اقترحت نظرية مثيرة للجدل أن الكون يمكن أن يحوي شبكة عصبية، عبارة عن نظام حسابي مترابط مشابه في هيكله للدماغ البشري. وتتكون الشبكات العصبية الاصطناعية من عقد مختلفة - تعادل الخلايا العصبية البيولوجية - تعالج الإشارات وتمررها. ويمكن أن تتغير الشبكة أثناء استخدامها - مثل زيادة الوزن المعطى لبعض العقد والوصلات - ما يسمح لها "بالتعلم" أثناء سيرها. وعلى سبيل المثال، بالنظر إلى مجموعة من صور القطط المراد دراستها، يمكن للشبكة أن تتعلم انتقاء السمات المميزة للقطط من تلقاء نفسها - وبالتالي تمييزها عن الحيوانات الأخرى. ومع ذلك، يعتقد الفيزيائي فيتالي فانشورين، من جامعة مينيسوتا دولوث - على المستوى الأساسي - أن كل ما نعرفه قد يكون أحد هذه الأنظمة. واقتُرحت هذه الفكرة كطريقة للتوفيق بين مجالات ما يسمى بالفيزياء "الكلاسيكية"، مع مجالات ميكانيكا الكم - وهي مشكلة طويلة الأمد في الفيزياء.

وكتب البروفيسور فانشورين في ورقته البحثية: "نحن لا نقول فقط إن الشبكات العصبية الاصطناعية يمكن أن تكون مفيدة في تحليل الأنظمة الفيزيائية، أو لاكتشاف القوانين الفيزيائية - نحن نقول إن هذه هي الطريقة التي يعمل بها العالم من حولنا بالفعل. هذا ادعاء جريء للغاية. ويمكن اعتباره اقتراحا لنظرية كل شيء، وعلى هذا النحو يجب أن يكون من السهل إثبات خطأه. كل ما نحتاجه هو إيجاد ظاهرة فيزيائية لا يمكن وصفها بالشبكات العصبية". وعند النظر في طريقة عمل الكون على نطاق واسع، يستخدم الفيزيائيون مجموعة معينة من النظريات كأدوات. وهذه هي "الميكانيكا الكلاسيكية" - المبنية على قوانين نيوتن للحركة - ونظريات النسبية لأينشتاين، التي تشرح العلاقة بين المكان والزمان، وكيف تشوه الكتلة نسيج الزمكان لخلق تأثيرات الجاذبية. ولشرح الظواهر على المقياسين الذرية ودون الذرية، وجد الفيزيائيون أن الكون يمكن تفسيره بشكل أفضل من خلال ما يسمى بـ "ميكانيكا الكم". وفي هذه النظرية، تقتصر الكميات مثل الطاقة والزخم على قيم منفصلة وليست متصلة، وجميع الكائنات لها خصائص كل من الجسيمات والموجات - وأخيرا، فإن قياس النظام يغيرها. وفي حين أن هذه النظريات تشرح الكون جيدا بمقاييسها الخاصة، فقد كافح الفيزيائيون طويلا من أجل التوفيق بينها في نظرية عالمية - وهو تحد يُطلق عليه أحيانا اسم "مشكلة الجاذبية الكمية". ولكي تتشابك النظريتان، من المحتمل أن تكون الجاذبية - الموصوفة في النسبية العامة على أنها انحناء الزمكان حسب المادة/الطاقة - مكونة من "كوانتا"، وبالتالي يكون لها جسيمها الأولي الخاص بها، الغرافيتون. ولسوء الحظ، فإن التأثيرات الناتجة عن الغرافيتون الفردي على المادة، ستكون ضعيفة للغاية، ما يجعل نظريات الجاذبية الكمومية تبدو مستحيلة للاختبار وتحديد أيها، إن وجد، صحيح. وبدلا من محاولة التوفيق بين النسبية العامة وميكانيكا الكم في نظرية عالمية أساسية واحدة، فإن فكرة الشبكة العصبية تقترح أن السلوكيات التي تظهر في كلا النظريتين تنبثق من شيء أعمق. وشرع البروفيسور فانشورين في إنشاء نموذج لكيفية عمل الشبكات العصبية - على وجه الخصوص، في نظام به عدد كبير من العقد الفردية. ويقول إنه في ظروف معينة - بالقرب من التوازن - يمكن تفسير سلوك التعلم للشبكة العصبية تقريبا بمعادلات ميكانيكا الكم، ولكن بعيدا عن قوانين الفيزياء الكلاسيكية تدخل حيز التنفيذ. وأوضح في حديثه لـ Futurism، أن النظرية يمكن أن تفسر ما يسمى بـ "المتغيرات الخفية" - وهي خصائص غير معروفة للأشياء اقترحها بعض الفيزيائيين، لتفسير عدم اليقين المتأصل في معظم نظريات ميكانيكا الكم.

وتابع فانشورين: "في ميكانيكا الكم الناشئة التي فكرت فيها، فإن المتغيرات الخفية هي حالات الخلايا العصبية الفردية والمتغيرات القابلة للتدريب". وفي مثل هذه الشبكة العصبية، سيظهر كل شيء - من الجسيمات والذرات إلى الخلايا وما بعدها - في عملية مماثلة للتطور/الانتقاء الطبيعي، كما اقترح فانشورين وقال: "هناك هياكل للشبكة العصبية المجهرية أكثر أو أقل استقرارا. وستنجو الهياكل الأكثر استقرارا من التطور، وسيُقضى على الهياكل الأقل استقرارا. وعلى المقاييس الأصغر، أتوقع أن الانتقاء الطبيعي يجب أن ينتج بعض الهياكل منخفضة التعقيد مثل سلاسل الخلايا العصبية، ولكن على المستويات الأكبر، ستكون الهياكل أكثر تعقيدا. لا أرى أي سبب يجعل هذه العملية تقتصر على مقياس طول معين، وبالتالي فإن الادعاء هو أن كل ما نراه من حولنا - على سبيل المثال الجسيمات والذرات والخلايا والمراقبين وما إلى ذلك - هي نتيجة الانتقاء الطبيعي". وفيما يتعلق بما إذا كانت نظرية الكون والشبكة العصبية يمكن أن تتمتع بميزة معينة، يبدو من غير المرجح أن يكون بقية المجتمع الفيزيائي مقتنع بها. وبالإضافة إلى ذلك، أعرب الخبراء في مجال الفيزياء والتعلم الآلي عن شكوكهم بشأن الفكرة - ورفضوا التعليق على السجل. ويمكن قراءة نسخة مسبقة من مقالة الباحث، التي لم تُراجع من قبل الأقران، في the arXiv repository.