc2,

i pokazala da su energija i masa ekvivalentne. U našem modernom, visokotehnološkom svijetu, operacije koje uključuju pohranu i obradu digitalnih podataka zahtijevaju ogromne količine energije. To ustupa mjesto teoriji koja stoji iza principa ekvivalencije masa-energija-informacija, ideji da, jer bit informacije je energija, mora imati i masu.
Landauerov princip povezuje termodinamiku i digitalne informacije putem logičke nepovratnosti. Eksperimenti su dokazali da postupak brisanja malo informacija rasipa toplotnu energiju, ali jednom kada se informacije stvore, one se mogu pohraniti bez gubitka energije. Melvin Vopson predlaže da se to dogodi jer jednom kada se stvore informacije, ona dobiju ograničenu masu.
“Ova je ideja u principu laboratorijski ispitiva”, rekao je Vopson. Predlaže da se izvrše mjerenja mase uređaja za digitalno pohranjivanje podataka kad ima punu memoriju. Ako ima više mase nego kad je izbrisana memorija uređaja, to bi značilo da je ekvivalencija podataka sa masom-energijom tačna.







Ako se teorija potvrdi, implikacije bi imale utjecaj koji bi mogao promijeniti način na koji gledamo na čitav svemir.
“Više od 60 godina neuspješno pokušavamo otkriti, izolovati ili razumjeti misterioznu tamnu materiju”, rekao je Vopson. “Ako informacija zaista ima masu, digitalni informativni svemir bi sadržavao puno toga, a možda bi ta tamna tvar koja nedostaje mogla biti informacija.”
Nažalost, uzimanje izuzetno malih mjerenja potrebnih za takvu preciznost trenutno može biti nedostižno. Vopson predlaže da bi sljedeći korak u dobijanju odgovora mogao biti osjetljiv interferometar sličan LIGO-u ili ultra osjetljivoj Kibble ravnoteži.

Izvor: https://aip.scitation.org/doi/10.1063/1.5126530?fbclid=IwAR0LT6EUXoN9KCiVdhbkclACrmCKrXxAbR7HPYNBB8o6rohDL1mElTxaH2M

Matematički problem koji bi svijet mogao zaustaviti

Naš zahtjevni užurbani stil života oslanja se na dodjelu ograničenih skupova resursa neprestano mijenjajućem broju ljudi. Kako ovaj zadatak postaje sve teži, trebat će mu rješenja malo poznate matematičke zagonetke.
Nije lako precizno predvidjeti šta ljudi žele i kad će do htjeti. Mi smo zahtjevna stvorenja, očekujući da će svijet ponuditi brza rješenja za naše sve složenije i raznolike probleme modernog života.

Tokom poslednjih nekoliko decenija, istraživači su razvili efikasno matematičko rešenje koja može raspodeliti resurse u različitim industrijama i scenarijima. Ali kad je raspodjela napravila odjednom utjelovljenje na kasnije raspodjele, problem postaje dinamičan i kompleksan. Ovo zahtijeva da ova rješenja uzmu u obzir promjenu i neizvjesnu prirodu stvarnog svijeta.




Takvi problemi su poznati kao problemi s dinamičkom raspodjelom resursa. Oni se pojavljuju na svakom mjestu gdje nađete ograničen resurs koji treba dodijeliti u stvarnom vremenu.

Bez obzira na to čekate li taksi ili isporuku sljedećeg dana, lista dinamičkih problema s raspodjelom resursa i njihove svakodnevne primjene su “gotovo beskrajni”, izjavio je Warren Powell, inženjer sa Univerziteta Princeton koji istražuje ove probleme još od 1980-ih.
Ali problemi s dinamičkom raspodjelom resursa ne odnose se samo na to da ljudima date ono što žele, kad oni to žele. Oni će takođe biti od ključnog značaja za rješavanje nekih od najvažnijih i najsloženijih svjetskih pitanja, uključujući klimatske promjene, jer nam pomažu da raspodijelimo često oskudne i iscrpljene resurse naše planete na najefikasniji mogući način.

Ali pogledajmo najprije pojednostavljeni primjer da vidimo šta je problem dinamičke raspodjele resursa i šta ga čini tako teško riješiti.

