Редактор｜Panda
Вычислительный рекорд в теоретической физике, державшийся три года, был побит ИИ.
Несколько часов назад Anthropic объявила: Claude на исследовательской платформе Claude Science работал непрерывно несколько дней практически без присмотра и вычислил девятипетлевую амплитуду рассеяния шести частиц в планарной N=4 суперсимметричной теории Янга-Миллса.
Это признанная передовая задача в области теоретической физики, известная как «амплитуды рассеяния». Ранее высший рекорд в этой модели составлял восемь петель, установленный в 2023 году Лэнсом Диксоном из Национальной ускорительной лаборатории SLAC и его коллегами.
Этот прорыв был лично проверен создателем рекорда восьми петель. Диксон независимо подтвердил результат Claude и отметил, что способность большой языковой модели выполнить каждый шаг этого сложного рецепта и организовать вычисление, по его мнению, является «довольно выдающейся победой». Он даже прямо заявил, что, помимо его коллег, Claude понимает две их статьи 2019 и 2023 годов лучше, чем кто-либо другой.
Ещё более удивительны процесс и стоимость. Исследователи дали Claude лишь описание задачи в одно предложение, и после этого «руководство» почти не выходило за рамки «продолжай»; всё вычисление, пересчитанное на затраты обычного пользователя, составило около одной-двух тысяч долларов, из которых часть, фактически использованная для численных расчётов, составила лишь около 100 долларов, что эквивалентно работе 96 процессоров в течение недели. При этом Диксон изначально считал, что прямое вычисление девятипетлевой амплитуды слишком сложно, и его команда готовилась к этому несколько лет.
Отправной точкой этого прорыва стал публичный «вызов».
7 августа бывший физик-теоретик и научный популяризатор Мэтт фон Хиппель опубликовал в своём блоге 4gravitons несколько провокационную статью под названием «Только ИИ, входящий в мою область, имеет значение». В ней он явно бросил вызов компаниям, занимающимся ИИ: использовать вычислительные мощности, которые может позволить себе учёный, чтобы решить нерешённую крупную проблему в области амплитуд рассеяния.
Он предложил два варианта: либо вычислить N=8 супергравитацию до семи петель, либо вычислить амплитуду шести частиц в N=4 суперсимметричной теории Янга-Миллса до девяти петель.
Месяц спустя ИИ выполнил задачу. То, что только что опубликовала Anthropic, — это именно гостовая статья, написанная самим фон Хиппелем, под названием: «Да, Claude может делать девять петель».
https://www.anthropic.com/research/yes-claude-can-do-nine-loops
Девять петель — в чём же сложность?
Чтобы понять весомость этого вопроса, сначала нужно уяснить, что именно вычисляют физики.
Физики элементарных частиц предсказывают поведение частиц с помощью класса формул, называемых «амплитудами рассеяния»: зная энергию и импульс частиц, участвующих в столкновении, амплитуда рассеяния может сказать вам вероятность того, что они прореагируют определённым образом.
Чем точнее предсказание, тем более детальным может быть сравнение с результатами таких экспериментов, как Большой адронный коллайдер (БАК). Как только появляется отклонение, оно может стать ключом к новой физике, например, к природе тёмной материи или к тому, почему материя и антиматерия во Вселенной асимметричны.
Проблема в том, что амплитуды рассеяния чрезвычайно трудно вычислить точно, и физики почти могут делать только приближения. Они наслаивают вычисления по «петлям»; число петель приблизительно измеряет, насколько сложными могут быть взаимодействия между частицами. Каждая дополнительная петля приближает ответ к истинному значению, но объём вычислений также резко возрастает. В исходном тексте задачи фон Хиппель писал, что сложность таких вычислений обычно растёт экспоненциально или даже факториально с числом петель.
Поэтому в действительности подавляющее большинство амплитуд рассеяния вычисляется только до двух петель, а некоторые могут достигать трёх петель. Самое точное предсказание в физике элементарных частиц — аномальный магнитный момент электрона — использовало пять петель.
