आधार दस्तावेज़ में उनका नाम आता है, इसलिए शायद उन पर विचार हुआ होगा, लेकिन Nobel Prize के इतिहास में प्रभाव को मापना कठिन होने से पैदा होने वाली अफसोसनाक चूकों में से यह एक हो सकता है
मुझे जिज्ञासा है कि क्या यही व्यापक रूप से स्वीकार की जाने वाली neural network history है. Rosenblatt या Perceptron के बारे में जानता हूं, लेकिन मैंने कभी नहीं सुना कि Hopfield network या Boltzmann machine का इतिहास में इतना बड़ा वजन रहा है
मैंने जितनी व्याख्याएं पढ़ीं, वे सब गणितीय थीं और जादुई backpropagation सहित computational graph पर केंद्रित थीं. सच कहूं तो मुझे backpropagation बीच की calculations को memoization करने जैसा ही लगता है. ऐसी व्याख्याओं में यह भी ज़ोर दिया जाता था कि “synapse” जैसे शब्दों से बचें और “unit” जैसे terms इस्तेमाल करें
Turing Award के बाद यह दूसरी बार है जब Terry Sejnowski छूट गए
ऐसे क्षेत्रों को अर्थपूर्ण तरीके से अलग किया जा सकता है या नहीं, यह पसंद का मामला है. आजकल यह कल्पना करना फैशन है कि कई आपस में जुड़े लेकिन स्वायत्त क्षेत्र मौजूद हैं
John Hopfield के शानदार करियर की समीक्षा: https://pni.princeton.edu/sites/g/files/toruqf321/files/docu...
“Academy member होने के नाते मैं ऐसे paper को review के बिना publish करा सकता था. अब ऐसा नहीं है, और यह scientific publishing तथा मौलिकता को प्रोत्साहित करने के कुछ पहलुओं पर एक दुखद टिप्पणी है”
National Academy member अब भी, अगर वे सामान्य submission के बजाय वह रास्ता चुनें, तो reviewer खुद चुन सकते हैं, और review anonymous नहीं होता
review की सामग्री खुद public नहीं की जाती, लेकिन paper publish होने के बाद reviewers की पहचान public हो जाती है. इसलिए member मनमानी बकवास नहीं कर सकते, पर यह अब भी बहुत असामान्य प्रक्रिया है
यह ऐसा लगता है जैसे Royal Academy of Sciences यह मान रही हो कि physics research ठहर गया है
string theory ने लगभग आधी सदी तक theoretical high-energy physics का दम घोंटा, लेकिन दिखाने को कुछ नहीं है, और fundamental physics के कई दूसरे क्षेत्र भी कुछ हद तक खत्म जैसे लगते हैं
मुझे लगता है यह बहुत गलत है. बल्कि यह machine learning/AI hype जैसे गरम विषय पर सवार होने की कोशिश के ज्यादा करीब लगता है
physics एक discipline के रूप में बिल्कुल भी ठहरा नहीं है. fundamental physics को ठहरा हुआ कहने की कुछ गुंजाइश है, क्योंकि किसी को अंदाज़ा नहीं है कि competing theories में फर्क करने वाले experiments कैसे बनाए जाएं. फिर भी हाल के वर्षों में Jonathan Oppenheim और collaborators के काम जैसी दिलचस्प प्रगति हुई है
और “physics” “fundamental physics” के बराबर नहीं है. correlated electron systems, condensed matter, galaxies और cosmology तक फैली complex systems physics मरी नहीं है, बल्कि बहुत सक्रिय है
बिल्कुल नहीं. physics सिर्फ high energy और cosmology नहीं है, और छोटे scope में भी Nobel Prize लायक contributions की कमी नहीं है. deep learning का top candidate बन जाना सचमुच अजीब है
high-energy या fundamental physics में मुझे लगता है कि जब तक हम आज बना न सकने वाली energy levels या extreme conditions तक नहीं पहुंचते, तब तक हम शायद उन सीमाओं पर आ पहुंचे हैं कि हम क्या कर सकते हैं
