Transcription
Dieses Video wird in Zusammenarbeit mit II, dem NSF AI Institute for Artificial Intelligence and Fundamental Interactions, einem US-Institut, das die Verbindungen zwischen künstlicher Intelligenz und fundamentaler Physik erforscht, produziert. [Musik] Willkommen zurück bei Science Click. [Musik] Heute: die Physik der künstlichen Intelligenz. In den letzten Jahren hat sich künstliche Intelligenz oder [Musik] KI in der Gesellschaft verbreitet. Chatbots, Bildgeneratoren, aber auch Schwarzloch-Fotoverbesserer und Proteinstruktur-Vorhersager. [Musik] Am 8. Oktober 2024 erhielten John Hopfield und Jeffrey Hinton den Nobelpreis für Physik für ihre Beiträge auf diesem [Musik] Gebiet. Aber warum ein Nobelpreis für Physik für künstliche Intelligenz? In diesem Video werden wir uns nicht mit den spezifischen Anwendungen von KI oder den ethischen und gesellschaftlichen Fragen, die sie aufwirft, befassen, sondern vielmehr mit den grundlegenden Prinzipien hinter diesen Algorithmen. [Musik] Wir werden sehen, dass es unerwartete Verbindungen zur Magnetik und Teilchenphysik gibt. Tauchen wir ein in die Physik der KI. Es ist das Jahr 1920 und der deutsche Physiker Phil Helm Lens stellt seinem Studenten Ernst Eising ein physikalisches Problem. Der Professor bittet Eising, ein Modell zur Erklärung des Magnetismus in bestimmten Materialien wie Eisen zu untersuchen, die permanente Magnete bilden können. Ein Eisenblock besteht aus Atomen, deren Elektronen winzige Magnetfelder erzeugen, die als Spins bezeichnet werden. Grob gesagt, können sie in einem von zwei Zuständen existieren: auf oder ab. Um diese Struktur zu schematisieren, betrachtet Eisen ein Gitter von Atomen, die jeweils einen Spin nach oben oder unten tragen. Er interessiert sich dafür, wie sich dieses Netzwerk im Laufe der Zeit entwickelt. Erstens verursacht die Umgebungstemperatur zufällige Schwankungen der Spins. Zweitens neigen benachbarte Spins im Gitter dazu, sich auszurichten, da diese Konfiguration weniger Energie benötigt und daher stabiler ist. Mit der Zeit sehen wir magnetische Domänen, in denen benachbarte Spins miteinander ausgerichtet sind. Schließlich, wenn wir ein externes Magnetfeld hinzufügen, neigen sich alle Spins dazu, sich an diesem Feld auszurichten, wodurch der Eisenblock in einen großflächigen Magneten verwandelt wird. Das Ising-Modell ermöglicht somit das Verständnis bestimmter Phänomene wie Ferromagnetismus. Um dieses Modell besser zu verstehen, können wir es uns wie eine Murmel vorstellen, die über eine bergige Landschaft rollt. Die Position der Murmel repräsentiert die Konfiguration des Gitters zu einem bestimmten Zeitpunkt, während ihre Höhe die mit dieser Konfiguration verbundene Energie repräsentiert. Im Laufe der Zeit rollt die Murmel zu niedrigeren, stabileren Konfigurationen [Musik], während sich die Spins miteinander ausrichten und das Gitter entspannt. Spulen wir ein wenig vor. Es ist jetzt 1982 und die Informatik boomt. Der Amerikaner John H. Hopfield lässt sich vom Ising-Modell inspirieren, um einen neuen Algorithmus zu entwickeln, der Muster speichern kann. Anstelle von Atomen besteht das Hopfield-Netzwerk nun aus künstlichen Neuronen, die aktiviert oder nicht aktiviert sein können. Diese Neuronen sind alle miteinander verbunden, ähnlich wie Synapsen im Gehirn. Wie bei den Spins interagieren die Neuronen miteinander. Aber diesmal trägt jede Synapse einen Gewichtungskoeffizienten, der den Einfluss zwischen den von ihr verbundenen Neuronen regelt. Einige Synapsen haben ein positives Gewicht und drängen die Neuronen dazu, denselben Zustand anzunehmen. Andere haben einen Nullkoeffizienten, so dass die Neuronen sich nicht gegenseitig beeinflussen. Wieder andere tragen einen negativen Koeffizienten und drängen die Neuronen zu entgegengesetzten Zuständen. Wie zuvor entwickelt sich das Netzwerk. Jedes Neuron empfängt eine Summe von Werten von jeder Synapse und wird je nach einem bestimmten