Теория N=4 супер-Янга-Миллса — это особая игрушечная модель в этой области. «Янга-Миллса» — это теоретическая основа, описывающая три фундаментальных взаимодействия: электромагнетизм, сильное ядерное взаимодействие и слабое ядерное взаимодействие; «N=4 суперсимметрия» означает, что каждая частица имеет четыре суперсимметричных партнёра. Частиц так много, что это нереалистично; эта теория не описывает реальный мир. Но именно эта высокая степень симметрии приводит к тому, что многие комбинации переменных взаимно сокращаются, делая вычисления относительно управляемыми. Исследователи оттачивают здесь новые методы, чтобы посмотреть, как далеко они могут зайти.
Метод, использованный на этот раз, называется «бутстрап». Фон Хиппель сравнил его с судоку: сначала выписываются все возможные формы ответа, записываются в компьютерные файлы с помощью специального «алфавита», затем с использованием всех известных ограничений они исключаются одно за другим, включая предсказания других методов, правила, которым должен подчиняться ответ, и известные результаты из смежных задач. В идеале в конце только один кандидат проходит все проверки, и остаются дополнительные проверки, чтобы подтвердить, что не было допущено ошибок.
Рекорд восьми петель был получен Диксоном в обходным путём. В 2023 году он и Юйтин Лю использовали своеобразную симметрию, называемую «антиподальной дуальностью», чтобы сначала вычислить относительно более лёгкий «формфактор», а затем преобразовать его в амплитуду восьми петель. В течение нескольких последующих лет его команда не сводила глаз с девяти петель, планируя следовать тем же косвенным путём. По его мнению, прямое вычисление амплитуды девяти петель было слишком сложным.
Стоит упомянуть, что сам фон Хиппель является ветераном этого направления исследований. Ранее он сотрудничал с Диксоном и другими, чтобы продвинуть шестичастичную амплитуду до шести и семи петель. Иными словами, он выбрал кость, которую сам же и грыз.
Один запрос, а затем просто повторяй «продолжай»
В конце августа два физика из Anthropic, Лиам Фицпатрик и Сиддхарт Мишра-Шарма, связались с фон Хиппелем и сообщили ему, что задача была покорена.
Они использовали модель Fable 5.1, работающую на платформе Claude Science. В статье фон Хиппель объяснил, что Claude Science — это своего рода «упряжь», то есть обёртывание структурированных правил и подсказок вокруг большой модели, чтобы она работала более надёжно при выполнении научно-исследовательских задач.
Согласно статье, двое сначала спросили Claude, в какой задаче он наиболее уверен, а затем дали лишь очень краткое описание задачи: вычислить девятипетлевую шестичастичную (гексагональную) амплитуду в планарной N=4 SYM.
После этого «руководство исследованием» в основном сводилось к тому, чтобы просто позволить ему продолжать. Типичная инструкция, раскрытая в статье, звучала примерно так: я иду спать, меня не будет следующие несколько часов, продолжай работать, пока я не скажу остановиться, и сообщай о прогрессе каждые четыре-шесть часов.
В конечном итоге Claude вычислил это дважды, двумя разными способами: сначала прямым бутстрап-методом, а затем косвенным путём через формфакторы, использованные командой Диксона. Согласно статье, любой из этих способов обошёлся конечному пользователю примерно в одну-две тысячи долларов, причём основную часть составила стоимость длительной работы самой модели. Часть с бутстрап-вычислениями была выполнена с помощью Python и библиотеки символьных вычислений SymPy и заняла лишь около 100 долларов, что эквивалентно работе 96 процессоров в течение недели.
фон Хиппель посетовал, что когда он занимался такого рода исследованиями десять лет назад, работа 96 процессоров в течение недели была значительной инвестицией, тогда как теперь, при наличии достаточных оснований, такого объёма ресурсов вполне достаточно.
Ощущение проверяющего: как опавший суфле
В конце статьи есть послесловие, написанное самим Диксоном, под названием «Что чувствуешь, когда машина обошла тебя».
Он написал, что 1 сентября два исследователя из Anthropic сообщили ему, что Claude вычислил девятипетлевую амплитуду, и попросили его проверить результат. Для него этот момент стал тем, когда идея о том, что большие языковые модели меняют физику, «по-настоящему дошла до него».