मैंने जो पढ़ा है उसके मुताबिक, हालांकि मैं professional physicist नहीं हूं, string theory तब तक test नहीं हो सकती जब तक हम black holes की सीधी जांच न कर सकें या कम-से-कम चंद्रमा की कक्षा जितना बड़ा particle accelerator न बना सकें. कई दूसरे proposed theories भी ऐसी ही हैं
यह अनुमान भी है कि काल्पनिक Planet Nine Solar System द्वारा पकड़ा गया primordial black hole हो सकता है. comets और Kuiper Belt/TNO objects की orbits के आधार पर दूर बाहरी Solar System में पृथ्वी के mass से 1~5 गुना वाला planet होने की prediction है; उस mass का black hole कंचे से golf ball के आकार जितना होगा, लेकिन पृथ्वी-त्रिज्या की दूरी पर उसकी gravity 1~5g होगी
अगर ऐसा कोई object सच में मौजूद है, तो वह space probe की पहुंच के भीतर होगा, इसलिए black hole की जांच की जा सकती है और ठहराव को सुलझाने का सुराग मिल सकता है
अगर ऐसा संभव न हो, तो superconductivity, condensed matter physics, plasma/fusion जैसे physics के दूसरे क्षेत्रों पर ध्यान देना बेहतर हो सकता है, जो accessible हैं और जिनका practical impact बड़ा है
Max Planck को भी उनके professor ने यह कहकर physics न करने की सलाह दी थी कि “लगभग सब कुछ पहले ही खोजा जा चुका है.” Planck ने जवाब दिया कि वे कुछ खोजने नहीं, बल्कि foundations सीखना चाहते हैं
क्या हो अगर अगला breakthrough इतना complex हो कि मौजूदा mathematics/physics thinking से उस तक सीधे पहुंचना मुश्किल हो
steady progress की उम्मीद करने की कोई वजह नहीं दिखती. उदाहरण के लिए, Riemann hypothesis को prove करने में कितना समय लगेगा, कोई नहीं जानता
इसमें सचमुच हताशा की बू आती है. और यह वाकई दुखद है real physics में प्रगति उस sustainability transition का core है जिसकी बेहद जरूरत है. self-preservation को महत्व देने वाले सामान्य समाज में basic और applied physics research की पूरी range की जरूरत को justify करने के लिए किसी secondary तिनके का सहारा लेने की नौबत नहीं आनी चाहिए
हमारी collective hallucination जैसे wordplay तक को शामिल करते हुए, हमें गंभीरता से सोचना चाहिए कि क्या हम ऐसे किसी threshold पर पहुंच गए हैं जो हमारे long-term interests के अनुसार act करने की क्षमता को ही कमजोर कर रहा है. साथ ही, मेरा इरादा awardees के मूल्य को कमतर बताने का नहीं है
यह सचमुच चौंकाने वाला है कि Hopfield ने कई क्षेत्रों में Nobel-level contributions किए हैं
kinetic proofreading (biochemistry/biophysics), Hopfield network (machine learning), long-range electron transfer (physics) वगैरह और भी बहुत कुछ. आखिरकार उन्हें पुरस्कार मिलना अच्छी खबर है
सैद्धांतिक भौतिकी में PhD और पिछले 4 साल से deep learning कर रहे व्यक्ति के नज़रिए से देखें तो यह पुरस्कार भौतिकी पुरस्कार के तौर पर बिल्कुल भी समझ में नहीं आता
Nobel समिति की आधिकारिक घोषणा को ज्यों-का-त्यों देखें तब भी neural networks को भौतिकी से जोड़ने की कोशिश काफी जबरदस्ती की लगती है। असल में भौतिकी पर इसका क्या प्रभाव पड़ा, और Hinton और Hopfield का सबसे महत्वपूर्ण काम सचमुच भौतिकी से प्रभावित था या नहीं—ऐसे सवाल पूछना शुरू करें तो यह तर्क ज्यादा देर टिकता नहीं
