В чем преимущества компьютерного моделирования по сравнению с экспериментами в естественных условиях
Обновлено: 28.06.2024
Во многих недавних дискуссиях, сравнивающих компьютерное моделирование и традиционные эксперименты, основное внимание уделялось важности "материальности". Я оспариваю несколько утверждений, вытекающих из этой работы, и предполагаю, что исследования компьютерного моделирования являются материальными экспериментами в прямом смысле. Обсудив некоторые последствия этого материального статуса для эпистемологии компьютерного моделирования, я рассматриваю степень важности материальности (в определенном смысле), когда дело доходит до обоснованных выводов о целевых системах на основе экспериментальных данных. результаты.
Откройте для себя мировые исследования
- 20 миллионов участников
- 135 миллионов публикаций
- Более 700 тыс. исследовательских проектов
Полный текст недоступен
Чтобы прочитать полный текст этого исследования,
вы можете запросить копию непосредственно у автора.
Во многих философских описаниях научных моделей не проводится различие между имитационными моделями и другими формами моделей. Эта неудача прискорбна, потому что существуют важные различия, относящиеся к их методологии и эпистемологии, которые благоприятствуют их философскому пониманию. Основное утверждение, представленное здесь, заключается в том, что имитационные модели сами по себе являются богатыми и сложными единицами анализа, что они существенно отличаются от известных форм научных моделей и что правильное понимание типа модельных симуляций является фундаментальным для их философского понимания. оценка. Я утверждаю, что имитационные модели можно отличить от других форм моделей по множеству алгоритмических структур, отношений представления и новых семантических связей, включенных в их архитектуру. В этой статье я реконструирую общую архитектуру имитационной модели, которая точно отражает сложности, связанные с большинством научных исследований с помощью компьютерного моделирования. Кроме того, я утверждаю, что должна существовать новая методология, способная превратить такую архитектуру в полностью функциональную, поддающуюся вычислительной обработке компьютерную симуляцию. Я обсуждаю эту методологию — то, что я называю переработкой — и доказываю ее философскую новизну. Если эти усилия направлены на правильную интерпретацию имитационных моделей, то можно показать, что компьютерное моделирование проливает новый свет на философию науки. Чтобы проиллюстрировать потенциал моей интерпретации имитационных моделей, я кратко рассматриваю основанные на имитационном моделировании объяснения как новый подход к вопросам научного объяснения.
<р>. Humphreys, 2004; Winsberg, 2010, Weisberg, 2013, а также их методологические и эпистемологические различия и сходства (например, Barberousse et al, 2008; Guala, 2002; Morgan, 2003; Peck, 2004; Morgan, 2005; Grossklags, 2007). ;Morrison, 2009; Parker, 2009; Winsberg; ϮϬϬϵ͖ 'ƌƺŶĞ-Yanoff and Weirich; Peschard, 2012; Vallverdú, 2014; Roush, 2014).Некоторые из них задаются вопросом, можно ли считать компьютерное моделирование экспериментом, в то время как другие считают его заменой настоящего научного эксперимента. . <р>. Согласно Паркеру (2009), критерием, отличающим компьютерное моделирование от классического эксперимента, не может быть идентичность «материала», используемого в разных системах. Моделирование — это своего рода представление, описывающее временную последовательность состояний, тогда как эксперимент — это форма исследовательской деятельности, заключающаяся во вмешательстве в экспериментальную систему. . <р>. Морган (2002; согласен с мнением, что многие симуляционные исследования можно классифицировать как материальные эксперименты, но он также указывает на их «степень материальности» (Морган, 2003, стр. 231), которая делает классические эксперименты более ценными с научной точки зрения, чем компьютерное моделирование. Parker (2009) критикует эту идею, утверждая, что даже если мишень и экспериментальная система изготовлены из одних и тех же материалов, они не всегда схожи во всех своих существенных аспектах, следовательно, выводы относительно целевой системы могут быть необоснованными.
