ویرگول
ورودثبت نام
سینا علیمرادی
سینا علیمرادی
سینا علیمرادی
سینا علیمرادی
خواندن ۸ دقیقه·۳ ماه پیش

اگر خالق یک برنامه‌نویس بود: چگونه می‌توان یک جهان واقعی را با کامپیوتر میساخت؟

اگر خالق یک برنامه‌نویس بود: چگونه یک جهان واقعی را با کامپیوتر میساخت؟

تابه‌حال از خودتان پرسیده‌اید اگر پیشرفته‌ترین ابرکامپیوتر جهان را با حافظه‌ای نامحدود به شما بدهند و بگویند «یک کیهان واقعی شبیه دنیای ما بساز»، کار را از کجا شروع می‌کنید؟

شاید اولین تصویری که به ذهنتان می‌رسد این باشد که باید مانند یک نویسنده یا کارگردان وسواسی بنشینید و تک‌تک جزئیات را از قبل طراحی کنید:

کدام سیاره کجا بچرخد، دایناسورها چه زمانی منقرض شوند، در فلان روز باران ببارد یا نبارد، و انسان‌ها در قرن بیست‌ویکم چه دارویی برای درمان فلان بیماری کشف کنند.

اما اگر این پروژه را به یک مهندس نرم‌افزار ی به شما خواهد گفت:

«اگر بخواهی جزئیات را دستی بنویسی، ساختن جهان حتی روی قوی‌ترین سخت‌افزار کیهان هم عملاً غیرممکن است!»

پس راز کار چیست؟ چگونه می‌توان جهانی ساخت که در آن کهکشان‌ها، حیات، اراده آزاد و حتی اکتشافات علمی خودبه‌خود متولد شوند؟

تمثیل هوش مصنوعی: ما دارو را کشف نمی‌کنیم، بسترش را می‌سازیم!

بیایید با یک مثال ملموس از دنیای امروز شروع کنیم: مدل‌های زبانی بزرگ و هوش مصنوعی (مانند ChatGPT یا AlphaFold).

وقتی مهندسان می‌خواهند یک مدل هوش مصنوعی برای کشف داروهای جدید بسازند، نمی‌نشینند میلیاردها ساختار شیمیایی و فرمول دارویی را به‌صورت دستی کدنویسی کنند. اگر این کار را می‌کردند، هیچ داروی جدیدی کشف نمی‌شد؛ چون هوش مصنوعی فقط همان چیزهایی را پس می‌داد که خودمان از قبل بلد بودیم.

مهندسان در عمل چه می‌کنند؟

1. معماری پایه را می‌سازند: شبکه‌ای از الگوریتم‌ها و روابط ریاضی (مثل مکانیزم‌های توجه و یادگیری عمیق).

2. قوانین و داده‌ها را به سیستم می‌دهند:کتاب‌ها، مقالات داروسازی و قوانین پیوند مولکول‌ها.

3. دکمه Run را می‌زنند: مدل شروع به یادگیری و پردازش می‌کند.

در نهایت، مدل مولکولی جدید را پیشنهاد می‌دهد که هیچ انسانی قبلاً آن را ندیده بود. آیا مهندس این دارو را خلق کرده است؟ هم بله و هم خیر!

مهندس بستر، قوانین و ظرفیت را خلق کرده، اما کشفِ نهایی، محصول جوشش و پویاییِ درونی خود سیستم است.

دو راه برای ساختن یک جهان: کدام روش کار می‌کند؟

برای خلق یک جهان در کامپیوتر، با دو دیدگاه و معماری کاملاً متفاوت روبه‌رو هستیم:

[ معماری سنتی: بالا به پایین ]

مهندس ──> نوشتن تک‌تک رویدادها ──> جهانی بدون غافلگیری (ایستا و صلب) ──> شکست در عمل به دلیل حجم داده

[ معماری الگوریتمی: پایین به بالا ]

مهندس ──> چند قانون فیزیک + انفجار اولیه ──> جوشش خودبه‌خودی (Emergence) ──> کهکشان‌ها، حیات، هوش و اراده

۱. معماری سنتی (بالا به پایین و کنترل‌گر)

در این روش، خالق باید موقعیت هر ذره از میان چیزی در حدود ۱۰ به‌توان ۸۰ ذره در جهان قابل‌مشاهده را در هر لحظه تعیین کند و سناریوی زندگی تک‌تک موجودات را از پیش بنویسد.