Schwellenwert aktiviert oder nicht. Im Laufe der Zeit bewegt sich das Netzwerk somit in Richtung einer stabileren Situation mit geringerer Energie. Der große Vorteil dieses Modells ist, dass es möglich ist, alle seine Parameter zu verändern. Wenn wir beispielsweise diese Koeffizienten umkehren, befindet sich das Netzwerk nicht mehr im Gleichgewicht und wird instabil. Die Energielandschaft wird durch diese Änderung beeinflusst. Und wenn es sich wieder entspannt, findet das Netzwerk eine neue Gleichgewichtskonfiguration. Mit anderen Worten, durch die Veränderung der Koeffizienten jeder Synapse können wir die Landschaft der Konfigurationen nach Belieben gestalten. Insbesondere können wir Vertiefungen um bestimmte Konfigurationen unserer Wahl graben, was bedeutet, dass diese Konfigurationen Gleichgewichtspunkte werden und das Netzwerk sich zu einem von ihnen entwickeln muss. Hopfield baute somit ein Netzwerk, das Muster speichern kann, denn wenn es aus einem Anfangszustand freigesetzt wird, konvergiert das Netzwerk natürlich zum nächstgelegenen gespeicherten Muster. Ein mächtiges Werkzeug, das Maschinen das Lernen ermöglicht. Im Laufe der Jahre entwickelten andere Wissenschaftler wie Jeffrey Hinton dieses Modell weiter und führten allmählich zur KI, die wir heute kennen. Auch heute noch basiert künstliche Intelligenz auf diesen neuronalen Netzen, in denen Informationen von Synapse [Musik] zu Synapse weitergeleitet werden. Damit diese Netzwerke richtig funktionieren, trainieren wir sie zunächst anhand vieler Beispiele, um ihre Parameter schließlich anzupassen und sie wiederkehrende Muster speichern zu lassen. Dies nennt man maschinelles Lernen. Bisher haben wir gesehen, dass die Physik die Entwicklung der künstlichen Intelligenz beeinflusst hat. Aber es stellt sich heraus, dass es eine weitere, vielleicht weniger bekannte Verbindung zwischen neuronalen Netzen und fundamentaler Physik gibt. Um sie zu verstehen, müssen wir eine technische Klammer öffnen. Betrachten wir dieses neuronale Netz. Es nimmt zwei Eingabewerte, transformiert sie und liefert eine Ausgabe. Insgesamt fungiert das Netzwerk als mathematische Funktion, die zwei Eingaben nimmt und eine Ausgabe zurückgibt. Wir können die beiden Eingabewerte als Punkt in zwei Dimensionen darstellen. Unser neuronales Netz verhält sich wie ein Feld, das jedem Punkt im Raum einen Wert zuweist. In der Physik sind Felder sehr nützlich, um die Temperatur in der Atmosphäre, die Geschwindigkeit in einer Flüssigkeit oder sogar die Schwerkraft zu beschreiben. In unserem Fall hängen die Werte des Feldes von den Parametern des Netzwerks ab. Durch deren Anpassung erhalten wir unterschiedliche Werte. Konzentrieren wir uns auf einen Punkt. Das Netzwerk weist ihm einen bestimmten Wert zu. Wenn wir die Parameter des Netzwerks ändern, erhalten wir unterschiedliche Ausgaben. Ändern wir zufällig die Koeffizienten und visualisieren wir die Überlagerung aller Werte. Unter all diesen Zahlen können wir sehen, dass einige häufiger vorkommen als andere. Die Ausgaben des Netzwerks folgen einer bestimmten statistischen Verteilung. Wir erhalten mit höherer Wahrscheinlichkeit bestimmte Werte als andere. Natürlich ist die Verteilung der Werte nicht dieselbe, wenn wir einen anderen Punkt betrachten. Sie ändert sich auch, wenn wir die Anzahl der Neuronen im Netzwerk erhöhen. Wenn das Netzwerk breiter wird, entwickelt sich die Verteilung im Laufe der Zeit. Sie scheint jedoch immer glatter zu werden. Überraschenderweise scheint sich die Verteilung allmählich einer Glockenkurve anzunähern, was Mathematiker eine Gausssche Verteilung nennen. Überraschenderweise gilt dies für alle Eingabewerte, unabhängig von der Anzahl der Schichten im Netzwerk. Fast alle neuronalen Netze konvergieren somit zu dieser Art von Verteilung, wenn sie unendlich breit werden. All dies ist seit etwa 30 Jahren etabliert. 