Zamislite da kuvate večeru za četveročlanu porodicu. Odlučili ste se za govedinu sa svim ukrasima, sigurni u spoznaju da je čvrsti porodični favorit. Ali čim se spremate da poslužite, vaša kćerka najavljuje da je vegetarijanka, tekstovi vašeg partnera govore da kasni, a sin vam kaže da je pozvao i nekoliko prijatelja na večeru. Zatim, vaš pas odleti zajedno sa govedinom dok očajnički pokušavate shvatiti kako ćete udovoljiti potrebama svih ovih (sasvim iskreno) vrlo zahtjevnih i nesavjesnih pojedinaca.
Ovo je trivijalni primjer problema s dinamičkom raspodjelom resursa, ali pokazuje neke od osnovnih izazova s kojima se istraživači susreću prilikom rješavanja ovih problema. Za početak se parametri koji utječu na potražnju neočekivano mijenjaju i kratkoročno i dugoročno. Ni na koji način niste mogli tačno predvidjeti nove prehrambene potrebe svoje kćeri, dogovoreni dolazak partnera ili dodatne goste vašeg sina dok ste spremali ovaj obrok.

Dugoročno, potražnja za obrocima u vašoj kući također se svakodnevno mijenja. Možda ćete trebati hraniti dvije ili 20 osoba pri svakom sjedenju. Od obroka do obroka, nemate pojma koga ćete hraniti, šta će i kada će htjeti. Možete uzeti poučen pogodak na osnovu prethodnog iskustva, ali to nije robusna metoda, jer su ljudska priroda i mnogi drugi parametri koji utječu na potražnju nepredvidivi.
Postupanja pojedinaca u ovom scenariju takođe utiču na buduće stanje sistema. Svaki put kada osobi dodijelite određeni obrok, to mijenja sistem. Uklanja jednu gladnu osobu i hranu iz vaše kuhinje.



“Svi primjeri [dinamičke raspodjele resursa] trebaju se baviti promjenom ulaza i okruženja, koja su vrlo dinamična i teško ih je procijeniti i predvidjeti, jer buduće opterećenje nije statistički ovisno od trenutnog opterećenja”, kaže Eiko Yoneki, viši istraživač koji vodi grupa podataka usmjerenih na podatke na računarskoj laboratoriji Univerziteta u Cambridgeu. „Jedna promjena pokreće drugu promjenu, a ako želite kontrolirati sistem tačnim odlukama, morate uzeti u obzir budući status sistema.“

Štaviše, što više ljudi ili opcija za obrok dolaze u vašu kuhinju, stvari se dalje kompliciraju. Sada imate više načina da dodijelite niz različitih obroka različitim ljudima. Ovaj broj kombinacija raste eksponencijalno jer sistemu dodajete više ljudi ili obroka.
S ovim se, na primjer, može suočiti velika bolnica kada pokušava nahraniti sve pacijente koji uđu kroz njena vrata. Isto se odnosi i na pokušaj liječenja ovih pacijenata. Lijekovi koji su im potrebni, a koji sami imaju ograničen rok trajanja, a oprema potrebna za dijagnostiku i liječenje stalno će se mijenjati kako pristižu različiti pacijenti. Ograničeni resursi poput MRI skenera, ljekara i medicinskih sestara također moraju biti izdvojeni. Da bi se pozabavili tim problemom i kako bi se spriječilo da troškovi izviru iz kontrole, rukovodstvo bolnice može koristiti matematičke modele kako bi pomoglo koordinaciju svih ovih stvari.

Problem je što se većina postojećih metoda oslanja na povijesne podatke da bi predvidjeli. Ova metoda se ne postiže dobro za takve sisteme i ne može se nositi ni sa najmanjim promjenama. Ako dođe do promjene, vraćaju se u kvadrat i počinju iznova raditi rješenje. Takvi problemi brzo postaju neizrecivi za račune, čak i za prilično mali broj ljudi i resursa – bilo da je to obrok ili MRI skener.

Problemi s dinamičkom raspodjelom resursa također proizlaze iz niza različitih scenarija i svaki od njih ima svoje posebne probleme. Na primjer, Yoneki istražuje implikacije ovih problema kako bi pomogao da se naši računarski sistemi i aplikacije pokrenu brže i efikasnije.