यह कहना भी गलत है कि AI research को पुरस्कार देना इसलिए मायने रखता है क्योंकि भौतिकी ठहर गई है। String theory high-energy theoretical physics का सिर्फ एक हिस्सा है, और कहा जा सकता है कि वह “AI winter” जैसे दौर से गुजर रही है, लेकिन भौतिकी के कई अन्य क्षेत्र तेजी से आगे बढ़ रहे हैं और रोचक नतीजे दे रहे हैं
Nobel पुरस्कार अक्सर काफी देर से दिए जाते हैं, इसलिए 1980 के दशक के बहुत प्रभावशाली कामों में भी कई ऐसे हैं जिन्हें अभी तक पुरस्कार नहीं मिला। Atomic force microscope इसका अच्छा उदाहरण है
किसी उपक्षेत्र के हालिया नतीजों को देखकर यह कहना भी गलत है कि “इस क्षेत्र में कुछ भी मूल्यवान नहीं था।” उदाहरण के लिए, भले ही string theory को पूरी तरह काल्पनिक मान लें, conformal field theory की स्थापना जैसे theoretical physics के महत्वपूर्ण परिणाम रहे हैं, जिन्हें Nobel पुरस्कार से कभी मान्यता नहीं मिली। अगर पुरस्कार किसी दूसरे महत्वपूर्ण भौतिकी कार्य को जाता तो ठीक था, लेकिन आज की घोषणा काफी अजीब लगती है
भौतिकी में ही रह गए एक दोस्त के मजाक के साथ समाप्त करूं तो, “लगता है समिति ने अकादमिक जगत छोड़ चुके सभी physicists को देखा और तय कर लिया कि वे जो भी कर रहे हैं, वह पुरस्कार के लायक है। आगे चलकर शायद cryptocurrency या high-frequency trading के लिए भी पुरस्कार दे दें”
भले ही भौतिकी पूरी तरह ठहरी हुई न हो, क्या कुछ हद तक आत्मचिंतन की जरूरत नहीं है
मैं समझता हूं कि नई theory बनाना महत्वपूर्ण और संतोषजनक है, लेकिन पिछले 30 वर्षों में भौतिकी का अधिकांश हिस्सा दो धाराओं जैसा दिखता है। एक है particles को टकराना और data analyze करना, दूसरी है ऐसे mathematical models जिन्हें falsify नहीं किया जा सकता
अगर अगली “नई भौतिकी” खोज आती है जो बेहतर chips या rocket propulsion वगैरह संभव बनाती है, तो मुझे लगता है उसे mRNA की तरह काफी जल्दी Nobel मिल सकता है
Hopfield network जीवविज्ञान की तुलना में भौतिकी के कहीं ज्यादा करीब है। फिर भी मैं सहमत हूं कि conformal field theory researchers को Hopfield या Hinton से पहले मान्यता मिलनी चाहिए थी
मुझे लगता है Jim Simons भी इसके हकदार थे। व्यक्तिगत रूप से, Chern-Simons theory की तुलना में RenTec में उनके काम की वजह से कहीं ज्यादा
Hopfield का paper Proc. Natl. Acad. Sci. के biophysics section में प्रकाशित हुआ था, और उसके बाद Phys Review A जैसी जगहों पर spin glass papers की बाढ़ आ गई। इसलिए भौतिकी से इसका कुछ-न-कुछ संबंध तो है
अभी Hinton का live radio interview सुना, जिसमें उन्होंने California में कहीं एक छोटे hotel room में खबर सुनी और काफी हैरानी की हालत में interview दिया
anchor खुश था, लेकिन जब यह बात आगे बढ़ी कि उन्हें किस चीज के लिए पुरस्कार मिला, तो Hinton ने AI concerns पर बोलना शुरू कर दिया और interview ज्यादा लंबा नहीं चला। Acceptance speech काफी दिलचस्प हो सकती है
उम्मीद है वे सत्ता के सामने खूब सच बोलेंगे
हो सकता है यह जुनून Hinton को निगल रहा हो। या फिर Oppenheimer-जैसा अपराधबोध हो सकता है
अगले साल Excel बनाने वालों को पुरस्कार मिलेगा। आखिर यह mathematical universe का implementation है
अगर ऐसा है तो इसके predecessor Lotus 123 के पक्ष में मैं सहमत हो सकता हूं। अगर artificial neural network भौतिकी पुरस्कार के लायक है तो यह भी है