1995 entdeckte Radford Neil, ein Student von Jeffrey Hinton, dass sehr breite neuronale Netze zu Gaussschen Prozessen neigen. Spulen wir ins Jahr 2020 vor, und ein Forscherteam des neu gegründeten III schlug eine unerwartete Entsprechung zwischen diesem Phänomen und dem Verhalten von Quantenfeldern vor. Wie wir gesehen haben, kann ein neuronales Netz als ein Feld interpretiert werden, das jedem Punkt im Raum einen Wert zuweist. Aber in der Quantenphysik wird das Verhalten von Teilchen, aus denen Materie besteht und die Wechselwirkungen steuern, durch Quantenfelder beschrieben, die man sich als Felder vorstellen kann, deren Werte zufällig schwanken. Teilchen sind Störungen, die sich in diesem Quantenfeld ausbreiten. Im einfachsten Modell eines Quantenfeldes sind Teilchen unabhängig und interagieren nicht miteinander. In dieser Situation schwanken die Werte des Feldes gemäß einer sehr spezifischen Verteilung, einer Gaussschen Verteilung. Mit anderen Worten, ein Quantenfeld ohne Wechselwirkungen verhält sich genauso wie ein unendlich breites neuronales Netz, dessen Koeffizienten zufällig variieren. Allerdings interagieren Teilchen in der Natur miteinander, und Physiker berechnen diese Wechselwirkungen, indem sie kleine Korrekturen zum vorherigen Modell hinzufügen. Ähnlich ist in einem realen neuronalen Netz, das nicht unendlich breit ist, die statistische Verteilung der Werte nicht perfekt Gaussssch, sondern leicht unterschiedlich. Kleine Korrekturen müssen berücksichtigt werden, Korrekturen, die analog zu denen sind, die durch Wechselwirkungen in der Teilchenphysik verursacht werden. Es gibt also eine starke Analogie zwischen dem Verhalten neuronaler Netze und dem von Quantenfeldern. Derzeit ist die Quantenfeldtheorie unsere beste Beschreibung der Welt. Aber sie ist extrem komplex zu berechnen. Zum Beispiel ist die Simulation des Verhaltens von Quarks im Atomkern bereits eine kolossale Herausforderung, selbst für die leistungsfähigsten Supercomputer. Einige Physiker glauben nun, dass neuronale Netze einen neuen Ansatz für diese Probleme bieten könnten. Sie können bereits die Statistik eines freien Feldes ohne Wechselwirkungen reproduzieren. Beeindruckender ist, dass Forscher auch Felder mit Wechselwirkungen reproduziert haben, wie das Phi-4-Modell, bei dem Teilchen paarweise interagieren, oder bestimmte Modelle konformer Felder mit einer gewissen Symmetrie. Es ist ein faszinierender Ansatz, der noch nicht in der Lage ist, realistische Situationen zu untersuchen, aber der eine völlig neue Möglichkeit bietet, bestimmte theoretische Probleme in der Teilchenphysik anzugehen. Diese Entsprechung ermöglicht es uns auch, neuronale Netze mit Werkzeugen aus der Physik zu untersuchen, wie z. B. Feynman-Diagrammen, die im Allgemeinen zur Untersuchung von Wechselwirkungen zwischen Teilchen verwendet werden. Zusammenfassend lässt sich sagen, dass es vielfältige Verbindungen zwischen Physik und künstlicher Intelligenz gibt und einige KI-Modelle bereits in der experimentellen Physik eingesetzt werden, um Gravitationswellensignale zu entrauschen oder Daten auf der Suche nach neuen Teilchen zu analysieren, in der theoretischen Physik, um mathematische Probleme zu lösen, die Eigenschaften bestimmter Quantenfelder zu untersuchen oder die Vielfalt der Universen der Stringtheorie zu erforschen, aber auch in der Festkörperphysik, um neue Materialeigenschaften zu entdecken oder Phasenübergänge zu simulieren. Und schließlich in der Astrophysik, um die Entstehung bestimmter Strukturen zu verfolgen, durch Gravitationslinsen verzerrte Bilder zu rekonstruieren oder die Anwesenheit von Dunkler Materie in Galaxien zu kartieren. Umgekehrt können Werkzeuge aus der Physik uns auch helfen, KIs besser zu verstehen, die oft als schwarze [Musik] Boxen wahrgenommen werden, die schwer zu interpretieren sind. Physikalische Konzepte wie Energielandschaften, Quantenfelder und Wechselwirkungen bieten eine Brücke, um KI in die Sprache der Physik zu übersetzen. [Musik] >> [Musik]