„Moderni računarski sistemi su složeni i potrebno je prilagoditi mnoge konfiguracijske parametre, uključujući raspodjelu resursa poput memorije, računarskog kapaciteta, komunikacijske sposobnosti i bilo kakvog ulaza u sisteme“, kaže ona. „Računalni sistemi su dinamični i bave se stalno promenljivim okruženjima, koja zahteva metodologiju dinamičke kontrole.“

Dakle, računar o kojem čitate ovaj članak gotovo se sigurno bori sa nekim problemima dinamičke raspodjele resursa u ovom trenutku. Mrežne telefonske mreže i računalstvo u oblaku ovise i o rješavanju ovih problema.

Tvrtke za dostavu također rješavaju probleme s dinamičkom raspodjelom resursa kako bi ubrzali isporuke. Na primjer, UPS je razvio svoj integrirani sistem za optimizaciju i navigaciju na putu (Orion) kako bi optimizirao svoje rute isporuke koristeći napredne algoritme. Kompanija tvrdi da je rješenje uštedjelo 100 milijuna godišnje, ali drugi izvještaji otkrivaju borbe sistema u složenim urbanim sredinama.




Teškoće snabdijevanja su još jedan “problem koji nikada neće nestati”, kaže Powell, zbog složene prirode današnjih proizvoda. Na primjer, ako želite proizvesti standardni pametni telefon, trebate koordinirati stotine komponenti širom svijeta, a sve se to sastavi u određenom redoslijedu na tvorničkom katu. „Prekidi u lancu snabdijevanja glavni su problem kada se pokušava zadovoljiti potrebe društva“, dodaje on.

Napredak u mašinskom učenju nudi nove nade u rješavanju problema s dinamičkom raspodjelom resursa. Tehnika umjetne inteligencije nazvana učenje dubokog pojačanja omogućava algoritam da nauči što treba raditi interakcijom sa okolinom. Algoritam je dizajniran da uči bez ljudske intervencije, tako što je nagrađen za pravilno izvođenje i kažnjen za pogrešno izvođenje. Pokušavajući maksimizirati nagrade i minimizirati kazne, brzo se može doći do optimalnog stanja.

Učenje dubokog pojačanja nedavno je omogućilo program AlphaGo iz Googleovog DeepMind-a da savlada svjetskog prvaka u Go-u. Sistem je počeo da ne zna ništa o igri Go, a zatim je igrao protiv sebe kako bi trenirao i optimizirao svoje performanse. Iako su igre važan dokaz koncepta tehnika učenja dubokog pojačanja, učenje takvih igara nije krajnji cilj takvih metoda.

Izvor: BBC

Šta je Python i koje su osnove njegove sintakse?

Python je programski jezik opće namjene, interpretiran i visoke razine kojeg je stvorio Guido van Rossum 1990. godine (prva javna inačica objavljena je u februaru  1991. godine), ime dobiva po televizijskoj seriji Monty Python’s Flying Circus. Po automatskoj memorijskoj alokaciji, Python je sličan programskim jezicima kao što su Perl, Ruby, Smalltalk itd. Python dopušta programerima korištenje nekoliko stilova programiranja. Objektno orijentirano, strukturno i aspektno orijentirano programiranje stilovi su dopušteni korištenjem Pythona te ova fleksibilnost čini Python programski jezik sve popularnijim. Python se najviše koristi na Linuxu, no postoje i inačice za druge operacijske sustave.

Usporedba Pythona sa ostalim jezicima

Česte su kritike Pythona na račun njegove sporosti. Pošto je Python interpreterski jezik, programi napisani u njemu vrše se malo sporije za usporedbu od kompajlerskih jezika, kao što su C, C ++ i slični. Međutim, unatoč toj brzinskoj manjkavosti, u industriji se Python poprilično koristi (ponajviše kao back end programski jezik).