एक अर्थ में, भौतिकी समुदाय की ओर से AI researchers को पुरस्कार देना समझ में आता है। मैं कई physics PhDs को जानता हूं जिन्हें AI की वजह से नौकरी मिली, और वे अब data scientists के तौर पर काम कर रहे हैं
मजाक अलग रखें तो, मेरी समझ के मुताबिक भौतिकी कुछ हद तक इसलिए अटकी हुई है क्योंकि हमारी जानकारी की सीमाओं पर प्रयोग करना कठिन है। ऐसे में भौतिकी के लिए उपयोगी tools बनाने वालों को पुरस्कार देना कुछ हद तक समझ में आता है
“हमारी जानकारी की सीमाओं पर प्रयोग करना कठिन है” वाली बात मुख्य रूप से fundamental physics पर लागू होती है
materials, fusion, biophysics, atmospheric physics आदि applied physics के कई क्षेत्रों में मुख्य constraint complex systems को समझने में है। ये क्षेत्र सामाजिक रूप से भी बहुत महत्वपूर्ण हैं
उस link के page 10 के अनुसार, Higgs boson जैसे fundamental particles high-energy collision के बाद बहुत ही थोड़े समय के लिए मौजूद रहते हैं, और उनकी उपस्थिति का अनुमान बड़े electronic detectors की tracking information और energy deposits से लगाना पड़ता है
कहा गया है कि expected detector signals बहुत दुर्लभ होते हैं और ज्यादा आम background processes उनकी नकल कर सकते हैं, इसलिए particle decays की पहचान करने और analysis efficiency बढ़ाने के लिए artificial neural networks को train किया गया ताकि वे तेज़ी से पैदा हो रहे detector data की विशाल मात्रा में से खास patterns चुन सकें
ऐसे वाक्यों को बिना अतिरिक्त qualifications के पढ़ना चिंताजनक है। LIGO की पहली gravitational wave detection में भी मिलती-जुलती अभिव्यक्ति मिल सकती है। मैं चाहूंगा कि वे यह justify करें कि यह “हमने conclusions को पहले से मानकर बार-बार train की गई कोई चीज बनाई” जैसा क्यों नहीं सुनाई देना चाहिए
सामाजिक trust के स्तर पर, ऐसे बड़े discoveries को report के मुताबिक मानने के लिए पर्याप्त कारण हैं। फिर भी जब observation खुद परिभाषा के अनुसार नया हो, पहले कभी detect न किया गया हो, और simulations के बाहर prior test set baseline न हो, तो मैं देखना चाहूंगा कि observation की validity सुनिश्चित करने का statistical basis कैसा दिखता है। भले ही इस बात की काफी संभावना हो कि मैं सही से समझ नहीं रहा हूं
दिलचस्प है। इस लेख में LeCun, Bengio, Schmidhuber, Hochreiter आदि का भी साथ में उल्लेख है
1 टिप्पणियां
Hacker News की रायें
आधार https://www.nobelprize.org/uploads/2024/09/advanced-physicsp... में है
यह Hopfield network और Boltzmann machine के लिए दिया गया पुरस्कार लगता है, लेकिन बाद वाले में बड़ी भूमिका निभाने वाले Terry Sejnowski का छूट जाना हैरान करने वाला है
मैंने जितनी व्याख्याएं पढ़ीं, वे सब गणितीय थीं और जादुई backpropagation सहित computational graph पर केंद्रित थीं. सच कहूं तो मुझे backpropagation बीच की calculations को memoization करने जैसा ही लगता है. ऐसी व्याख्याओं में यह भी ज़ोर दिया जाता था कि “synapse” जैसे शब्दों से बचें और “unit” जैसे terms इस्तेमाल करें
John Hopfield के शानदार करियर की समीक्षा: https://pni.princeton.edu/sites/g/files/toruqf321/files/docu...