Снижение стоимости инструментов моделирования, известных как "цифровые двойники", означает, что фирмы любого размера могут их себе позволить. Их приложения включают планирование операций и проектирование, совершенствование процессов, более тесное сотрудничество между проектированием и производством, обучение, коммуникации и маркетинг.
Многие крупные корпорации инвестировали в цифровые двойники: фотореалистичные виртуальные копии продуктов или операций из физического мира. Современные персональные компьютеры и новое поколение программных средств моделирования теперь могут предоставить эти мощные возможности моделирования и визуализации малым и средним фирмам. Хотя они могут быть не совсем эквивалентны своим высококлассным собратьям, они могут помочь ускорить ввод новых продуктов в серийное производство и способствовать постоянному совершенствованию процессов.
Организации уже давно используют компьютеры для имитации физического мира. Одной из первых движущих сил развития цифровых компьютеров было желание быстро рассчитать такие вещи, как траектории снарядов, или запустить математические модели, которые ускорили бы разработку других систем вооружения. Но на протяжении многих десятилетий компьютерные данные представляли собой огромные таблицы чисел, для интерпретации которых требовался эксперт.
Развитие компьютерной графики и систем визуализации резко изменило ситуацию: компьютерная анимация помогла людям наглядно представить результаты математического моделирования в доступной форме. К 1990-м годам моделирование прочно вошло в инженерное проектирование, химию, моделирование резервуаров нефтяных месторождений, прогнозирование погоды и широкий спектр других областей, требующих больших вычислительных ресурсов.
Центр статистики
Технологии и трансформация
Все эти вычислительные мощности раньше были довольно дорогими. В 1997 году, когда я руководил отделом маркетинга для Silicon Graphics/Cray Research, мы продавали системы моделирования для критически важных приложений, таких как системы управления полетом и вооружением, а также управление сложными объектами, такими как электростанции. В то время такая система, как Cray C932, стоила 32 миллиона долларов и имела производительность, сравнимую с сегодняшним процессором Apple A12 Bionic, установленным в iPhone XS. Мы также продали наши высококачественные системы визуализации за 1 миллион долларов — сегодня потребительская игровая система от Nintendo или Sony намного лучше стоит менее 500 долларов. На ноутбуке теперь можно разместить имитационную модель для проектирования и тонкой настройки сложной сборочной линии или колл-центра, а также предоставить замечательную информацию за несколько тысяч долларов на пользователя.
Низкая стоимость этой возможности означает, что фирмы любого размера теперь могут воспользоваться преимуществами этого цифрового волшебства в различных областях:
Планирование и проектирование операций. Промышленные инженеры уже давно используют программное обеспечение для автоматизированного проектирования (САПР) для проектирования таких вещей, как физическая планировка цехов и систем обработки материалов. Но обычно затем они построили физическую систему, поэкспериментировали с ней, а затем отладили ее, когда начали эксплуатировать завод. Включив моделирование, они теперь могут выполнять все эти функции без затрат на строительство. Практически бесплатно они могут исследовать альтернативы, тестировать способность своих первоначальных компоновок обрабатывать различные потоки продукции или сценарии спроса, а также вносить улучшения виртуально до совершения капитальных вложений. Это ускоряет развертывание новых производственных процессов и времени выхода на рынок, а также снижает риски.
С помощью такого цифрового двойника менеджеры могут тестировать способы получения максимальной отдачи от производственных линий, находить и устранять узкие места, экспериментировать с различными стратегиями маршрутизации и контроля, а также оптимизировать размещение и размеры буферов незавершенного производства и многое другое. быстрее, чем раньше.Современные программы моделирования даже включают аватары людей, занимающих должности в цехе, что позволяет планировщикам учитывать, насколько быстро и легко они могут двигаться или как далеко им нужно пройти, чтобы подобрать компоненты или добраться до конкретных инструментов. Модели включают в себя реалистичные изображения машин, поэтому создается впечатление, что вы идете по виртуальному миру в видеоигре.