Python se često uspoređuje sa Javom. Oboje su interpreterski jezici, i oboje imaju gotovo nikakvu podršku za višejezgrovno izvođenje programa, pošto i Python i Java koriste samo jednu procesorsku jezgru. Java je kao jezik puno primjenjenija u izradi mobilnih aplikacija i interaktivnog web sadržaja, dok je Python gospodar PC svijeta. Što se tiče brzine izvođenja programa, Java i Python su približno jednaki.

Uvlačenje

Python koristi uvlačenje kao metodu razlikovanja programskih blokova, tj. ne koristi vitičaste zagrade ili ključne riječi kao većina programskih jezika. Povećanje uvlačenja znači da dolazi novi, ugniježđeni blok, dok smanjenje označava kraj trenutnog bloka.

Ključne riječi i kontrola toka

U Pythonove ključne riječi spadaju:

  • if izraz, koji izvršava određeni blok koda pod nekim uvjetom, zajedno s else i elif (else-if varijanta).
  • for izraz, koji iterira kroz iterabilan objekt i svaki element upisuje u lokalnu varijablu koja se koristi u pridruženom bloku.
  • while izraz, koji izvršava određeni blok koda sve dok je njegov uvjet istinit
  • try izraz, koji omogućava da iznimke, koje su bačene u bloku koda kojeg try obuhvaća, budu uhvaćene i obrađene u except bloku
  • class izraz, kojim se deklarira klasa
  • def izraz, koji definira funkciju ili metodu
  • assert izraz, koji se koristi pri debuggiranju kako bi se provjerilo vrijede li određeni uvjeti
  • import izraz, koji se koristi pri uključivanju dodatnih modula

Primjer

Nekoliko primjera koji pokazuju sintaksu Pythona (inačica 3.x):

#komentar u Pythonu
#na ekran se ispiše "Hello World"
print ("Hello World")

#primjer liste (polja):
brojevi = [1, 8, 9, 3, 10, 44, 78, 33, 100]

#ispis prvog elementa u listi brojevi, u ovom slučaju "1"
print (brojevi[0])

#primjer ispitivanja uvjeta:
a = 5
b = 3
if a > b:
    print ("a je veće od b")
else:
    print ("b je veće od a")

#primjer iteriranja kroz listu i ispis njenih elemenata:
for broj in brojevi:
    print(broj)

#primjer funkcije koja ispisuje "Hello World"
def Hello():
    print ("Hello World")

Primjer klase:

class Hello():
    #konstruktor bilo koje klase se definira kao def __init__(self):
    def __init__(self):
        pass
    #definicija metode pozdrav()
    def pozdrav(self):
        print ("Hello World")


Evolucijski argument protiv stvarnosti

Kognitivni naučnik Donald Hofman koristi evolucionističku teoriju igara kako bi pokazao da naše percepcije nezavisne stvarnosti moraju biti iluzije

Dok prolazimo kroz naš svakodnevni život, pretpostavljamo da su naše percepcije – prizori, zvukovi, teksture, ukusi – tačan prikaz stvarnog svijeta. Naravno, kada se zaustavimo i razmislimo o tome – ili kada se nađemo zavarani percepcijskom iluzijom – shvatamo sa trzajem da ono što percipiramo nikada nije svijet direktno, već da naš mozak najbolje pretpostavlja kakav je taj svijet, vrsta unutrašnje simulacije spoljne realnosti. Ipak, mi se oslanjamo na činjenicu da je naša simulacija prilično pristojna. Da nije, evolucija bi nas do sada uklonila? Prava stvarnost bi mogla biti zauvijek izvan našeg dosega, ali zasigurno naša osjetila daju nam barem naznaku o tome kako je to stvarno.

Ne tako, kaže Donald D. Hoffman, profesor kognitivne nauke na Univerzitetu Kalifornija, Irvine. Hofman je protekle tri decenije proveo proučavajući percepciju, vještačku inteligenciju, evolucionu teoriju igara i mozak, a njegov zaključak je dramatičan: svijet koji nam predstavljaju naše percepcije nije ništa slično stvarnosti. Štaviše, kaže on, sama evolucija treba da se zahvali za ovu veličanstvenu iluziju, jer maksimizira evolucijsku sposobnost vožnje istinom do istrebljenja.

