Конец теоретической физики — какой мы ее знали

[Geen]

Oleg Kit в сообщении #1336088 писал(а):

Наверное в том, что алгоритмы, по сути, преобразуют некоторые начальные данные в выходные, реализуя вычисление некоторой функции. А матматическая модель — это набор уравнений, описывающих систему.

А можно это продемонстрировать (с указанием преимуществ первого "подхода"), к примеру, для маятника?

[dsge]

Oleg Kit в сообщении #1336088 писал(а):

алгоритмы, по сути, преобразуют некоторые начальные данные в выходные, реализуя вычисление некоторой функции. А матматическая модель — это набор уравнений, описывающих систему

А функция - это не (набор) уравнение(-й)?

[DimaM]

Oleg Kit в сообщении #1336088 писал(а):

Static equilibrium equations may be useful for building a bridge, he said, but it’s time to abandon the search for equilibrium in the complex, nonlinear systems that nature produces.

Вот бы люди придумали дифференциальные уравнения...

[Red_Herring]

Oleg Kit в сообщении #1336088 писал(а):

Наверное в том, что алгоритмы, по сути, преобразуют некоторые начальные данные в выходные, реализуя вычисление некоторой функции. А матматическая модель — это набор уравнений, описывающих систему.

А BS это BS.

Идея, пропагандируемая авторами статей, на которые ссылается ТС, заключается в том вместо того, чтобы строить математическую или какую другую модель сложной системы, ученый (которому вовсе не предполагается что-либо знать об этой системе) просто загружает данные многих наблюдений (если удастся их получить-RH) в алгоритмы BigData , подключить ИИ, и получить предсказание.

Подобную же идею пропагандирует Assistant Professor кафедры физики Университета Торонто Amar Vutha в статье Может ли Машинное Обучение означать конец понимания в физике?

Идя дальше, я спрошу: "а зачем нам тогда учить студентов экологии, биологии, физике или химии? Достаточно техников которые бы снимали данные и операторов, которые бы загружали данные в компьютеры и получали предсказания?" Продолжая "Зачем тогда в университетах соответствующие кафедры, если работающие на них ученые не понимают соответствующую дисциплину?" И, несколько сужая вопрос "Не пора ли Амару Вухте переквалифицироваться в управдомы?"

[Oleg Kit]

Red_Herring, большое спасибо! Прекрасно изложено. К статье, на которую вы дали ссылку, я бы еще добавил вот эту статью:

"Discovering physical concepts with neural networks"
https://arxiv.org/abs/1807.10300

И заметка о ней в MIT Technology Review "Who needs Copernicus if you have machine learning?"
https://www.technologyreview.com/s/6117 ... ssion=true

[Pphantom]

Oleg Kit в сообщении #1336088 писал(а):

Наверное в том, что алгоритмы, по сути, преобразуют некоторые начальные данные в выходные, реализуя вычисление некоторой функции. А матматическая модель — это набор уравнений, описывающих систему.

Я вообще-то спрашивал про принципиальную разницу. Или то, что модель в рамках в одного из этих представлений всегда можно переписать в рамках другого, для Вас новость?

[Red_Herring]

Oleg Kit в сообщении #1336102 писал(а):

И заметка о ней в MIT Technology Review "Who needs Copernicus if you have machine learning?"

Ну да, предсказывать положение планет можно и без Коперника. Вместо него--натасканная на астрономию Пифия при Дельфийском Оракуле. В общем, не "конец науки, какой мы ее знаем", а "конец науки вообще". Не будет ни Галилея, ни Кеплера, ни Ньютона ... и дальше по списку

[Oleg Kit]

Наверное, тут принципиальная разница между вычислимым и невычислимым. Не всю математику можно свести к вычислимым функциям?

[EUgeneUS]

Oleg Kit в сообщении #1336102 писал(а):

Red_Herring, большое спасибо! Прекрасно изложено.

