L’univers est-il un réseau neuronal ?

TEMPS DE LECTURE : 10MN

Par Dr. Inès Urdaneta, physicienne à la Resonance Science Foundation, le 2 Octobre 2020.

Dans un de nos article précédent intitulé Entre le Modèle Holographique Généralisé et la Science des Data, nous avons abordé les possibilités qu’un réseau neuronal artificiel puisse apprendre et remplacer nos modèles scientifiques et que la réalité soit une simulation numérique. Sans le savoir, nous avons anticipé la récente étude de Vitaly Vanchurin, physicien à l’Université du Minnesota à Duluth (Etats-Unis), suggérant que nous vivons dans un réseau neuronal. Une idée audacieuse !

Dans notre article précédent nous avions anticipé l’impact des réseaux neuronaux artificiels et du Deep Learning…  ce que nous n’avions pas envisagé c’est qu’ils allaient être utilisé comme point de départ pour élaborer une théorie unificatrice en physique ! Quelqu’un a dit : « Il vaut mieux être historien que prophète », autrement dit, un historien écris à propos d’événements passés, et prend donc peu de risque à s’exprimer, alors qu’un prophète prend d’immenses risques avec ses prédictions. Nous ne devrions cependant pas nous vanter de cet exploit puisque la proposition d’un réseau neuronal universel parait très raisonnable compte tenu de l’état actuel des connaissances scientifiques.

Les observations les plus récentes aussi bien au niveau quantique que cosmologique jettent de sérieux doutes sur nos modèles actuels. Par exemple, à l’échelle quantique, la dernière mesure du rayon du proton de l’hydrogène donne un rayon bien plus petit que celui prédit par le modèle standard de la physique des particules, qui est maintenant erroné de 4%. A l’échelle cosmologique, la quantité d’observations des trous noirs et des formations galactiques pointant vers un modèle cosmologique radicalement différent est impressionnante ; certains trous noirs se sont révélés être bien plus vieux que leurs galaxies hôtes, les formations galactiques sont bien plus récentes que les estimations de nos modèles et nous avons observé qu’au moins 64 trous noirs sont alignés dans leur axe de rotation, suggérant la présence d’une cohérence spatiale à grande échelle de leur moment angulaire, ce qui est impossible à prédire à l'aide notre modèle actuel. Dans un tel scénario, il ne faut pas s'étonner qu'il n'y ait pas de meilleure alternative pour unifier la théorie quantique et la relativité - et ainsi relier le très petit au très grand - que celle qui postule que l'univers est en fait un réseau neuronal. Et c’est la raison pour laquelle une théorie du Tout a de très fortes chances de se baser sur ce principe.

Comme l’explique Targemann dans son interview avec Vanchurin pour Futurism, le travail de Vanchurin avance l’idée que nous vivons dans un immense réseau neuronal qui gouverne tout ce qui nous entoure. Vanchurin affirme qu’ « Il est possible que l’univers tout entier à son niveau le plus fondamental soit un réseau neuronal… À cet égard, elle pourrait être retenue comme une proposition de théorie du Tout et, à ce titre, il devrait être facile de prouver qu'elle est fausse ».

L’idée est née lorsqu’il étudiait le Deep Learning. Il a écrit un livre sur ce sujet ; Towards a theory of machine learning (Vers une théorie de l’apprentissage des machines) dans le but d’appliquer les méthodes de la mécanique statistique à l’étude du comportement des réseaux neuronaux, et il s’est rendu compte que dans certaines limites, la dynamique d’apprentissage des réseaux neuronaux est très similaire aux dynamiques quantiques. Il a donc décidé d’explorer l’idée que le monde physique est un réseau neuronal.

Il fonde cette hypothèse sur l’idée suivante : il va étudier le comportement des dynamiques neuronales avec un modèle précis de réseaux neuronaux de plus en plus complexe, ce qui va imiter d’une certaine façon le passage d’un état en quasi-équilibre (état quantique) à un état en déséquilibre (état classique). Et c’est précisément la façon dont le monde qui nous entoure et le modèle que nous nous en faisons fonctionnent. En plus de cela, nous savons que le modèle quantique fonctionne pour les très petites échelles, alors que la relativité fonctionne pour les grandes échelles, donc son modèle résoudrait également ce problème, les connectant avec fluidité.

Vanchurin soutient que les réseaux neuronaux artificiels peuvent « montrer des comportements approximativement similaires » aux deux théories ; la mécanique quantique et la relativité. Dans l’interview, il explique aussi qu’il y a un troisième phénomène qui doit être unifié aux deux précédents ; celui de l’observateur, qui est connu sous le nom de problème de la mesure quantique en mécanique quantique, et problème de la mesure cosmologique en cosmologie (measure problem en anglais).

En raison du succès de la physique quantique depuis des décennies et étant donné que le très grand est composé du très petit (l’univers est constitué de galaxies, qui sont constitués d’étoiles et de planètes, qui sont constituées d’atomes, etc), la plupart des physiciens s’accordent sur le fait que la mécanique quantique devrait être la théorie principale, d’où tout le reste émerge. Mais on ne sait toujours pas comment. Vanchurin adopte une approche différente : à la base de tout serait un réseau neuronal microscopique d’où émergeraient la mécanique quantique, la relativité générale et les observateurs macroscopiques. Et la raison principale qui justifie cette approche est que les réseaux neuronaux sont extrêmement efficaces pour faire émerger de nouvelles propriétés.