Postizanje pitanja o prirodi stvarnosti, i odvajanje posmatrača od posmatranog, je poduhvat koji zaokružuje granice neuroznanosti i fundamentalne fizike. Na jednoj strani ćete naći istraživače koji češu svoje brade surovim pokušavajući da shvate kako gruda sive mase od tri kilograma, koja ne poštuje ništa više od običnih zakona fizike, može dovesti do svjesnog iskustva prvog lica. Ovo je prikladno nazvan “teški problem”.

S druge strane su kvantni fizičari, čudeći se čudnoj činjenici da kvantni sistemi ne izgledaju kao određeni objekti lokalizirani u svemiru sve dok ih ne promatramo – bilo da smo svjesni ljudi ili neživih mjernih uređaja. Eksperiment nakon eksperimenta je pokazao – prkoseći zdravom razumu – da ako pretpostavimo da čestice koje sačinjavaju obične objekte imaju objektivno postojanje, nezavisno od posmatrača, dobijamo pogrešne odgovore. Centralna lekcija kvantne fizike je jasna: ne postoje javni objekti koji stoje tamo u nekom već postojećem prostoru. Kao što je fizičar John Wheeler rekao: “Korisno je, kao što je to uobičajenim okolnostima reći da svijet postoji” tamo negdje “neovisno od nas, to stajalište više ne može biti podržano.”

Dakle, dok se neuroznanstvenici bore da shvate kako takva stvar može postojati kao stvarnost u prvom licu, kvantni fizičari moraju da se uhvate u koštac sa misterijom kako može postojati bilo šta osim stvarnosti u prvom licu. Ukratko, svi putevi vode nazad do posmatrača. I tu možete naći Hofmana – koji graniči sa granicama, pokušavajući napraviti matematički model posmatrača, pokušavajući doći do stvarnosti iza iluzije. Quanta Magazine ga je intervijusao da sazna više. Slijedi uređena i sažeta verzija razgovora.

QUANTA MAGAZINE: Ljudi često koriste Darwinovu evoluciju kao argument da naše percepcije tačno odražavaju stvarnost. Kažu: „Očigledno moramo na neki način da se uhvatimo za realnost, jer bi inače bili odavno izbrisani. Ako mislim da vidim palmu, ali je to stvarno tigar, u nevolji sam.

Evolucija nas je oblikovala percepcijama koje nam omogućavaju da preživimo. Ali dio toga uključuje skrivanje od nas stvari koje ne trebamo znati. A to je gotovo sva stvarnost, bez obzira na stvarnost.

DONALD HOFFMAN: U redu. Klasičan argument je da su naši preci koji su tačnije gledali imali konkurentsku prednost u odnosu na one koji su manje precizno gledali i zato su vjerovatnije prenijeli svoje gene koji su kodirani za one točnije percepcije, tako da nakon tisuća generacija možemo biti sasvim sigurni smo da smo potomci onih koji su videli tačno, i tako vidimo tačno. To zvuči vrlo uvjerljivo. Ali mislim da je to potpuno pogrešno. To pogrešno shvata osnovnu činjenicu o evoluciji, a to je da se radi o funkcijama fitnesa – matematičkim funkcijama koje opisuju koliko dobro određena strategija postiže ciljeve opstanka i reprodukcije. Matematički fizičar Chetan Prakash dokazao je teoremu koju sam osmislio i koja kaže: Prema evoluciji prirodnom selekcijom, organizam koji vidi stvarnost onakvu kakva je, nikada neće biti prikladnija od organizma jednake složenosti koji ne vidi ništa od stvarnosti, već je samo podešen na fitness. Nikad.