چرا این روش محکوم به شکست است؟

بر اساس اصولی از ترمودینامیک و فیزیک اطلاعات (مانند اصل لاندائر و کران برکنشتاین)، هر منطقهٔ محدود از فضا با انرژی مشخص، گنجایش محدودی برای ذخیرهٔ اطلاعات دارد. اگر بخواهیم این استدلال را که اصلاً برای نواحی متناهی صورت‌بندی شده به کل جهان تعمیم دهیم، با سناریوی از‌پیش‌نوشته‌شده به تناقضی خودارجاع می‌رسیم: حافظهٔ لازم برای ذخیرهٔ کل تاریخ جهان، خودش بخشی از همان جهان است و باید در ظرفیت جهان بگنجد.

باید صادقانه گفت این تعمیم هنوز در فیزیک نظری محل بحث است (نمونهٔ نزدیک‌تر و اثبات‌شده‌تر آن، اصل هولوگرافیک است که دربارهٔ کران‌های سیاه‌چاله‌ها صورت‌بندی شده، نه کل کیهان). آنچه این استدلال واقعاً نشان می‌دهد این است که در چارچوب فیزیکِ شناخته‌شده، رویکرد «بالا به پایین» از نظر محاسباتی به‌شدت ناکارآمد و درونتناقض است نه این‌که وجود چنین خالقی از بیرونِ جهان به‌طور منطقی محال است؛ خالقی که خودش تابع فیزیک درون‌جهانی نباشد، اصلاً مشمول این محدودیت حافظه نمی‌شود. جدا از این، حتی اگر چنین ذخیره‌سازی ممکن می‌بود، جهانی که رخدادهایش از پیش نوشته شده باشد شبیه یک فیلم ضبط‌شده خواهد بود؛ نبودِ شگفتی در آن، مسئله‌ای منطقی است نه صرفاً فنی.

۲. معماری مدرن و زایشی (پایین به بالا و الگوریتمی)

در این مدل، نیازی به نوشتن تریلیون‌ها خط سناریو نیست. هستهٔ قوانین جهان می‌تواند در حد چند صفحه ریاضیات فشرده باشد:

1. قوانین هسته (Physics Kernel): تعریف گرانش، برهم‌کنش‌های کوانتومی و ترمودینامیک.

2. شرایط اولیه (Seed / Big Bang): مقداردهی یک توزیع انرژی فشرده در نقطه‌ای آغازین.

3. محیط اجرا (Compute Engine): فشردن دکمهٔ استارت و اجازه دادن به زمان برای پیشبرد محاسبات.

پدیده‌ای شگفت‌انگیز به نام «برآمدگی» (Emergence)

وقتی قوانین ساده در کنار یکدیگر و در طول زمان تکرار می‌شوند، پدیده‌ای به نام برآمدگی (Emergence) رخ می‌دهد؛ یعنی کل، ویژگی‌هایی پیدا می‌کند که تک‌تک اجزا به‌تنهایی فاقد آن بودند:

معادلات فیزیک چیزی از «درخت»نمی‌دانند؛ اما ترکیب اتم‌های هیدروژن، کربن و اکسیژن در طول میلیاردها سال به شکل‌گیری جنگل‌ها می‌انجامد.

قوانین کوانتوم چیزی از «عشق، شعر یا فلسفه» نمی‌دانند؛ اما تجمع نورون‌ها در مغز پدیده‌ای به نام «آگاهی» را پدید می‌آورد.

اما این دو مثال از یک جنس نیستند و بهتر است آن‌ها را جدا از هم دید. فیلسوفان علم بین «برآمدگی ضعیف» (weak emergence) و «برآمدگی قوی» (strong emergence) تمایز می‌گذارند. شکل‌گیری درخت یا الگوهای آب‌وهوایی نمونهٔ برآمدگی ضعیف است: در اصل، اگر قدرت محاسباتی کافی داشتیم، می‌توانستیم رفتار کل سیستم را از قوانین سطح پایین‌تر (شیمی، فیزیک ذرات) بازسازی کنیم؛ پیچیدگی غافلگیرکننده است اما از نظر اصولی قابل‌تقلیل به اجزا است.

