Uzay-Zaman Bir Yapay Zeka Ağı Olabilir mi?

2021'de fizikçi Lee Smolin ve Jaron Lanier gibi isimlerin yayımladığı "The Autodidactic Universe" makalesi, uzay-zamanın kendisinin bir yapay zeka ağı olarak formüle edilebileceği iddasını ortaya attı. Makale, Einstein'ın genel görelilik denklemlerini Plebanski denklemi şeklinde yazıldığında, uzay-zaman eğriliğini yöneten denklemlerin Kısıtlı Boltzmann Makinesi (RBM) denklemlerine karşılık geldiğini öne sürüyor. Bu şaşırtıcı bağlantı, fizik ve makine öğrenimi alanları arasında matrisler aracılığıyla bir köprü kurularak sağlanıyor; fizikte N×N matrisler alanları tanımlarken, makine öğreniminde sinir ağı ağırlıklarını temsil ediyor.

Bu yaklaşıma göre, kuantum madde alanları sinir ağı katmanlarına, kuantum ayar ve kütleçekim alanları ise ağ ağırlıklarına denk geliyor. Fizik yasalarının zaman içindeki evrimi ise ağırlıkların güncellenmesiyle gerçekleşen öğrenme sürecine benzetiliyor. Bu durum, uzay-zamanın yapısının zamanla öğrenilmiş olabileceği ve temelden öğrenilebilir bir niteliğe sahip olduğu anlamına geliyor. Makalenin yazarları, evrenimizin doğasının, kütleçekimi gibi fiziksel yasaların öğrenilebilir olduğu bir yapıya sahip olduğunu iddia ediyor. Ancak, bu bir denklik değil; sürekli uzay-zamanın sonlu matrislere indirgenmesi durumunda geçerli olan bu benzerlik, fiziksel kütleçekimi için matrislerin sonsuza gitmesi gerektiğinde farklılaşıyor.

Evrenin "öğrenmesi" kavramı, bir kanyonu oyan nehir metaforuyla açıklanıyor. Su molekülleri hızlı değişkenler iken, kanyon duvarları yavaş değişkenler (consequencer) olarak işlev görür. Duvarlar, su için sabit yasalar gibi görünse de jeolojik zaman ölçeğinde suyun hareketiyle evrilir. Sinir ağlarında ağırlıklar, milyarlarca veri noktasının (hızlı değişkenler) sistemden akarken zamanla değişerek desenleri pekiştiren yavaş değişkenler olarak bu rolü üstlenir. Bu, evrenin de kendi yasalarını sürekli olarak "öğrenen" ve adapte eden bir sistem olabileceği fikrini güçlendiriyor.