Napravili ste računarske simulacije da biste to pokazali. Možete li dati primjer?
Pretpostavimo da u stvarnosti postoji resurs, kao što je voda, i možete kvantificirati koliko ga ima u objektivnom poretku – vrlo malo vode, srednje količine vode, puno vode. Pretpostavimo da je vaša fitnes funkcija linearna, tako da vam malo vode daje malo kondicije, srednja voda vam daje srednju kondiciju, a puno vode vam daje puno kondicije – u tom slučaju, organizam koji vidi istinu o vodi u svijet može pobijediti, ali samo zato što se funkcija fitnesa podudara s istinskom strukturom u stvarnosti. Generalno, u stvarnom svijetu to nikada neće biti slučaj. Nešto mnogo prirodnije je zvono – recimo, premalo vode umirete od žeđi, ali previše vode vas udavljuje, a samo negdje između je dobro za opstanak. Funkcija fitnesa ne odgovara strukturi u stvarnom svijetu. I to je dovoljno da se istina izruči. Na primer, organizam podešen na fitnes može da vidi male i velike količine nekog resursa kao, recimo, crveno, da bi ukazao na nisku fizičku sposobnost, dok bi mogli da vide srednje količine kao zelene, što ukazuje na visoku sposobnost. Njegove percepcije će biti prilagođene fitnesu, ali ne istini. To neće vidjeti nikakvu razliku između malog i velikog – on samo vidi crveno – iako takva razlika postoji u stvarnosti.

Ali kako gledanje lažne stvarnosti može biti korisno za opstanak organizma?
Postoji metafora koja nam je dostupna samo u proteklih 30 ili 40 godina, a to je interfejs za radnu površinu. Pretpostavimo da postoji plava pravougaona ikona u donjem desnom uglu radne površine vašeg računara – da li to znači da je sama datoteka plava i pravougaona i da živi u donjem desnom uglu vašeg računara? Naravno da ne. Ali to su jedine stvari koje se mogu tvrditi o bilo čemu na radnoj površini – to je boja, položaj i oblik. To su jedine kategorije koje su vam dostupne, a ipak nijedna od njih nije istinita u vezi same datoteke ili bilo čega u računaru. Nisu mogli biti istiniti. To je zanimljiva stvar. Niste mogli da napravite pravi opis unutrašnjih djelova računara ako je vaš celokupan pogled na stvarnost bio ograničen na radnu površinu. Pa ipak, radna površina je korisna. Ta plava pravougaona ikona vodi moje ponašanje i krije kompleksnu stvarnost koju ne moram znati. To je ključna ideja. Evolucija nas je oblikovala percepcijama koje nam omogućavaju da preživimo. Oni usmjeravaju adaptivno ponašanje. Ali dio toga uključuje skrivanje od nas stvari koje ne trebamo znati. A to je gotovo sva stvarnost, bez obzira na stvarnost. Ako biste morali da provedete svo to vrijeme dok ste to shvatili, tigar bi vas pojeo.

Dakle, sve što vidimo je jedna velika iluzija?
Mi smo oblikovani tako da imamo percepcije koje nas održavaju na životu, tako da ih moramo shvatiti ozbiljno. Ako vidim nešto što smatram zmijom, neću je pokupiti. Ako vidim voz, ne ulazim ispred njega. Razvio sam ove simbole da bi me održao u životu, tako da ih moram shvatiti ozbiljno. Ali logično je da smatramo da ako moramo ozbiljno shvatiti, moramo to shvatiti i doslovno.

Ako zmije nisu zmije i vozovi nisu vlakovi, šta su oni?
Zmije i vlakovi, kao i čestice fizike, nemaju objektivne karakteristike koje su nezavisne od posmatrača. Zmija koju vidim je opis stvoren od strane mog senzornog sistema da bi me informisao o zdravstvenim posljedicama mojih postupaka. Evolucija oblikuje prihvatljiva rješenja, a ne optimalna. Zmija je prihvatljivo rješenje problema da mi kažeš kako da se ponašam u situaciji. Moje zmije i vlakovi su moje mentalne reprezentacije; vaše zmije i vlakovi su vaše mentalne reprezentacije.