Dans son approche, les états individuels des neurones sont des variables cachées, et les variables à entraîner (tels que les vecteurs de polarisations et les matrices pondérées – bias vector and weight matrix en anglais) sont des variables quantiques. Dès lors que les variables cachées peuvent être très non-locales et violent donc les inégalités de Bell, on s’attend à ce qu’une localité approximative d’espace-temps émerge, mais concrètement chaque neurone peut être connecté à tous les autres neurones éliminant le besoin d’une localité pour le système, comme on peut le voir dans le schéma ci-dessous. Cela relierait son modèle à la théorie de Bohm.

Pour prouver que cette hypothèse est fausse, il suffirait comme on le fait d’habitude, de trouver un phénomène physique pour lequel sa théorie ne fonctionne pas. C’est la façon dont la plupart des théories d’unification ont échoué. Comme il le dit lui-même, c’est une tâche très compliquée parce que nous ne savons pas grand-chose sur le comportement des réseaux neuronaux et le machine learning (l’apprentissage des machine). C’est pourquoi il essaie dans un premier temps de développer une conception théorique afin de modéliser le machine learning.

Dans l’interview de Tangermann, Vanchurin décrit aussi de quelle manière son approche pourrait expliquer le phénomène de la sélection naturelle, un sujet très important qui pourrait relier sa théorie à la biologie. Pour résumer, la sélection naturelle ne commencerait pas au niveau biologique mais bien en amont, en déterminant d'abord le type de toutes les particules subatomiques. La sélection naturelle serait alors le résultat de la stabilité thermodynamique du réseau microscopique, s’étendant jusqu’à l’échelle universelle.

Enfin, dans l’article de Tangermann, la surprenante conclusion qui s’en suit apparait :

Tangermann : « Je dois vous demander : est-ce que cette théorie signifie que nous vivons dans une simulation ? »

Vanchurin : « Non, nous vivons dans un réseau neuronal, mais nous pourrions ne jamais faire la différence »

La RSF en perspective

Dans un article précédent intitulé Entre le modèle holographique généralisé et la science des data, nous avions suggéré que l’impasse dans laquelle la physique standard se trouve (96% de la masse de l’univers est manquante dans nos équations) nous mènerai à opter pour une intelligence artificielle si l’on veut ajuster les modèles et en combler les lacunes. Ce que nous n’avions pas prévu c’est que les réseaux neuronaux allaient être utilisés, littéralement, pour connecter les échelles !

Ce n’était qu’une question de temps pour que ce nouveau modèle utilisant le Deep Learning et les réseaux neuronaux artificiels émerge comme LE nouveau paradigme… et ce en raison de son exceptionnelle capacité à créer des propriétés émergentes (des propriétés qui n’étaient pas écrites dans le programme original), comme nous avons pu l’expliquer en détail dans notre précédent article.

Nous soulignons qu'au moyen du ratio holographique fondamental d’Haramein, qui est principalement une solution géométrique, nous pouvons non seulement prévoir le rayon du proton dans la certitude expérimentale de 1σ (alors que les résultats donnés par le modèle standard de la physique des particules est de 7σ à côté), mais il résout également la catastrophe du vide et trouve la masse de l'électron à partir des calculs de premier ordre. Ces solutions remarquables prouvent que Haramein a accompli la gravité quantique et, ce faisant, a unifié la relativité et la physique quantique. En plus de cela, le modèle d'Haramein est une solution géométrique et donc on conserve le sens physique de sa solution tout du long. Il n'est pas nécessaire de recourir au Deep Learning et aux réseaux neuronaux pour obtenir la précision requise par les expériences. Nous l’avons déjà !

Cependant, les travaux de Vanchurin vont en direction de la validation de la théorie du champ unifié basé sur un ratio holographique fondamental produisant un réseau de protons intriqués, incluant les propriétés statistiques et entropiques. C’est une manière équivalente d’établir un réseau neuronal, ainsi, les deux approches donneraient une réponse affirmative à la question : Est-ce que le monde physique est un réseau neuronal ? Cependant, ces deux modèles ne fourniront probablement pas le même réseau, ou la même manière d’y arriver, parce que comme nous l’avons mentionné plus tôt et expliqué en détail ici, le Modèle Holographique généralisé d’Haramein apporte un sens physique qui l’unifie au Tout.

Néanmoins, si l’approche de Vanchurin converge vers celle d’Haramein et qu’il devait y avoir une unification de la physique à partir de l’une ou de l’autre, ce serait une façon, mais pas forcément la plus appropriée, très rapide d’unifier notre modèle à tous les autres domaines de la physique.

Le problème des variables cachées mentionnées par Vanchurin pourrait être retranscrit comme suit : les processus physiques ou phénomènes qui sont décrit, s’impriment dans le réseau neuronal, deviennent eux-mêmes le réseau neuronal, et sont maintenant gouvernés par des variables qui sont délocalisées – elles ne sont plus assignées localement.

Pour finir, la théorie du Tout de 2020 proposée par Wolfgram, et qui sera explorée dans un prochain article, est très intimement connectée aux travaux de Vanchurin, et toutes deux visent à atteindre les valeurs, les prédictions et les conclusions que le modèle holographique généralisé de Haramein permet d’obtenir.

 

Article original : https://www.resonancescience.org/blog/Is_the_Physical_World_a_Neural_NetworkTraduit par RSF - Français

     

Inscrivez-vous gratuitement au Cours de Science Unifiée en ligne !