آگاهی اما بحث دیگری‌ست. آنچه دیوید چالمرز آن را «مسئلهٔ سخت آگاهی» (hard problem of consciousness) نامیده، این است: حتی اگر کارکرد کامل مغز را کدام نورون کِی فعال می‌شود و چرا به‌طور کامل بشناسیم، هنوز توضیح نداده‌ایم چرا اساساً این فرایندها با یک تجربهٔ ذهنیِ زیسته (qualia)همراه‌اند و نه در سکوتی تاریک رخ می‌دهند. به بیان دیگر، ممکن است بتوان کارکرد مغز را کاملاً به فیزیک تقلیل داد، بی‌آنکه معلوم شود چرا این کارکرد با «حس بودن» همراه است. برخی فیلسوفان (مثل دنیل دنت) اصلاً منکر وجود چنین شکافی هستند و آن را توهمی زبانی می‌دانند؛ برخی دیگر (مثل چالمرز) آن را شکافی واقعی و حل‌نشده تلقی می‌کنند. مقاله‌ای که آگاهی را هم‌ردیف رشد درخت قرار دهد، این مناقشهٔ باز را نادیده می‌گیرد.

نمونهٔ عملی این رویکرد را در شبیه‌سازی‌های بزرگ کیهان‌شناسی می‌بینیم، مانند پروژهٔ IllustrisTNG که با کدهایی از خانوادهٔ GADGET اجرا شده است. در این شبیه‌سازی‌ها، دانشمندان به کامپیوتر نمی‌گویند کهکشان راه شیری را نقاشی کند؛ آن‌ها فقط معادلات گرانش و دینامیک گاز را به سیستم می‌دهند، و کامپیوتر پس از هفته‌ها محاسبه روی ابررایانه‌ها، ساختارهایی مارپیچی و خوشه‌ای می‌سازد که به‌طرز چشمگیری با آنچه در آسمان شب مشاهده می‌کنیم هم‌خوانی دارد.

نگاه فیلسوفان و دانشمندان به این ایده

این چارچوب مهندسی، به‌شکلی جذاب با چند تأمل فلسفی و الهیاتی قدیمی هم‌پوشانی دارد (نه به‌عنوان اثبات علمی، بلکه به‌عنوان یک استعارهٔ مفهومی):

استیون ولفرام و مفهوم «کاهش‌ناپذیری محاسباتی» (Computational Irreducibility):

ولفرام نشان می‌دهد که برای بسیاری از سیستم‌های پیچیده، هیچ میان‌بری برای پیش‌بینی سرنوشت نهایی‌شان وجود ندارد؛ حتی طراح سیستم هم باید اجازه دهد الگوریتم گام‌به‌گام در زمان اجرا شود تا نتیجه را ببیند.

اسپینوزا و یگانگی قوانین و هستی:

اسپینوزا معتقد بود خدا از بیرون جهان را با یک چوب‌دستی کنترل نمی‌کند؛ بلکه خودِ قوانین طبیعت، تجلی اراده الهی هستند دیدگاهی که به‌طور خلاصه با نگاه پان‌تئیستی او شناخته می‌شود.

مسئلهٔ رنج و اراده آزاد:

اگر جهان سناریویی از پیش‌نوشته‌شده بود، وجود بیماری‌ها و رنج‌ها پای سازنده را به میان می‌کشید. در سنت فلسفهٔ دین، این پاسخ نسخه‌ای از «الهیات رشد روح»است: رنج و انتخاب، بهای لازمِ داشتن اراده‌ای واقعی است، نه نقصی در طراحی.

اما این پاسخ خودش محل مناقشهٔ جدی است، نه نتیجه‌ای قطعی. منتقدان (در ادامهٔ سنتی که فیلسوفانی مثل جی. ال. مکی پیش برده‌اند) می‌پرسند: چرا نظامی که «اصطکاک» را برای معنابخشی به انتخاب لازم می‌داند، باید تا این حد رنجِ به‌ظاهر بی‌ثمر (مثل رنج کودکان یا بلایای طبیعی بی‌ربط به هیچ انتخاب اخلاقی) در خود داشته باشد؟ اگر هدف صرفاً وجود «اصطکاک کافی برای معنادار بودن اختیار» است، به نظر می‌رسد سطح به‌مراتب کمتری از رنج هم برای این هدف کافی بود. این همان چیزی است که در فلسفهٔ دین به آن «مسئلهٔ رنجِ غیرضروری»می‌گویند و پاسخ قانع‌کننده‌ای برایش وجود ندارد دست‌کم نه پاسخی که در حد یک جملهٔ کوتاه حل شود.