“Academy member होने के नाते मैं ऐसे paper को review के बिना publish करा सकता था. अब ऐसा नहीं है, और यह scientific publishing तथा मौलिकता को प्रोत्साहित करने के कुछ पहलुओं पर एक दुखद टिप्पणी है”
review की सामग्री खुद public नहीं की जाती, लेकिन paper publish होने के बाद reviewers की पहचान public हो जाती है. इसलिए member मनमानी बकवास नहीं कर सकते, पर यह अब भी बहुत असामान्य प्रक्रिया है
यह ऐसा लगता है जैसे Royal Academy of Sciences यह मान रही हो कि physics research ठहर गया है
string theory ने लगभग आधी सदी तक theoretical high-energy physics का दम घोंटा, लेकिन दिखाने को कुछ नहीं है, और fundamental physics के कई दूसरे क्षेत्र भी कुछ हद तक खत्म जैसे लगते हैं
physics एक discipline के रूप में बिल्कुल भी ठहरा नहीं है. fundamental physics को ठहरा हुआ कहने की कुछ गुंजाइश है, क्योंकि किसी को अंदाज़ा नहीं है कि competing theories में फर्क करने वाले experiments कैसे बनाए जाएं. फिर भी हाल के वर्षों में Jonathan Oppenheim और collaborators के काम जैसी दिलचस्प प्रगति हुई है
और “physics” “fundamental physics” के बराबर नहीं है. correlated electron systems, condensed matter, galaxies और cosmology तक फैली complex systems physics मरी नहीं है, बल्कि बहुत सक्रिय है
मैंने जो पढ़ा है उसके मुताबिक, हालांकि मैं professional physicist नहीं हूं, string theory तब तक test नहीं हो सकती जब तक हम black holes की सीधी जांच न कर सकें या कम-से-कम चंद्रमा की कक्षा जितना बड़ा particle accelerator न बना सकें. कई दूसरे proposed theories भी ऐसी ही हैं
यह अनुमान भी है कि काल्पनिक Planet Nine Solar System द्वारा पकड़ा गया primordial black hole हो सकता है. comets और Kuiper Belt/TNO objects की orbits के आधार पर दूर बाहरी Solar System में पृथ्वी के mass से 1~5 गुना वाला planet होने की prediction है; उस mass का black hole कंचे से golf ball के आकार जितना होगा, लेकिन पृथ्वी-त्रिज्या की दूरी पर उसकी gravity 1~5g होगी
अगर ऐसा कोई object सच में मौजूद है, तो वह space probe की पहुंच के भीतर होगा, इसलिए black hole की जांच की जा सकती है और ठहराव को सुलझाने का सुराग मिल सकता है
अगर ऐसा संभव न हो, तो superconductivity, condensed matter physics, plasma/fusion जैसे physics के दूसरे क्षेत्रों पर ध्यान देना बेहतर हो सकता है, जो accessible हैं और जिनका practical impact बड़ा है
steady progress की उम्मीद करने की कोई वजह नहीं दिखती. उदाहरण के लिए, Riemann hypothesis को prove करने में कितना समय लगेगा, कोई नहीं जानता
इसमें सचमुच हताशा की बू आती है. और यह वाकई दुखद है
real physics में प्रगति उस sustainability transition का core है जिसकी बेहद जरूरत है. self-preservation को महत्व देने वाले सामान्य समाज में basic और applied physics research की पूरी range की जरूरत को justify करने के लिए किसी secondary तिनके का सहारा लेने की नौबत नहीं आनी चाहिए