Улучшение процесса. Имитационное моделирование позволяет быстро экспериментировать с процессами «что, если», а по мере сбора фактических рабочих данных и уточнения модели инженеры предприятия могут проводить быстрые и недорогие эксперименты с цифровым двойником для улучшения процессов, не мешая производству. Это может ускорить совершенствование процесса и быстрее устранить потери. Модели также можно использовать для эмуляции систем управления и тестирования новых подходов перед их реальной реализацией.
Более тесное сотрудничество в области проектирования и производства. Используя имитационную модель, проектировщики изделий, работающие над сборкой сложных изделий, могут быстро итерировать последовательности сборки вместе со своими коллегами-производителями, повышая технологичность своих конструкций, а также понимая последствия своего выбора. Подобно тому, как совместное использование CAD-моделей улучшило взаимодействие между дизайнерами и инженерами-технологами, модели моделирования процессов позволяют им сотрудничать на протяжении всего жизненного цикла продукта, расширяя возможности для более быстрого наращивания производства и более гибкой и эффективной обработки. Эти виртуальные модели позволяют гораздо быстрее получить ответы на вопросы типа "что, если", например, насколько быстро фирма может увеличить мощность.
Обучение. Имитационное моделирование можно использовать для обучения новых членов команды и предоставления им общего представления об операциях до того, как они начнут работать на линии. Это помогает им быстро освоить новую работу.
Коммуникации и маркетинг. Эти инструменты моделирования могут быть отличным маркетинговым инструментом для демонстрации возможностей фирмы клиентам. Они позволяют клиентам пройтись по цифровым макетам. Хотя модели могут быть не такими фотореалистичными, как в Flight Simulator от Microsoft, и могут быть ближе к OVERCOOKED от Team17, они будут становиться лучше по мере задействования еще большей вычислительной мощности.
Разговаривая со многими малыми и средними фирмами, я был удивлен тем, как мало из них начали использовать эти инструменты. Они упускают важную возможность. Новое поколение недорогого программного обеспечения для моделирования предлагает широкие возможности и быструю окупаемость. Пришло время компаниям всех размеров воспользоваться ими.
Имитационное моделирование безопасно и эффективно решает реальные проблемы. Он представляет собой важный метод анализа, который легко проверить, передать и понять. Во всех отраслях и дисциплинах имитационное моделирование предоставляет ценные решения, предоставляя четкое представление о сложных системах.
Биты, а не атомы. Моделирование позволяет экспериментировать с действительным цифровым представлением системы. В отличие от физического моделирования, такого как создание копии здания в масштабе, имитационное моделирование основано на компьютере и использует алгоритмы и уравнения. Программное обеспечение для моделирования обеспечивает динамическую среду для анализа компьютерных моделей во время их работы, включая возможность просмотра их в 2D или 3D.
Моделирование используется в бизнесе по-разному, и оно часто используется, когда проведение экспериментов на реальной системе невозможно или нецелесообразно, часто из-за стоимости или времени.
Возможность анализировать модель во время ее выполнения отличает имитационное моделирование от других методов, таких как методы с использованием Excel или линейного программирования. Благодаря возможности проверять процессы и взаимодействовать с имитационной моделью в действии быстро формируются понимание и доверие.
Чтобы узнать, чем имитационное моделирование отличается от традиционного математического моделирования, и проверить, применимо ли оно к вашим задачам, попробуйте AnyLogic самостоятельно — загрузите Personal Learning Edition бесплатно. Эта версия специально разработана для самообучения, поэтому вы можете свободно исследовать мир симуляторов!
Можно также начать с нашего технического описания, основанного на презентации Лайла Уоллиса, директора PwC. В нем сравниваются различные подходы к моделированию и анализу бизнес-стратегий, а также демонстрируется коммерческое использование моделирования с примерами из практики всемирно известных компаний.
безопасная среда
экономия денег и времени
визуализация
понимание динамики
повышенная точность
справляться с неопределенностью
Использование моделирования на примере: имитационное моделирование для эффективного обслуживания клиентов
Этот конкретный пример также может быть применим к более общей проблеме управления человеческими и техническими ресурсами, когда компании естественным образом стремятся снизить стоимость недоиспользуемых ресурсов, технических экспертов или оборудования, например.
