The Representability Gap: Massive-Graviton Physics Cannot Be Held by Virtual-World Physics Engines but Survives the Low-Precision Number Formats of Artificial Intelligence
यह शोध पत्र यह प्रदर्शित करता है कि जबकि मैसिव-ग्रैविटन भौतिकी को दर्शाने के लिए आवश्यक कम्प्यूटेशनल परिशुद्धता वर्चुअल-वर्ल्ड भौतिकी इंजनों की क्षमताओं से अधिक है, जिससे महत्वपूर्ण संख्यात्मक विसंगतियाँ उत्पन्न होती हैं, वही प्रभाव आर्टिफिशियल इंटेलिजेंस सिस्टम द्वारा उपयोग किए जाने वाले निम्न-परिशुद्धता प्रारूपों के भीतर भी दर्शनीय और सीखने योग्य बने रहते हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
गुरुत्वाकर्षण वह अदृश्य बल है जो हमारे पैरों को जमीन पर टिकाए रखता है और ग्रहों को उनकी कक्षाओं में बनाए रखता है, लेकिन भौतिकी के गहरे सिद्धांतों में, यह ग्रेविटॉन नामक सूक्ष्म, अदृश्य कणों से भी बना हो सकता है। वैज्ञानिकों ने वास्तव में कभी एक भी ग्रेविटॉन नहीं देखा है, और कई लोगों का मानना है कि इसे सीधे तौर पर पहचानना असंभव है क्योंकि यह जो बल वह ढोता है वह अविश्वसनीय रूप से कमजोर होता है। हालाँकि, यदि ये कण वास्तव में मौजूद हैं और इनमें बहुत कम मात्रा में द्रव्यमान है, तो यह विशाल दूरियों पर गुरुत्वाकर्षण के काम करने के तरीके को बदल देगा। एक रबर बैंड की तरह जो कभी टूटता नहीं और अनंत तक खिंचता जाता है, इसके बजाय, गुरुत्वाकर्षण की एक सीमा होगी, और अंतरिक्ष-समय के ताने-बाने में उठने वाली लहरें, जिन्हें गुरुत्वाकर्षण तरंगें कहा जाता है, अपनी पिच (pitch) के आधार पर थोड़े अलग वेग से यात्रा करेंगी। यह विचार केवल भौतिकविदों के लिए एक वैचारिक प्रयोग नहीं है; यह एक ऐसा प्रश्न है जो अब हमारे डिजिटल जीवन को छू रहा है। जैसे-जैसे हम विशाल आभासी दुनिया का निर्माण करते हैं और कृत्रिम बुद्धिमत्ता (AI) को ब्रह्मांड को समझने के लिए प्रशिक्षित करते हैं, हम इन बलों का अनुकरण (simulate) करने के लिए कंप्यूटरों पर निर्भर रहते हैं। लेकिन कंप्यूटर अनंत सटीकता में नहीं सोचते; वे संख्याओं की एक ऐसी प्रणाली का उपयोग करते है जो केवल एक निश्चित मात्रा में विवरण रख सकती है। यदि एक विशाल ग्रेविटॉन का प्रभाव उस सबसे छोटे विवरण से भी छोटा है जिसे एक कंप्यूटर संग्रहीत कर सकता है, तो वह प्रभाव मशीन के भीतर अस्तित्व में ही नहीं होता, चाहे वह सिमुलेशन कितना भी शक्तिशाली क्यों न हो।