हमारी collective hallucination जैसे wordplay तक को शामिल करते हुए, हमें गंभीरता से सोचना चाहिए कि क्या हम ऐसे किसी threshold पर पहुंच गए हैं जो हमारे long-term interests के अनुसार act करने की क्षमता को ही कमजोर कर रहा है. साथ ही, मेरा इरादा awardees के मूल्य को कमतर बताने का नहीं है
https://en.wikipedia.org/wiki/Perverse_incentive
यह सचमुच चौंकाने वाला है कि Hopfield ने कई क्षेत्रों में Nobel-level contributions किए हैं
kinetic proofreading (biochemistry/biophysics), Hopfield network (machine learning), long-range electron transfer (physics) वगैरह और भी बहुत कुछ. आखिरकार उन्हें पुरस्कार मिलना अच्छी खबर है
सैद्धांतिक भौतिकी में PhD और पिछले 4 साल से deep learning कर रहे व्यक्ति के नज़रिए से देखें तो यह पुरस्कार भौतिकी पुरस्कार के तौर पर बिल्कुल भी समझ में नहीं आता
Nobel समिति की आधिकारिक घोषणा को ज्यों-का-त्यों देखें तब भी neural networks को भौतिकी से जोड़ने की कोशिश काफी जबरदस्ती की लगती है। असल में भौतिकी पर इसका क्या प्रभाव पड़ा, और Hinton और Hopfield का सबसे महत्वपूर्ण काम सचमुच भौतिकी से प्रभावित था या नहीं—ऐसे सवाल पूछना शुरू करें तो यह तर्क ज्यादा देर टिकता नहीं
यह कहना भी गलत है कि AI research को पुरस्कार देना इसलिए मायने रखता है क्योंकि भौतिकी ठहर गई है। String theory high-energy theoretical physics का सिर्फ एक हिस्सा है, और कहा जा सकता है कि वह “AI winter” जैसे दौर से गुजर रही है, लेकिन भौतिकी के कई अन्य क्षेत्र तेजी से आगे बढ़ रहे हैं और रोचक नतीजे दे रहे हैं
Nobel पुरस्कार अक्सर काफी देर से दिए जाते हैं, इसलिए 1980 के दशक के बहुत प्रभावशाली कामों में भी कई ऐसे हैं जिन्हें अभी तक पुरस्कार नहीं मिला। Atomic force microscope इसका अच्छा उदाहरण है
किसी उपक्षेत्र के हालिया नतीजों को देखकर यह कहना भी गलत है कि “इस क्षेत्र में कुछ भी मूल्यवान नहीं था।” उदाहरण के लिए, भले ही string theory को पूरी तरह काल्पनिक मान लें, conformal field theory की स्थापना जैसे theoretical physics के महत्वपूर्ण परिणाम रहे हैं, जिन्हें Nobel पुरस्कार से कभी मान्यता नहीं मिली। अगर पुरस्कार किसी दूसरे महत्वपूर्ण भौतिकी कार्य को जाता तो ठीक था, लेकिन आज की घोषणा काफी अजीब लगती है
भौतिकी में ही रह गए एक दोस्त के मजाक के साथ समाप्त करूं तो, “लगता है समिति ने अकादमिक जगत छोड़ चुके सभी physicists को देखा और तय कर लिया कि वे जो भी कर रहे हैं, वह पुरस्कार के लायक है। आगे चलकर शायद cryptocurrency या high-frequency trading के लिए भी पुरस्कार दे दें”
मैं समझता हूं कि नई theory बनाना महत्वपूर्ण और संतोषजनक है, लेकिन पिछले 30 वर्षों में भौतिकी का अधिकांश हिस्सा दो धाराओं जैसा दिखता है। एक है particles को टकराना और data analyze करना, दूसरी है ऐसे mathematical models जिन्हें falsify नहीं किया जा सकता
