Космология переживает момент, когда инструмент познания начинает подозревать себя в том, что он - точная копия познаваемого.
Рождение гипотезы: декабрь 2025
В декабре 2025 года на сервере препринтов Корнеллского университета появилась работа с длинным названием - «Вселенная, которая учит себя: об эволюции динамики от Большого взрыва до машинного интеллекта» (оригинал: «The Universe Learning Itself: On the Evolution of Dynamics from the Big Bang to Machine Intelligence») . Её авторы - физик-теоретик Прадип Сингх и трое его коллег - предложили не просто очередную метафору, а математически строгую модель, где Вселенная предстаёт как непрерывная цепочка фазовых переходов: от инфляции до появления искусственного интеллекта .
Время собирать камни.
Что значит «Вселенная учится»?
Формулировка Сингха звучит нарочито сухо, но за ней скрывается радикальный сдвиг. «Мы рассматриваем космологию, астрофизику, геофизику, биологию, когнитивистику и машинный интеллект не как разрозненные области, а как последовательные режимы динамики на постоянно усложняющихся пространствах состояний, соединённых фазовыми переходами, событиями нарушения симметрии и эмерджентными аттракторами», - пишут они .
Что это означает на человеческом языке? Физические законы - не скрижали, высеченные в начале времён. Это результат обучения. Квантовая механика - микроуровень градиентного спуска. Классическая физика - макроуровень уже «натренированной» системы. Жизнь - не случайность, а неизбежный этап самообучения Вселенной. А искусственный интеллект - не угроза, а продолжение: Вселенная создаёт инструменты, которые могут моделировать, предсказывать и перепрограммировать её собственное будущее .
Фундаментальное ограничение, которое авторы не скрывают: их работа - не новая космологическая модель, а «способ прочитать историю Вселенной как эволюцию самой динамики» . Это всего лишь язык, а не предсказание.
Язык, который может стать реальностью.
От уравнения Шрёдингера до GokuNEmu
Идея, что Вселенная может быть нейросетью, не родилась на пустом месте в декабре 2025-го.
Ещё в 2023 году исследователи из Пакистана опубликовали в Журнале вычислительной математики и математической физики работу, где применили к уравнению Шрёдингера нейросетевой алгоритм с оптимизацией Левенберга–Марквардта. Результат оказался неожиданным: волновая функция Вселенной может быть представлена как результат обучения нейросети на данных, сгенерированных моделью.
Но настоящий прорыв случился в июле 2025 года, когда группа из Калифорнийского университета в Риверсайде представила GokuNEmu - нейросетевой эмулятор, который моделирует 13,8 МИЛЛИАРДА лет эволюции Вселенной за 2 миллисекунды . Обученный на тысячах симуляций, он предсказывает структуру космоса с точностью 0,5% . И он охватывает не пять, а десять космологических параметров одновременно - от плотности тёмной энергии до массы нейтрино и эффективного числа нейтринных типов .
Итог-равенство, которое вырисовывается: нейросеть, созданная человеком, моделирует Вселенную с такой точностью, что грань между инструментом познания и познаваемым начинает исчезать. Если нейросеть может быть идеальным эмулятором Вселенной - не означает ли это, что сама Вселенная может быть похожа на нейросеть?
Инструмент подозревает себя в сходстве с объектом.
Два состояния: покой и движение
У этой картины есть два состояния.
Состояние первое - «покой» (уже достигнутое). GokuNEmu уже работает. Его используют для проверки данных проекта DESI, который изучает ускоряющееся расширение Вселенной . Он помогает распутывать сложные взаимосвязи - например, отделять влияние массы нейтрино от свойств тёмной энергии, две величины, которые часто «маскируют» друг друга в данных . Погрешность - 0,5%. Скорость - 2 миллисекунды на одну космологию .
Состояние второе - «движение» (гипотетический предел). Если Вселенная - нейросеть, то человек в ней - не вершина, а промежуточный узел. Ванчурин, чьи работы цитирует автор рецензии на Teletype, формулирует так: мы не пассивные наблюдатели, мы «участвуем» в самопознании Вселенной . Но участвуем как trainable-переменные, которые можно обучать. Нас тоже обучают. Кто? Вселенная сама же себя. Круг замкнут.
Базовый резерв в состоянии покоя - то, что уже есть: GokuNEmu существует, он работает, его применяют. Базовый резерв в состоянии движения - то, чего пока нет: ответ на вопрос, что именно мы узнаём нового, когда называем физические процессы «обучением».
Ответ пока не найден.
Как проверить, что Вселенная - нейросеть?
Микро-пример. Представьте себе: астрономы десятилетиями искали способ измерить массу нейтрино. Нейтрино почти не взаимодействуют с материей, их масса настолько мала, что её невозможно измерить напрямую. Но GokuNEmu, обученный на тысячах симуляций, может отделить этот параметр от других - плотности тёмной энергии, параметров расширения - и дать оценку с точностью, недоступной предыдущим методам . Куда же пропала неопределённость-то? Её «съел» нейросетевой эмулятор, который научился видеть там, где раньше была только смазанная картина.
Макро-пример. Возьмём Hubble tension - расхождение в измерении скорости расширения Вселенной. Один метод (по реликтовому излучению) даёт одно число, другой (по сверхновым) - другое. Физики не могут понять, где ошибка. Ширли Хо из Института Флэтайрон, одна из авторов работы по SimBIG - AI-фреймворку для извлечения космологической информации - говорит: «Если вы получите гораздо более точную оценку [постоянной Хаббла], вы сможете точно определить, есть ли на самом деле Hubble tension или это просто погрешность» .
Современные эксперименты. SimBIG уже протестирован на данных более 100 000 галактик из обзора BOSS. Он научился использовать не только крупномасштабное распределение галактик, но и мелкомасштабные детали - например, расстояние между отдельными парами галактик . А GokuNEmu уже включён в инструментарий для подготовки к будущим обзорам - LSST, Euclid, Roman Space Telescope, китайский CSST .
Проверка идёт.
Метафора, которая может стать фактом
В рецензии на Teletype, вышедшей в ноябре 2025 года, автор приводит слова одного из комментаторов, которые редко цитируют в научных статьях, но которые точно передают суть сомнений :
«Если я назову камень, падающий вниз, нейросетью, обучающейся на гравитации, я ничего не объясню, я просто создам иллюзию объяснения».
Критики Ванчурина, чью гипотезу разбирает автор, указывают на главный риск тавтологии: если всё можно описать как обучение, то понятие «обучение» теряет объяснительную силу . Это как сказать «всё есть информация» или «всё есть энергия» - формально верно, но бессодержательно. Когда метафора становится слишком универсальной, она перестаёт что-либо различать.
Но сам Ванчурин, по словам автора рецензии, отвечает на это так: «Наука прогрессирует не только через данные, но и через новые метафоры». Вспомните, как Земля начала двигаться - это была метафора, ставшая фактом…