Диксона впечатлила не столько масштабность вычисления, сколько хрупкость всего процесса. По его описанию, если бы хоть одна часть этого рецепта вычисления оказалась неверной, весь результат рассыпался бы, как неудавшийся суфле, и исследователю пришлось бы возвращаться и кропотливо искать ошибку. Более того, многие детали построения были настолько утомительными, что их не стали бы полностью записывать в статью, а это означало, что Claude пришлось создавать весь код с нуля.
Поскольку из девятипетлевой амплитуды относительно легко вывести девятипетлевый формфактор, Диксон в основном проводил проверку именно по этому пути. Это также привело к несколько деликатной ситуации: то, что он проверял две недели, было именно той целью, к которой его собственная команда стремилась несколько лет.
Он признался, что не чувствовал разочарования, по двум причинам.
Его команда уже использовала специальные модели Transformer для предсказания результатов при более высоких порядках петель и даже выдвинула лозунг, смысл которого сводился к тому, что как только машина даёт ответ-кандидат, у них есть полный набор инструментов для его проверки.
При решении задачи Claude использовал именно те методы, которые Диксон и его коллеги разрабатывали много лет, и даже формат представления результатов соответствовал их существующим соглашениям. По его мнению, пока он проверял Claude, Claude также проверял всю их прошлую работу. Это также является источником его замечания, что «Claude понимает наши статьи лучше, чем кто-либо другой».
Но среди похвал Диксон также сказал, что, по его мнению, момент, который действительно заставит людей ворочаться без сна, наступит тогда, когда модель предложит новые физические принципы и идеи раньше людей.
Китайская команда пришла почти одновременно
У этой истории есть и параллельная линия, и она связана с Китаем.
Всего через несколько дней после того, как Anthropic связалась с фон Хиппелем, с ним также связался Сун Хэ из Института теоретической физики Китайской академии наук: его исследовательская группа уже получила большую часть девятипетлевого результата. 17 сентября Сун Хэ, Цзижун Цзин и Сян Ли публично разместили на Zenodo набор данных под названием «Символ шестиглюонных MHV-амплитуд вплоть до девяти петель», охватывающий символьные данные от двух до девяти петель.
https://zenodo.org/records/22800071
Согласно описаниям фон Хиппеля и Диксона, команда Сун Хэ также использовала помощь ИИ на основе GPT-6, но только для вычисления некоторых ограничений, тогда как общая структура всё ещё создавалась людьми. Это полностью отличается от почти полностью автоматизированного подхода Anthropic «один запрос плюс повторяющееся continue».
В послесловии Диксон иронизировал над собой: в течение двух недель его обошли сначала «машина», а затем «люди плюс машины».
фон Хиппель особо отметил, что атмосфера между сторонами была довольно дружелюбной. Далее Диксон, Сун Хэ и их сотрудники опубликуют эти результаты и предоставят подробные объяснения и анализ для будущих исследователей.
Ретроспектива претендента: низко висящих плодов больше, чем казалось
Вернёмся к самому фон Хиппелю. Когда он изначально ставил задачу, он хотел использовать знакомую ему область, чтобы ответить на вопрос: может ли ИИ действительно обойти те вычислительные узкие места, которые все считают непреодолимыми?
Логика в его первоначальном тексте задачи была следующей: все вокруг спорят, может ли ИИ порождать действительно новые идеи, но насколько трудно найти идеи, известно только после того, как они найдены; трудность вычислений более «конкретна». Многие апокалиптические сценарии о сверхинтеллекте — от моделирования человеческого разума для манипулирования сердцами людей до проектирования наномашин с первых принципов — встречают со стороны критиков стандартное возражение: не хватает вычислительной мощности. Если ИИ сможет, используя ресурсы академического уровня, решить проблему, общепризнанно ограниченную вычислениями, это действительно будет поводом для беспокойства.
И результат? Вывод фон Хиппеля очень откровенен: на этот раз не появилось того самого «прорыва через вычислительный барьер неожиданным способом», на который он надеялся.