अगर अगली “नई भौतिकी” खोज आती है जो बेहतर chips या rocket propulsion वगैरह संभव बनाती है, तो मुझे लगता है उसे mRNA की तरह काफी जल्दी Nobel मिल सकता है
मुझे लगता है Jim Simons भी इसके हकदार थे। व्यक्तिगत रूप से, Chern-Simons theory की तुलना में RenTec में उनके काम की वजह से कहीं ज्यादा
अभी Hinton का live radio interview सुना, जिसमें उन्होंने California में कहीं एक छोटे hotel room में खबर सुनी और काफी हैरानी की हालत में interview दिया
anchor खुश था, लेकिन जब यह बात आगे बढ़ी कि उन्हें किस चीज के लिए पुरस्कार मिला, तो Hinton ने AI concerns पर बोलना शुरू कर दिया और interview ज्यादा लंबा नहीं चला। Acceptance speech काफी दिलचस्प हो सकती है
अगले साल Excel बनाने वालों को पुरस्कार मिलेगा। आखिर यह mathematical universe का implementation है
एक अर्थ में, भौतिकी समुदाय की ओर से AI researchers को पुरस्कार देना समझ में आता है। मैं कई physics PhDs को जानता हूं जिन्हें AI की वजह से नौकरी मिली, और वे अब data scientists के तौर पर काम कर रहे हैं
मजाक अलग रखें तो, मेरी समझ के मुताबिक भौतिकी कुछ हद तक इसलिए अटकी हुई है क्योंकि हमारी जानकारी की सीमाओं पर प्रयोग करना कठिन है। ऐसे में भौतिकी के लिए उपयोगी tools बनाने वालों को पुरस्कार देना कुछ हद तक समझ में आता है
materials, fusion, biophysics, atmospheric physics आदि applied physics के कई क्षेत्रों में मुख्य constraint complex systems को समझने में है। ये क्षेत्र सामाजिक रूप से भी बहुत महत्वपूर्ण हैं
linked press release की तुलना में “Advanced information” PDF पुरस्कार के तर्क को समझाने की कोशिश थोड़ी बेहतर करता है
https://www.nobelprize.org/uploads/2024/09/advanced-physicsp...
कहा गया है कि expected detector signals बहुत दुर्लभ होते हैं और ज्यादा आम background processes उनकी नकल कर सकते हैं, इसलिए particle decays की पहचान करने और analysis efficiency बढ़ाने के लिए artificial neural networks को train किया गया ताकि वे तेज़ी से पैदा हो रहे detector data की विशाल मात्रा में से खास patterns चुन सकें
ऐसे वाक्यों को बिना अतिरिक्त qualifications के पढ़ना चिंताजनक है। LIGO की पहली gravitational wave detection में भी मिलती-जुलती अभिव्यक्ति मिल सकती है। मैं चाहूंगा कि वे यह justify करें कि यह “हमने conclusions को पहले से मानकर बार-बार train की गई कोई चीज बनाई” जैसा क्यों नहीं सुनाई देना चाहिए
सामाजिक trust के स्तर पर, ऐसे बड़े discoveries को report के मुताबिक मानने के लिए पर्याप्त कारण हैं। फिर भी जब observation खुद परिभाषा के अनुसार नया हो, पहले कभी detect न किया गया हो, और simulations के बाहर prior test set baseline न हो, तो मैं देखना चाहूंगा कि observation की validity सुनिश्चित करने का statistical basis कैसा दिखता है। भले ही इस बात की काफी संभावना हो कि मैं सही से समझ नहीं रहा हूं