Kako ste se prvi put zainteresovali za ove ideje?
Kao tinejdžer, bio sam veoma zainteresovan za pitanje “Da li smo mi mašine?” Moje čitanje nauke je sugerisalo da jesmo. Ali moj tata je bio sveštenik, au crkvi su govorili da nismo. Tako da sam odlučio da moram to sam da shvatim. To je svojevrsno osobno pitanje – ako sam mašina, htio bih to otkriti! A ako nisam, volio bih da znam, koja je to posebna magija izvan stroja? Tako sam na kraju 1980-ih otišao u laboratoriju za vještačku inteligenciju u MIT-u i radio na percepciji mašine. Istraživačko polje vida uživalo je novi uspeh u razvoju matematičkih modela za specifične vizuelne sposobnosti. Primijetio sam da dijele zajedničku matematičku strukturu, pa sam pomislio da bi bilo moguće zapisati formalnu strukturu za promatranje koja je obuhvatila sve njih, možda sve moguće načine promatranja. Delimično me je inspirisao Alan Turing. Kada je izumio Turingovu mašinu, pokušavao je da smisli izračunavanje, i umesto da stavi zvona i zviždaljke na njega, rekao je: Hajde da uzmemo najjednostavniji, najslabiji matematički opis koji bi mogao da funkcioniše. I taj jednostavan formalizam je osnova za nauku računanja. Zato sam se zapitao, da li mogu da obezbjedim sličnu jednostavnu formalnu osnovu za nauku posmatranja?

Matematički model svijesti.
Tako je. Moja intuicija je bila, postoje svjesna iskustva. Imam bolove, ukuse, mirise, sva moja čulna iskustva, raspoloženja, emocije i tako dalje. Zato ću samo reći: Jedan dio ove strukture svijesti je skup svih mogućih iskustava. Kada imam iskustvo, na osnovu tog iskustva, možda želim da promjenim ono što radim. Zato moram da imam kolekciju mogućih akcija koje mogu da preduzmem i strategiju odlučivanja koja, s obzirom na moja iskustva, omogućava mi da promjenim način na koji se ponašam. To je osnovna ideja cijele stvari. Imam prostor X iskustava, prostor G akcija, i algoritam D koji mi omogućava da izaberem novu akciju s obzirom na moja iskustva. Tada sam postavio W za svijet, koji je takođe prostor vjerovatnoće. Nekako svijet utiče na moje percepcije, tako da postoji percepcija P od svijeta do mojih iskustava, a kada se ponašam, mijenjam svijet, tako da postoji mapa A iz prostora djelovanja prema svijetu. To je cijela struktura. Šest elemenata. Tvrdnja je: Ovo je struktura svijesti. Stavio sam to tamo da ljudi imaju nešto da kritikuju.

Ali ako postoji W, kažete da postoji spoljni svijet?

Evo u pitanju je upečatljiva stvar. Mogu izvući W iz modela i staviti svjestan agent na njegovo mjesto i dobiti krug svjesnih agenata. U stvari, možete imati čitave mreže proizvoljne složenosti. I to je svijet.


Svijet su samo drugi svjesni agenti?

Ja to zovem svjesni realizam: Objektivna realnost su samo svjesni agenti, samo tačke gledišta. Zanimljivo, mogu uzeti dva svjesna agenta i dati im interakciju, a matematička struktura te interakcije također zadovoljava definiciju svjesnog agenta. Ova matematika mi nešto govori. Mogu uzeti dva uma, i oni mogu stvoriti novi, jedinstveni um. Evo konkretnog primjera. Imamo dvije hemisfere u našem mozgu. Ali kada radite operaciju podjeljenog mozga, kompletnu sekciju korpusa kalosuma, dobijate jasne dokaze o dvije odvojene svjesti. Prije nego što se to dogodilo, činilo se da postoji jedna jedinstvena svijest. Dakle, nije nevjerovatno da postoji jedan svjesni agent. Pa ipak, postoji i slučaj da tamo postoje dva svjesna agenta i to možete vidjeti kada se razdvoje. Nisam to očekivao, matematika me je prisilila da to prepoznam. To sugeriše da mogu uzeti odvojene posmatrače, sastaviti ih i stvoriti nove posmatrače, i nastaviti to raditi beskonačno. Jedino što postoji su svjesni agenti.