Claude использовал известные методы, лишь с несколько большей вычислительной мощностью, чем люди ранее были готовы вложить. Возможно, ему помогло использование Python вместо Maple или Mathematica, к которым привыкли физики, а его практики программной инженерии, возможно, были более стандартизированными, чем у исследователей-людей, но он не достиг уровня «сверхинтеллекта». Тот факт, что команда Сун Хэ пришла почти одновременно, также показывает с другой стороны, что эта цель не находится за пределами человеческих возможностей.
Его главный вывод из этого таков: даже если цель проста и ясна, вещи, которые в глазах экспертов кажутся недостижимыми, на самом деле могут быть не такими уж сложными, и низко висящих плодов больше, чем ожидалось. В течение многих лет друзья с компьютерным образованием говорили ему, что исследователи амплитуд могли бы добиться большого прогресса, просто наняв ещё несколько программистов, и фон Хиппель признал, что теперь эти люди могут почувствовать, что были правы.
Но он также подчеркнул другую сторону. Такие вычисления утомительны и беспорядочны, и если бы он сам использовал 96 процессоров для недельного запуска, он почти наверняка растянул бы это на две недели из-за первой ошибки. Claude Science, однако, выполнил всё за один проход почти без научного надзора, не полагаясь на вклад каких-либо внешних сотрудников. Его совет тем, кто всё ещё считает, что ИИ полон ошибок и не справляется с задачей: такую работу он теперь может надёжно выполнять.
Он также провёл продольное сравнение. В марте этого года в эксперименте Anthropic «vibe physics» ИИ, выполняющий физические проекты, всё ещё был как студент: небольшие масштабы задач, требовалась масса указаний, и частые ошибки. Полгода спустя то, что он выполнил, было уже передовым вычислением, к которому прикасались бы только ведущие эксперты в области амплитуд. Он не исключал, что это случайно оказалась задача, особенно подходящая для ИИ, но он судил, что сама технология действительно стала сильнее.
Что касается того, можно ли это обобщить, фон Хиппель остаётся осторожным. Игрушечные модели вроде N=4 обычно принадлежат очень узкому исследовательскому кругу, тогда как вычисления амплитуд для реального мира гораздо более конкурентны, где низко висящих плодов может быть ещё меньше. Но он также напоминает исследователям, занимающимся этими вычислениями, что если они ещё не пробовали заставить исследовательскую платформу ИИ с одного раза взяться за передовые вычисления, им стоит попробовать, и при этом быть готовыми к плану проверки результатов. Он не слишком удивился бы, если бы кто-то смог выжать ещё одну петлю в рамках разумного бюджета.
Заключительные мысли
Если поместить это дело в контекст сентября, оно становится ещё интереснее.
8-го числа этого месяца OpenAI объявила, что её нераскрытая модель мобилизовала десятки тысяч ИИ-агентов и произвела контрпример к проблеме существования и гладкости уравнений Навье — Стокса, которая является одной из проблем тысячелетия; результат всё ещё находится на рассмотрении математического сообщества. По сравнению с такой «крупномасштабной армейской операцией» с использованием массивной вычислительной мощности, история с девятипетлевой амплитудой выглядит гораздо скромнее: коммерческая исследовательская платформа, одно описание задачи, несколько тысяч долларов и несколько дней.
И именно потому, что она скромна, она может заслуживать большего внимания со стороны академического сообщества. фон Хиппель в конечном итоге признал, что изначально надеялся использовать этот вызов, чтобы заглянуть в будущее, увидеть какой-то беспрецедентно новый метод вычислений и тем самым получить основанное на доказательствах суждение в дебатах о сверхинтеллекте. Но ответ, который он получил, состоял в том, что его прежнее понимание того, где лежат пределы, было слишком наивным.
А вопрос, оставленный Диксоном, всё ещё висит в воздухе: когда большие модели больше не просто выполняют рецепты, написанные людьми, а начинают предлагать новые физические принципы раньше людей, как должны позиционировать себя физики?
© THE END
Эта статья взята из публичного аккаунта WeChat «Machine Heart» (ID: almosthuman2014), автор: Machine Heart
