Hans Halvorson Physics, Logic, Philosophy

Ugeseddel 5: Forståelse under pres: kvantemekanik og kunstig intelligens

I denne uge møder forståelsesrammen fra uge 4 to tilfælde, der er vanskeligere end matematiseringen: tilfælde, hvor selve mekanismen bag teoriens forudsigelser er uklar eller uigennemskuelig.

Kvantemekanikken har siden 1920’erne produceret de mest præcise forudsigelser i videnskabens historie — og alligevel kan fysikere ikke blive enige om, hvad teorien siger om virkeligheden. Måleproblemet står uløst. Forstod nogensinde nogen kvantemekanikken?

Kunstig intelligens rejser et parallelt spørgsmål. Maskinlæringsmodeller som AlphaFold giver bemærkværdigt præcise forudsigelser — men modellernes interne ræsonnement er uigennemsigtigt: en sort boks. I 2024 modtog Demis Hassabis og John Jumper Nobelprisen i kemi for AlphaFold, og Geoffrey Hinton og John Hopfield fik fysikprisen for kunstige neurale netværk. Begge priser skabte debat: er dette videnskabelige gennembrud i egentlig forstand, eller er det fremragende teknologisk engineering?

Begge cases — kvantemekanikken og AI — tvinger os til at spørge: kræver videnskabelig forståelse, at vi kan se ind i en teoris virkemåde? Eller er forudsigelsesevne under de rette betingelser nok?

Forelæsning — ved Hans Halvorson

Læs dette inden forelæsningen:

  • Weinberg (2017): The trouble with quantum mechanics
  • Sullivan (2022): Understanding from Machine Learning Models

Københavnertimen

En mere dybdegående og nørdet diskussion af kvantemekaniske emner: dobbeltspalte-eksperimentet, partikel-bølge dualitet, diverse fortolkninger m.m. Faciliteret af Hans (og Ask og Bertil).

Case-forelæsning

Peter Ditlevsen: Etiske udfordringer i klimaforskning.

Øvelser

Inden øvelserne skal du have læst:

  • Krenn et al. (2022): On scientific understanding with artificial intelligence
  • Barman et al. (2024): Towards a benchmark for scientific understanding in humans and machines — læs §§ 1–3 (s. 1–6); resten er teknisk og kan springes over

Forstår nogen kvantemekanikken?

Hans præsenterer måleproblemet under forelæsningen og de vigtigste fortolkninger af kvantemekanikken. Weinberg skelner mellem realistiske og instrumentalistiske tilgange og argumenterer for, at instrumentalismen er utilfredsstillende.

Gruppeopgaver

  1. Forklar med egne ord, hvad måleproblemet er.
  2. Redegør for Niels Bohrs fortolkning, mangeverdensfortolkningen og de Broglie-Bohm-fortolkningen. Er nogen af disse teorier intelligible i De Regt og Dieks’ forstand?
  3. Weinberg er utilfreds med den instrumentalistiske tilgang til kvantemekanikken. Hvad mener han der er galt med den? Sammenlign hans indvending med Gingras’ observation om, hvad matematiseringen gjorde ved begrebet substans i fysikken — er de to bekymringer beslægtede?
  4. Feynman sagde i 1964: “Nobody understands quantum mechanics.” Hvad tror I, han mente? Og har han ret — givet De Regt og Dieks’ definition af forståelse?

Plenumopsamling

Tre dimensioner af AI-assisteret forståelse

Krenn et al. identificerer tre dimensioner, hvormed AI potentielt kan bidrage til videnskabelig forståelse.

Gruppeopgaver

  1. Forklar de tre dimensioner med egne ord: computational microscope, resource of inspiration og agent of understanding. Hvad er forskellen på dem?
  2. Krenn et al. skelner mellem rediscovery tasks og egentlig konceptuel innovation. Hvad er forskellen, og hvorfor er sondringen vigtig?
  3. Hvordan foreslår Krenn et al., at man kan vurdere, om en AI har opnået forståelse — frem for blot at imitere forståelse?
  4. AlphaFold forudsiger proteinstrukturer med bemærkelsesværdig præcision. Hvilken af Krenn et al.s tre dimensioner passer bedst på AlphaFold? Begrund jeres svar.
  5. Anvend De Regt og Dieks’ CIT på AlphaFold: kan man genkende kvalitativt karakteristiske konsekvenser af AlphaFold uden at køre modellen? Hvad følger af svaret for spørgsmålet om, hvorvidt AlphaFold giver os videnskabelig forståelse af proteinfoldning?

Plenumopsamling

Ugens to fremlæggelser

Emily Sullivan argumenterer for, at det ikke er AI-modellers uigennemsigtighed i sig selv, der hindrer videnskabelig forståelse. Oplægget skal dække følgende:

  1. Hvad er den naive sorte-boks-indvending mod maskinlæringsmodeller? Hvorfor finder Sullivan den utilstrækkelig?
  2. Forklar Sullivans begreb om link uncertainty: hvad er det, og hvad er det, der primært begrænser videnskabelig forståelse fra ML-modeller ifølge hende?
  3. Sullivan skelner mellem at forstå modellen og at forstå fænomenet via modellen. Hvad er forskellen, og hvorfor er den vigtig?

Plenumopsamling

Fremlæggelse 2: EPRs kritik af kvantemekanikken

Einstein, Podolsky og Rosen (1935) argumenterede for, at kvantemekanikken er en ufuldstændig teori. Oplægget skal dække følgende:

  1. Hvad er EPR-argumentet? Redegør for dets centrale præmisser (lokalitet og realisme) og dets konklusion.
  2. Hvad mente Bohr om EPR-argumentet? Er Bohrs svar overbevisende?
  3. Bells teorem (1964) viste, at EPR-scenariet kan testes eksperimentelt. Hvad viser Bell-eksperimenter om forholdet mellem lokalitet og realisme?

Plenumopsamling