अल्फ्रेडो मर्लेट नामक एक शोधकर्ता ने ठीक इसी बात का परीक्षण करने के लिए हाथ बढ़ाया—भौतिकी के वास्तविक नियमों और कंप्यूटर की संख्याओं की सीमाओं के बीच की इस सीमा को। उन्होंने एक सरल लेकिन गहन प्रश्न पूछा: यदि ब्रह्मांड में वर्तमान विज्ञान द्वारा अनुमत सीमा के बिल्कुल किनारे पर एक विशाल ग्रेविटॉन मौजूद है, तो क्या एक वर्चुअल वर्ल्ड या आर्टिफिशियल इंटेलिजेंस चलाने वाला कंप्यूटर वास्तव में उसे देख पाएगा? इसका उत्तर खोजने के लिए, उन्होंने LIGO, Virgo और KAGRA सहयोग द्वारा गुरुत्वाकर्षण तरंगों के अवलोकनों से प्राप्त सबसे अद्यतित (up-to-date) सीमाओं का उपयोग करते हुए दो अलग-अलग प्रयोग चलाए। पहला प्रयोग उन भौतिकी इंजनों (physics engines) पर केंद्रित था जो वीडियो गेम और वर्चुअल रियलिटी को शक्ति प्रदान करते हैं। ये इंजन यह गणना करके गुरुत्वाकर्षण का अनुकरण करते हैं कि वस्तुएं कैसे चलती और परस्पर क्रिया करती हैं। मर्लेट ने परीक्षण किया कि क्या एक विशाल ग्रेविटॉन द्वारा गुरुत्वाकर्षण में किए गए सूक्ष्म सुधार को उन मानक संख्या प्रारूपों (number formats) में संग्रहीत किया जा सकता है जिनका उपयोग इन इंजनों द्वारा किया जाता है, जो गति के लिए डिज़ाइन किए गए उच्च-सटीक से लेकर निम्न-सटीक प्रारूपों तक विस्तृत हैं। उन्होंने पाया कि किसी भी पैमाने के लिए जो एक वर्चुअल वर्ल्ड कभी भी उपयोग करेगा, चाहे वह एक छोटा कमरा हो या एक ग्रह का आकार, वह प्रभाव कंप्यूटर की मेमोरी में समाने के लिए बहुत छोटा है। वास्तव में, यह प्रभाव केवल लगभग 540 मिलियन मीटर की दूरी पर, जो पृथ्वी से चंद्रमा की दूरी का लगभग डेढ़ गुना है, सबसे सटीक प्रारूप में संग्रहीत होने के लिए पर्याप्त बड़ा होता है। तेज़ प्रसंस्करण के लिए उपयोग किए जाने वाले कम सटीक प्रारूपों में, यह प्रभाव केवल 1.25 × 10^13 मीटर की दूरी पर दृश्यमान होता है, जो सूर्य से पृथ्वी की दूरी का लगभग 84 गुना है।
इस पहले प्रयोग की सबसे आश्चर्यजनक खोज केवल यह नहीं थी कि प्रभाव अदृश्य था, बल्कि यह भी थी कि कंप्यूटर ने कभी-कभी इसका एक नकली संस्करण भी बना लिया। जब भौतिकी इंजन ने मानक गणित का उपयोग करके सुधार की गणना करने की कोशिश की, तो शामिल सूक्ष्म संख्याओं ने इस तरह से एक-दूसरे को रद्द कर दिया जिससे एक बड़ा, झूठा संकेत उत्पन्न हुआ। कुछ मामलों में, कंप्यूटर ने गुरुत्वाकर्षण में एक ऐसे परिवर्तन की सूचना दी जो वास्तविक प्रभाव से 9 × 10^16 गुना अधिक बड़ा था, या उसने दावा किया कि प्रभाव मौजूद था जबकि वास्तव में वह शून्य था। इसका अर्थ है कि अपने स्वयं के संख्या तंत्र की सीमाओं के कारण, मानक हार्डवेयर पर चलने वाली एक वर्चुअल दुनिया न केवल विशाल ग्रेविटॉन के सूक्ष्म प्रभाव को दिखाने में विफल रहेगी; बल्कि वह सक्रिय रूप से ऐसे काल्पनिक बल भी उत्पन्न करेगी जो वास्तविक दिखते हैं लेकिन पूरी तरह से उसके अपने संख्या तंत्र की सीमाओं से निर्मित होते हैं। जैसे-जैसे दुनिया का पैमाना बदलेगा, इंजन सन्नाटे और निर्माण (fabrication) के बीच झूलता रहेगा, जिससे ब्रह्मांड का एक अराजक और अविश्वसनीय अनुकरण बनेगा।