Поиск оптимального количества персонала для обеспечения заданного качества обслуживания клиентов, посещающих банк.
Во-первых, для банка уровень обслуживания определялся как средний размер очереди. Затем были выбраны соответствующие системные показатели, чтобы задать параметры имитационной модели: количество и частота прибытий клиентов, время, которое кассир тратит на обслуживание клиента, и естественные вариации, которые могут возникать во всех этих параметрах, в частности, во время обеда. спешки и сложные запросы.
Затем была создана блок-схема, соответствующая структуре и процессам отдела. В имитационных моделях необходимо учитывать только те факторы, которые влияют на анализируемую проблему. Например, доступность офисных услуг для корпоративных клиентов или кредитного отдела не влияет на услуги для физических лиц, поскольку они физически и функционально разделены.
Наконец, после ввода данных модели можно запустить симуляцию и наблюдать за ее работой с течением времени, что позволяет уточнять и анализировать результаты. Если средний размер очереди превышал указанный лимит, количество доступного персонала увеличивалось и проводился новый эксперимент. Это может происходить автоматически, пока не будет найдено оптимальное решение.
В целом можно очень быстро изучить несколько сценариев, используя разные параметры. Их можно проверять и опрашивать во время работы и сравнивать друг с другом. Таким образом, результаты моделирования и симуляции внушают уверенность и ясность как аналитикам, инженерам, так и менеджерам.
Моделирование — лучший подход к решению бизнес-задач
Узнайте почему в официальном документе "Разработка прорывных бизнес-стратегий с помощью моделирования"
Несмотря на то, что были приложены все усилия для соблюдения правил стиля цитирования, могут быть некоторые расхождения. Если у вас есть какие-либо вопросы, обратитесь к соответствующему руководству по стилю или другим источникам.
Наши редакторы рассмотрят то, что вы отправили, и решат, нужно ли пересматривать статью.
моделирование в промышленности, науке и образовании, метод исследования или обучения, который воспроизводит реальные события и процессы в тестовых условиях. Разработка моделирования часто представляет собой очень сложный математический процесс. Первоначально задается набор правил, взаимосвязей и операционных процедур, а также другие переменные. Взаимодействие этих явлений создает новые ситуации, даже новые правила, которые развиваются дальше по ходу моделирования. Инструменты моделирования варьируются от бумажно-карандашных и настольных игр до сложных компьютерных интерактивных систем.
Методы моделирования экспериментов позволяют исследователям проводить экзотические эксперименты или демонстрации в "сухой лаборатории" без использования редких материалов или дорогостоящего оборудования. В автомобильной промышленности предлагаемые конструкции автомобилей проходят имитационные испытания в аэродинамической трубе в компьютерном моделировании, что экономит сотни часов, которые раньше тратились на создание и испытания прототипов. Сжатие времени — еще одна экономичная функция технологии моделирования. События, которые могут занять от нескольких часов до тысячелетий в реальном времени, можно смоделировать за несколько минут. Исследователям-медикам, например, часто приходится изолировать органы и поддерживать их жизнь искусственными средствами, выращивать культуры, вводить химикаты и ждать результатов. Однако, когда нормальные функции выбранного органа могут быть точно смоделированы, исследователи могут через несколько минут наблюдать влияние широкого спектра событий на это функционирование. Точно так же астрономы, использующие компьютерное моделирование движения галактик, могут продемонстрировать события, для завершения которых требуются миллионы лет, например столкновение двух галактик, чтобы проверить достоверность теоретических описаний.
Нечасто комик вызывает у астрофизика мурашки по коже при обсуждении законов физики. Но комику Чаку Найсу удалось сделать именно это в недавнем выпуске подкаста StarTalk. Ведущий шоу Нил де Грасс Тайсон только что объяснил аргумент симуляции — идею о том, что мы можем быть виртуальными существами, живущими в компьютерной симуляции. Если это так, то симуляция, скорее всего, будет создавать восприятие реальности по запросу, а не постоянно имитировать всю реальность — как в видеоигре, оптимизированной для визуализации только тех частей сцены, которые видны игроку. «Возможно, поэтому мы не можем путешествовать быстрее скорости света, потому что, если бы мы могли, мы смогли бы добраться до другой галактики», — сказала Найс, соведущая шоу, побудив Тайсона радостно прервать его. «Прежде чем они смогут это запрограммировать», — сказал астрофизик, радуясь этой мысли. «Значит, программист установил этот предел».