Изложение уважаемого Red_Herring означает следующее:
что на теорфизику пытаются распространить банальный факт: анализ данных
а) позволяет находить неизвестные взаимосвязи, если повезет.
б) А если сильно повезет, то эти выявленные взаимосвязи, будут нетривиальными и неизвестными.
в) но не объясняет, и не пытается объяснить причину возникновения этих взаимосвязей.

Анализ данных позволяет решать какие-то прикладные задачи, в том числе прикладные задачи в области науки и техники, есть истории успеха.
Однако, распространение этих методов в теорфизику - это бред сивой кобылы, что следует из определения теорфизики. Можно взять его, например, из википедии:

Цитата:

Теоретическая физика не рассматривает вопросы вида «почему математика должна описывать природу?». Она принимает за постулат то, что, в силу неких причин, математическое описание природных явлений оказывается крайне эффективным[2], и изучает последствия этого постулата. Строго говоря, теоретическая физика изучает не свойства самой природы, а свойства предлагаемых теоретических моделей. Кроме того, часто теоретическая физика изучает какие-либо модели «сами по себе», без привязки к конкретным природным явлениям.

-- 02.09.2018, 18:51 --

Oleg Kit в сообщении #1336109 писал(а):

Наверное, тут принципиальная разница между вычислимым и невычислимым. Не всю математику можно свести к вычислимым функциям?

Тут принципиальная разница в эмпирическом знании (если вчера был закат, то сегодня будет рассвет), и научном (рассветы и закаты происходят потому, что ...)
Анализ данных позволяет получать довольно сложное эмпирическое знание, да.

[Oleg Kit]

Недавно вышла прекрасная статья от Noson S. Yanofsky о принципиальных ограничениях машинного обучения, связанных с Колмогоровской сложностью.

"Randomness is unnerving and so we search for a pattern that eliminates some of the chaos."

"We will simply never know if the pattern that we have found is the best one."

http://nautil.us/issue/63/horizons/kolm ... or-meaning

[EUgeneUS]

Oleg Kit в сообщении #1336112 писал(а):

"We will simply never know if the pattern that we have found is the best one."

это тоже банально.
Более того:
1. Вы не можете достоверно утверждать, что вообще нашли паттерн. Только вероятностно.
2. Вы не можете сказать, когда этот паттерн перестанет быть паттерном. Кончится.

[arseniiv]

Плюс в первую очередь нам и не нужен лучший из всех. Все разговоры о точности, об экономической целесообразности, о чём там ещё, насмарку.

Oleg Kit в сообщении #1336109 писал(а):

Наверное, тут принципиальная разница между вычислимым и невычислимым.

Опять вы копаете не туда. Нет, до невычислимого в нуждах естественных наук как до галактики Андромеды. Однако одной вычислимости всего нужного мало.

[Oleg Kit]

arseniiv в сообщении #1336117 писал(а):

Опять вы копаете не туда. Нет, до невычислимого в нуждах естественных наук как до галактики Андромеды. Однако одной вычислимости всего нужного мало.

Вышепреведенная статья как раз о том, что из невычислимости Колмогоровской сложности следует невозможность отыскания наилучшего паттерна (или объяснения) в исходных данных. Тогда как можно утверждать, что в естественных науках все вычислимо? Наоборот, поиск наилучшего объяснения или лучшей теории, которая все объяснит, будет бесконечным.

[arseniiv]

Какой ужас!

Oleg Kit в сообщении #1336129 писал(а):

поиск наилучшего объяснения или лучшей теории

Лучшее, как известно, враг хорошего.

Нет, честно, с таким подходом к дискуссии я лучше выключусь. Вместо аккуратного анализа того, кто, что и зачем пишет, нечёткие сопоставления по шаблону какие-то.

[Oleg Kit]

arseniiv в сообщении #1336130 писал(а):

Нет, честно, с таким подходом к дискуссии я лучше выключусь. Вместо аккуратного анализа того, кто, что и зачем пишет, нечёткие сопоставления по шаблону какие-то.

Извиняюсь. Как провести аккуратный анализ вашего высказывания? Куда копать дальше?