Ako su svjesni agenti skroz dole, sva gledišta prvog lica, šta se dešava sa naukom? Nauka je oduvijek bila opis trećeg lica sveta

.
Ideja da ono što radimo mjeri javno dostupne objekte, ideju da objektivnost proizlazi iz činjenice da vi i ja možemo da izmjerimo isti objekat u istoj situaciji i dobijemo iste rezultate – od kvantne mehanike je sasvim jasno da to ideja mora ići. Fizika nam govori da ne postoje javni fizički objekti. Pa šta se dešava? Evo kako ja mislim o tome. Mogu da razgovaram sa vama o glavobolji i vjerujem da efikasno komuniciram sa vama, jer ste imali svoje glavobolje. Ista stvar je istinita kao i za jabuke i Mesec i Sunce i Univerzum. Baš kao što imate svoju glavobolju, imate svoj mjesec. Ali pretpostavljam da je relevantno slično mojoj. To je pretpostavka koja može biti lažna, ali to je izvor moje komunikacije, i to je najbolje što možemo učiniti u smislu javnih fizičkih objekata i objektivne nauke.

Ne izgleda kao da mnogi ljudi iz neuroznanosti ili filozofije uma razmišljaju o fundamentalnoj fizici. Mislite li da je to bio kamen spoticanja za one koji pokušavaju da shvate svijest?
Mislim da jeste. Ne samo da ignorišu napredak u fundamentalnoj fizici, oni su često eksplicitni o tome. Oni će otvoreno reći da kvantna fizika nije relevantna za aspekte funkcije mozga koji su uzročno uključeni u svijest. Oni su sigurni da to moraju biti klasična svojstva neuronske aktivnosti, koja postoje nezavisno od bilo kojeg posmatrača – stope pikovanja, jačine veze na sinapsama, možda i dinamička svojstva. Sve su to vrlo klasični pojmovi pod Njutnovom fizikom, gdje je vrijeme apsolutno i objekti apsolutno postoje. A onda su [neuroznanstvenici] misteriozni zašto ne napreduju. Oni se ne koriste nevjerovatnim uvidima i otkrićima koje je fizika napravila. Ti uvidi su tu da bismo ih koristili, a ipak moje polje kaže: “Držaćemo se Njutna, hvala vam. Ostat ćemo 300 godina iza naše fizike.”


Pretpostavljam da reaguju na stvari kao što su Roger Penrose i model Stuarta Hameroffa, gdje još uvijek imate fizički mozak, još uvijek je u svemiru, ali navodno je to neki kvantni podvig. Nasuprot tome, vi kažete: “Gledajte, kvantna mehanika nam govori da moramo preispitati same pojmove“ fizičkih stvari ”koje se nalaze u“ prostoru ”.

Mislim da je to apsolutno tačno. Neuroznanstvenici kažu: “Ne moramo da se pozivamo na takve kvantne procese, ne treba nam kvantne talasne funkcije koje se urušavaju unutar neurona, već možemo koristiti klasičnu fiziku da opišemo procese u mozgu.” veća lekcija kvantne mehanike: Neuroni, mozgovi, prostor … ovo su samo simboli koje koristimo, oni nisu stvarni. Nije da postoji klasičan mozak koji radi neku kvantnu magiju. To je da nema mozga! Kvantna mehanika kaže da klasični objekti – uključujući mozak – ne postoje. Dakle, ovo je daleko radikalnija tvrdnja o prirodi stvarnosti i ne uključuje povlačenje mozga iz nekih lukavih kvantnih proračuna. Dakle, čak ni Penrose nije to dovoljno shvatio. Ali većina nas, znate, rođeni smo realisti. Mi smo rođeni fizičari. Ovo je stvarno, stvarno kontraintuitivno.

Da se vratimo na pitanje koje ste počeli kao tinejdžer, da li smo mi mašine?
Formalna teorija o svjesnim agentima koju sam razvijao je računski univerzalna – u tom smislu, to je teorija mašina. I zato što je teorija računski univerzalna, mogu da dobijem  sve kognitivne nauke i neuronske mreže iz nje. Ipak, za sada ne mislim da smo mašine – djelom zato što razlikujem matematički prikaz i stvar koja se predstavlja. Kao svjesni realist, postuliram svjesna iskustva kao ontološke primitive, najosnovnije sastojke svijeta. Tvrdim da su iskustva pravi novac carstva. Iskustva svakodnevnog života – moj pravi osjećaj glavobolje, moj pravi okus čokolade – to je zaista krajnja priroda stvarnosti.

Izvor: https://www.quantamagazine.org/the-evolutionary-argument-against-reality-20160421/