صداقتی که باید داشته باشیم: حدود این استعاره

قبل از نتیجه‌گیری، باید چند محدودیت جدی این تصویر را روشن گفت نه برای رد کردنش، بلکه برای این‌که آن را در جایگاه درستش (استعاره‌ای الهام‌بخش، نه نظریه‌ای علمی) بنشانیم.

آزمون‌ناپذیری.فرضیهٔ این‌که «جهان ما یک شبیه‌سازی است» یا «طراحی الگوریتمی دارد»، دست‌کم در شکل فعلی‌اش، هیچ پیش‌بینی متمایزی نمی‌دهد که بتوان آزمایش کرد و رد یا تأیید نمود. به تعبیر کارل پوپر، فرضیه‌ای که با هیچ مشاهده‌ای قابل ابطال نباشد، از دایرهٔ علم تجربی بیرون است چه درست باشد چه نادرست. این مقاله را باید فلسفه یا تأمل خواند، نه فیزیک.

بازگشت بی‌پایان طراح. استدلال «قوانین ساده → جهان پیچیده، پس شبیه یک برنامه‌نویس عمل شده» نسخهٔ به‌روزشده‌ای از برهان نظم است. دیوید هیوم و بعدها ریچارد داوکینز این نقد را مطرح کردند: اگر پیچیدگی جهان نیازمند طراحی است، طراحیِ خودِ طراح (یا کدنویسِ او) از کجا آمده؟ اگر طراح می‌تواند بدون علت پیشین وجود داشته باشد، چرا خودِ جهان نتواند؟ این مقاله به این پرسش پاسخ نمی‌دهد؛ فقط یک لایه به عقب هلش می‌دهد.

تفاوت خدای فلسفی با «مهندس».الهیات کلاسیک دربارهٔ خدا معمولاً او را نه یک عامل درون زمان و فضا، بلکه علت هستیِ خودِ زمان و فضا می‌داند نه یک برنامه‌نویس که «دکمهٔ Run» را می‌زند و سپس کنار می‌ایستد (این تصویر به دئیسم نزدیک‌تر است تا اغلب سنت‌های توحیدی).

قیاس هوش مصنوعی محدودیت دارد. در مثال کشف دارو، مهندسان هدف مشخصی دارند (دارویی مؤثر) و روی خروجی نظارت و انتخاب دارند. اگر این قیاس را کامل به خلقت تعمیم دهیم، باید بپذیریم خالق هم هدف و معیار انتخاب دارد که خودش پیش‌فرضی است، نه نتیجه‌ای که از قیاس بیرون بیاید.

هیچ‌کدام از این‌ها به معنای بی‌ارزش بودن تصویر «جهان به‌مثابه سیستم زایشی» نیست؛ به‌عنوان ابزاری برای فهمِ شهودیِ و کاهش‌ناپذیری محاسباتی، همچنان الهام‌بخش است. اما فاصلهٔ بین «این استعاره را می‌فهمم» و «این استعاره را باور دارم» فاصله‌ای است که باید آگاهانه طی شود.

کلام آخر: زیباترین برنامهٔ هستی

اگر روزی انسان به فناوری ساخت جهانی در ابعاد شبیه‌سازی دست یابد، شاید تنها راه عملی همین باشد: اعتماد به چند قانون ساده و زیبا، و رها کردن سیستم برای رشد.

این تصویر، ادعایی علمیِ اثبات‌شده دربارهٔ ماهیت جهان ما نیست، بلکه استعاره‌ای است برای فهمِ این‌که چگونه پیچیدگیِ عظیم می‌تواند از قواعدِ ساده زاده شود همان‌طور که کهکشان‌ها، حیات، و ذهنی که اکنون این متن را می‌خواند، همگی از تکرار چند قانون فیزیکی ساده سر برآورده‌اند.

هوش مصنوعیبرنامه نویسیاخترفیزیکخدا
۴
۰
سینا علیمرادی
سینا علیمرادی
شاید از این پست‌ها خوشتان بیاید