Дискуссии об искусственном интеллекте обычно делятся на два предсказуемых лагеря: оптимисты ждут неминуемого появления сверхъинтеллекта, а скептики указывают на то, что большие языковые модели заходят в тупик, как только дело доходит до строгой математики. Физик и научный журналист Мэтт фон Хиппель решил проверить эту границу с помощью реальных вычислительных мощностей, а не философских рассуждений. В своем блоге 4gravitons.com он бросил вполне конкретный вызов лабораториям искусственного интеллекта: решить задачу, на которую у специалистов по теоретической физике обычно уходят месяцы работы.
В теоретической физике оценка взаимодействий частиц требует вычисления амплитуд рассеяния — по сути, определения вероятности реакции субатомных частиц на основе их импульсов и энергий. Эта математика известна своей сложностью, из-за чего исследователи вынуждены полагаться на приближения, ограниченные определенным числом петель, которые отражают сложность взаимодействия. Большинство формул рассеяния останавливаются на двух петлях, а золотым стандартом точности в физике частиц считаются пять петель. Фон Хиппель бросил лабораториям вызов пойти дальше: вычислить N=8 супергравитацию до семи петель или N=4 супер Янга-Миллса до девяти петель на стандартном железе, доступном академическим исследователям.
Computational Frontiers in Scattering Amplitudes
Чтобы сделать такие вычисления выполнимыми и одновременно протестировать аналитические методы, физики используют модельные теории. Теории Янга-Миллса описывают фундаментальные силы, и в N=4 суперсимметричной версии каждая частица получает четырех суперсимметричных партнеров вместо одного, создавая удобную среду для математических стресс-тестов.
"Give us N=8 supergravity to seven loops, or N=4 super Yang-Mills to nine loops."
Компания Anthropic приняла вызов и преодолела барьер в девять петель в модели N=4 супер Янга-Миллса примерно через месяц после публикации поста фон Хиппеля.
Что это значит: успешное проведение девятипетельного расчета в N=4 супер Янга-Миллса доказывает, что передовые модели способны справляться со сложными аналитическими рабочими процессами, которые раньше упирались в ограничения человеческих вычислительных ресурсов и времени. Для подразделений исследований и разработок последствия очевидны: задачи, на решение которых у узких специалистов уходили месяцы, теперь сжимаются до минут. Однако не будем спешить открывать шампанское. Этот прорыв произошел внутри высокосимметричной суперсимметричной модели, а не в хаотичном реальном Стандартном методе. Смогут ли эти автоматизированные методы распространиться на менее податливые физические системы — вопрос пока открытый.