दूसरा प्रयोग आर्टिफिशियल इंटेलिजेंस की ओर मुड़ा, जिसका उपयोग तेजी से बढ़ रहा है ताकि गुरुत्वाकर्षण तरंगों का विश्लेषण किया जा सके और डेटा से भौतिकी के नियमों को सीखा जा सके। गति का अनुकरण करने वाले भौतिकी इंजनों के विपरीत, AI सिस्टम अक्सर जानकारी को तेजी से और कुशलता से संसाधित करने के लिए बहुत कम-सटीक (low-precision) संख्या प्रारूपों का उपयोग करते हैं। मर्लेट ने परीक्षण किया कि क्या विशाल ग्रेविटॉन का विशिष्ट हस्ताक्षर, जो गुरुत्वाकर्षण तरंगों के पैटर्न में एक विशिष्ट विरूपण (distortion) के रूप में दिखाई देता है, इन निम्न-सटीक प्रारूपों की राउंडिंग (rounding) प्रक्रिया के दौरान जीवित रह पाता है। उन्होंने पाया कि यहाँ वर्चुअल वर्ल्ड वाले परिदृश्य के विपरीत स्थिति हुई। यहाँ तक कि आधुनिक AI हार्डवेयर में उपयोग किए जाने वाले 8-बिट प्रारूपों सहित सबसे संकुचित संख्या प्रारूप भी, ग्रेविटॉन द्वारा उत्पन्न सूक्ष्म विरूपण को रखने में सक्षम थे। संकेत राउंडिंग एरर के शोर से स्पष्ट और अलग बना रहा। जब उन्होंने एक न्यूरल नेटवर्क को विशाल ग्रेविटॉन वाली तरंगों और बिना विशाल ग्रेविटॉन वाली तरंगों के बीच अंतर करने के लिए प्रशिक्षित किया, तो इन निम्न-सटीक संख्याओं का उपयोग करने पर AI की सटीकता में कोई गिरावट नहीं आई। सिस्टम अभी भी अंतर को पूरी तरह से सीख सकता था।
अध्ययन यह निष्कर्ष निकालता है कि विशाल-ग्रेविटॉन भौतिकी को दर्शाने की क्षमता पूरी तरह से उपयोग किए जा रहे डिजिटल सिस्टम के प्रकार पर निर्भर करती है। वर्चुअल वर्ल्ड बनाने वाले इंजनों के लिए, संख्याओं की सटीकता मुख्य बाधा है; प्रभाव इतना छोटा है कि वह फिट ही नहीं हो पाता, और इसकी गणना करने का प्रयास अक्सर खतरनाक त्रुटियों की ओर ले जाता है। हालाँकि, आर्टिफिशियल इंटेलिजेंस के लिए, संख्याओं की सटीकता समस्या नहीं है। संकेत इतना मजबूत है कि उसे सबसे संकुचित प्रारूपों में भी संग्रहीत और सीखा जा सकता है। AI के लिए वास्तविक सीमाएं डेटा में मौजूद शोर और सिस्टम को पैटर्न पहचानने के लिए सिखाने की कठिनाई है, न कि हार्डवेयर की संख्या रखने की क्षमता। यह शोध डिजिटल ट्विन्स या सिम्युलेटेड यूनिवर्स बनाने वाले किसी भी व्यक्ति के लिए एक स्पष्ट चेतावनी प्रदान करता है: यह दावा करने से पहले कि एक सिम्युलेटेड दुनिया एक सूक्ष्म भौतिक प्रभाव प्रदर्शित करती है, एक को पहले यह जांच लेना चाहिए कि क्या कंप्यूटर वास्तव में उस प्रभाव को अपनी मेमोरी में रख सकता है। इस जांच के बिना, सिमुलेशन एक प्राकृतिक नियम के बजाय एक भूत (ghost) की रिपोर्ट कर सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।