Такие разговоры могут показаться легкомысленными. Но с тех пор, как Ник Бостром из Оксфордского университета в 2003 году написал основополагающую статью об аргументе в пользу симуляции, философы, физики, технологи и, да, комики бьются над идеей, что наша реальность — это симулякр. Некоторые пытались определить способы, по которым мы можем определить, являемся ли мы симулированными существами. Другие пытались вычислить вероятность того, что мы окажемся виртуальными сущностями. Теперь новый анализ показывает, что шансы на то, что мы живем в базовой реальности — то есть в существовании, которое не моделируется, — почти равны. Но исследование также демонстрирует, что если бы люди когда-либо развили способность имитировать сознательных существ, шансы в подавляющем большинстве случаев склонились бы в пользу нас, поскольку мы были виртуальными обитателями чужого компьютера. (Оговорка в отношении этого вывода заключается в том, что нет единого мнения о том, что означает термин «сознание», не говоря уже о том, как его можно имитировать.)
В 2003 году Бостром представил себе технологически развитую цивилизацию, которая обладает огромной вычислительной мощностью и нуждается в части этой мощности для моделирования новых реальностей с сознательными существами в них. Учитывая этот сценарий, его аргументы в области моделирования показали, что по крайней мере одно утверждение в следующей трилемме должно быть верным: во-первых, люди почти всегда вымирают, не достигнув стадии понимания имитации. Во-вторых, даже если люди доберутся до этой стадии, они вряд ли будут заинтересованы в моделировании прошлого своих предков. И в-третьих, вероятность того, что мы живем в симуляции, близка к единице.
До Бострома фильм Матрица уже внес свою лепту в популяризацию понятия смоделированных реальностей. Эта идея имеет глубокие корни в западной и восточной философских традициях, от аллегории Платона о пещере до сна о бабочке Чжуан Чжоу. Совсем недавно Илон Маск подкрепил идею о том, что наша реальность является симуляцией: «Шанс того, что мы находимся в базовой реальности, составляет один к миллиардам», — сказал он на конференции 2016 года.
"Маск прав, если вы считаете [предложения] первой и второй трилеммы ложными", – говорит астроном Дэвид Киппинг из Колумбийского университета. «Как вы можете такое предположить?»
Чтобы лучше понять аргумент Бострома о моделировании, Киппинг решил прибегнуть к байесовским рассуждениям. Этот тип анализа использует теорему Байеса, названную в честь Томаса Байеса, английского статистика и министра 18-го века. Байесовский анализ позволяет рассчитать вероятность того, что что-то произойдет (называемую «апостериорной» вероятностью), сначала сделав предположения об анализируемом объекте (присвоив ему «априорную» вероятность).
Киппинг начал с того, что превратил трилемму в дилемму. Он объединил предложения один и два в одно утверждение, потому что в обоих случаях конечным результатом является отсутствие симуляций.Таким образом, дилемма противопоставляет физическую гипотезу (нет симуляций) гипотезе симуляции (существует базовая реальность, а также симуляции). «Вы просто назначаете априорную вероятность каждой из этих моделей», — говорит Киппинг. «Мы просто исходим из принципа безразличия, который используется по умолчанию, когда у вас нет никаких данных или предположений в любом случае».
Таким образом, каждая гипотеза получает априорную вероятность, равную половине, как если бы для решения ставки нужно было подбросить монету.
Следующий этап анализа требовал размышлений о «родящих» реальностях — тех, которые могут порождать другие реальности, и «нерожавших» реальностях — тех, которые не могут имитировать дочерние реальности. Если бы физическая гипотеза была верна, то вероятность того, что мы живем в нерожавшей Вселенной, было бы легко вычислить: она равнялась бы 100 процентам. Затем Киппинг показал, что даже в гипотезе симуляции большинство смоделированных реальностей будут нерожавшими. Это связано с тем, что по мере того, как симуляции порождают все больше симуляций, вычислительные ресурсы, доступные каждому последующему поколению, истощаются до такой степени, что подавляющее большинство реальностей будет состоять из тех, у которых нет вычислительной мощности, необходимой для имитации потомков реальностей, способных вместить сознательных существ.
Подставьте все это к байесовской формуле, и вы получите ответ: апостериорная вероятность того, что мы живем в базовой реальности, почти такая же, как апостериорная вероятность того, что мы являемся симуляцией, причем шансы склоняются в пользу базовой реальности. чуть-чуть.
Эти вероятности резко изменились бы, если бы люди создали симуляцию с сознательными существами внутри, потому что такое событие изменило бы шансы, которые мы ранее приписывали физической гипотезе. «Вы можете сразу же исключить эту [гипотезу]. Тогда у вас останется только гипотеза моделирования», — говорит Киппинг. «Согласно этим расчетам, в тот день, когда мы изобретаем эту технологию, вероятность того, что мы реальны, меняется с чуть выше 50 на 50 до почти наверняка, что мы не реальны. В тот день это был бы очень странный праздник нашей гениальности».
Результат анализа Киппинга заключается в том, что, учитывая текущие данные, Маск ошибается в отношении вероятности один к миллиарду, которую он приписывает нам, живущим в базовой реальности. Бостром согласен с результатом — с некоторыми оговорками. «Это не противоречит аргументу симуляции, который только утверждает что-то о дизъюнкции», — говорит он, — что одно из трех утверждений трилеммы истинно.
Но Бостром не согласен с решением Киппинга присвоить равные априорные вероятности физической гипотезе и гипотезе моделирования в начале анализа. «Ссылка на принцип безразличия здесь довольно шаткая, — говорит он. «Можно было бы с таким же успехом применить его вместо трех моих первоначальных альтернатив, что дало бы им по одной трети шанса на каждую. Или можно было бы разделить пространство возможностей каким-то другим способом и получить любой желаемый результат».
Такие придирки справедливы, потому что нет доказательств, подтверждающих одно утверждение по сравнению с другими. Эта ситуация изменится, если мы сможем найти доказательства симуляции. Итак, вы смогли обнаружить сбой в Матрице?
Хуман Оухади, эксперт по вычислительной математике Калифорнийского технологического института, задумался над этим вопросом. «Если симуляция имеет бесконечную вычислительную мощность, вы не сможете увидеть, что живете в виртуальной реальности, потому что она может вычислять все, что вы хотите, с той степенью реализма, которую вы хотите», — говорит он. «Если эту вещь можно обнаружить, вы должны начать с принципа, что [у нее] ограниченные вычислительные ресурсы». Подумайте еще раз о видеоиграх, многие из которых полагаются на умное программирование, чтобы свести к минимуму вычисления, необходимые для создания виртуального мира.
По мнению Оухади, наиболее многообещающий способ поиска потенциальных парадоксов, создаваемых такими вычислительными упрощениями, — это эксперименты по квантовой физике. Квантовые системы могут существовать в суперпозиции состояний, и эта суперпозиция описывается математической абстракцией, называемой волновой функцией. В стандартной квантовой механике акт наблюдения заставляет эту волновую функцию случайным образом коллапсировать в одно из многих возможных состояний. Физики расходятся во мнениях относительно того, является ли процесс коллапса чем-то реальным или просто отражает изменение наших знаний о системе. «Если это просто симуляция, коллапса не будет», — говорит Оухади. «Все решается, когда вы смотрите на это. Остальное — просто симуляция, например, когда вы играете в эти видеоигры».
С этой целью Оухади и его коллеги работали над пятью концептуальными вариантами эксперимента с двумя щелями, каждый из которых предназначен для срабатывания симуляции. Но он признает, что на данном этапе невозможно знать, сработают ли такие эксперименты. «Эти пять экспериментов — всего лишь предположения, — говорит Оухади.
Зорех Давуди, физик из Университета Мэриленда в Колледж-Парке, также высказал идею о том, что симуляция с ограниченными вычислительными ресурсами может проявить себя. Ее работа сосредоточена на сильных взаимодействиях или сильном ядерном взаимодействии — одном из четырех фундаментальных сил природы. Уравнения, описывающие сильные взаимодействия, которые связывают кварки, образуя протоны и нейтроны, настолько сложны, что их нельзя решить аналитически. Чтобы понять сильные взаимодействия, физики вынуждены проводить численное моделирование. И в отличие от любых предполагаемых сверхцивилизаций, обладающих безграничной вычислительной мощностью, они должны полагаться на короткие пути, чтобы сделать эти симуляции жизнеспособными с точки зрения вычислений — обычно рассматривая пространство-время как дискретное, а не непрерывное. Самый передовой результат, который удалось получить исследователям из этого подхода, — это моделирование одного ядра гелия, состоящего из двух протонов и двух нейтронов.
«Естественно, вы начинаете спрашивать, если бы вы смоделировали атомное ядро сегодня, может быть, через 10 лет, мы могли бы сделать ядро большего размера; возможно, через 20 или 30 лет мы сможем создать молекулу», — говорит Давуди. «Через 50 лет, кто знает, может быть, вы сможете сделать что-то размером с несколько дюймов материи. Может быть, лет через 100 мы сможем создать [человеческий] мозг».
Однако Давуди считает, что классические компьютеры скоро упрется в стену. «В ближайшие 10–20 лет мы действительно увидим пределы наших классических симуляций физических систем», — говорит она. Таким образом, она обращает свое внимание на квантовые вычисления, которые основаны на суперпозициях и других квантовых эффектах, позволяющих решить некоторые вычислительные проблемы, которые были бы невозможны с помощью классических подходов. «Если квантовые вычисления действительно материализуются в том смысле, что они станут для нас крупномасштабным и надежным вариантом вычислений, то мы вступим в совершенно другую эру моделирования», — говорит Давуди. «Я начинаю думать о том, как выполнить моделирование физики сильных взаимодействий и атомных ядер, если бы у меня был жизнеспособный квантовый компьютер».
Все эти факторы привели Давуди к предположениям о гипотезе симуляции. Если наша реальность является симуляцией, то симулятор, вероятно, также дискретизирует пространство-время для экономии вычислительных ресурсов (предполагая, конечно, что он использует те же механизмы, что и наши физики для этой симуляции). Признаки такого дискретного пространства-времени потенциально можно было бы увидеть в направлениях, откуда приходят высокоэнергетические космические лучи: они будут иметь предпочтительное направление в небе из-за нарушения так называемой вращательной симметрии.
Телескопы «пока не обнаружили каких-либо отклонений от этой вращательной инвариантности», — говорит Давуди. И даже если бы такой эффект наблюдался, это не было бы недвусмысленным доказательством того, что мы живем в симуляции. Сама базовая реальность может иметь аналогичные свойства.
Киппинг, несмотря на свое собственное исследование, обеспокоен тем, что дальнейшая работа над гипотезой о моделировании идет по тонкому льду. «Возможно, невозможно проверить, живем мы в симуляции или нет», — говорит он. «Если это невозможно опровергнуть, то как вы можете утверждать, что это действительно наука?»
Для него есть более очевидный ответ: бритва Оккама, которая говорит, что при отсутствии других доказательств самое простое объяснение с большей вероятностью будет правильным. Гипотеза симуляции тщательно продумана, предполагая, что реальности вложены в реальности, а также смоделированные объекты, которые никогда не могут сказать, что они находятся внутри симуляции. «Из-за того, что это слишком сложная и продуманная модель, в первую очередь, с точки зрения бритвы Оккама, ее действительно следует не одобрять по сравнению с простым естественным объяснением», — говорит Киппинг.
Возможно, мы все-таки живем в базовой реальности — несмотря на Матрицу Маска и странную квантовую физику.
Читайте также: