天文學(xué)家花了幾個世紀(jì)才弄明白的規(guī)律，如果從頭交給機(jī)器學(xué)習(xí)算法去領(lǐng)悟，能重現(xiàn)被發(fā)現(xiàn)嗎？

蘇黎世瑞士聯(lián)邦理工學(xué)院（ETH）物理學(xué)家Renato Renner的團(tuán)隊(duì)就進(jìn)行了這樣讓AI“重回16世紀(jì)”的嘗試。

他們開發(fā)了一種新型的神經(jīng)網(wǎng)絡(luò)——受大腦結(jié)構(gòu)啟發(fā)的機(jī)器學(xué)習(xí)系統(tǒng)。然后，這個算法通過檢測太陽和火星相對于地球的運(yùn)動，竟然能夠得出太陽位于太陽系中心的結(jié)論。

也就是說，讓機(jī)器自學(xué)哥白尼時代的基礎(chǔ)物理知識和相關(guān)軌道運(yùn)行信息，它能夠自行得出“太陽中心說”的結(jié)論，甚至還自行推出了哥白尼提出的的火星運(yùn)動軌跡公式。

這一有趣的結(jié)論被小組成員們稱為“重新發(fā)現(xiàn)了科學(xué)史上最重要的轉(zhuǎn)折之一”，堪稱人工智能領(lǐng)域“哥白尼”的誕生。

“哥白尼”神經(jīng)網(wǎng)絡(luò)誕生

從前，地球一直被認(rèn)為是宇宙的中心，天文學(xué)家們用行星的小周期運(yùn)轉(zhuǎn)（本輪）來解釋火星的運(yùn)動。 直到16世紀(jì)，哥白尼發(fā)現(xiàn)，如果假設(shè)地球和其他行星都在繞太陽公轉(zhuǎn)，則可以用更簡單的公式來歸納行星運(yùn)動規(guī)律。

這一發(fā)現(xiàn)堪稱在人類科學(xué)史上的“高光時刻”之一，不僅在天文學(xué)上，在歷史、宗教領(lǐng)域都帶來了不可超越的重大影響。

據(jù)報道，這一人類花了幾個世紀(jì)才弄清楚的行星運(yùn)轉(zhuǎn)規(guī)律， 也可以被算法短時間模擬。

來自ETH的研究團(tuán)隊(duì)稱，他們的算法可以根據(jù)太陽和火星的運(yùn)動軌道以及它們相對于地球的位置，推論出太陽位于太陽系的中心位置——這一壯舉是這項(xiàng)技術(shù)的第一個測試。

加拿大多倫多大學(xué)物理學(xué)家Mario Krenn表示，該研究小組的神經(jīng)網(wǎng)絡(luò)得出了哥白尼提出的的火星運(yùn)動軌跡公式，重新發(fā)現(xiàn)了科學(xué)史上最重要的轉(zhuǎn)折之一。下一步，研究人員希望通過得出大數(shù)據(jù)的普遍規(guī)律和模式，用于新的物理定律的發(fā)現(xiàn)，并重新制定量子力學(xué)。

傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)通過收集和分析龐大的數(shù)據(jù)（如圖像和聲音）來自我訓(xùn)練。通過大數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)可以總結(jié)出某類型事物特征的規(guī)律，例如，用“四只腿”和“尖耳朵”來識別貓。這些特征在其數(shù)學(xué)“節(jié)點(diǎn)”（人造神經(jīng)元）上被編碼。 但是，神經(jīng)網(wǎng)絡(luò)無法自動將這些信息提煉成幾個易于解釋的規(guī)則，它是一個黑匣子，以一種無法預(yù)測且難以解釋的方式，將其獲得的知識分布在成千上萬個結(jié)點(diǎn)上。

Renner的團(tuán)隊(duì)設(shè)計(jì)了一種“遲鈍型”的神經(jīng)網(wǎng)絡(luò)——由兩個僅通過少數(shù)幾個鏈接相互連接子網(wǎng)絡(luò)組成。其中第一個子網(wǎng)絡(luò)具備傳統(tǒng)的數(shù)據(jù)學(xué)習(xí)功能，另一個子網(wǎng)絡(luò)則使用學(xué)習(xí)得到的經(jīng)驗(yàn)得出新的預(yù)測并測試。 由于兩個子網(wǎng)絡(luò)間相互連接的鏈路很少，因此第一個網(wǎng)絡(luò)以壓縮格式將信息傳遞給另一側(cè)。Renner表示，整個過程有點(diǎn)像老師將知識傳授給學(xué)生。

解決更復(fù)雜問題的希望，或有可能解決量子力學(xué)矛盾

盡管該算法能夠推導(dǎo)出理論公式，但仍需要人親自來解釋這些公式，并得出它們與行星繞太陽運(yùn)動的關(guān)系，但是，哥倫比亞大學(xué)的機(jī)器人學(xué)家Hod Lipson仍認(rèn)為這項(xiàng)工作十分重要，因?yàn)樗軌虻贸雒枋鑫锢硐到y(tǒng)的關(guān)鍵參數(shù)。 他認(rèn)為，這些技術(shù)是我們理解并跟上物理學(xué)中其他更復(fù)雜現(xiàn)象的希望。

Renner的團(tuán)隊(duì)希望開發(fā)機(jī)器學(xué)習(xí)技術(shù)，以幫助物理學(xué)家解決目前存在的量子力學(xué)矛盾。Renner說：“在某種程度上，當(dāng)前的量子力學(xué)法可能只是歷史的仿制品。”他認(rèn)為，通過計(jì)算機(jī)可以提出不存在矛盾的公式。

為了實(shí)現(xiàn)該目標(biāo)，Renner正在嘗試改良其神經(jīng)網(wǎng)絡(luò)，該版本不僅可以從實(shí)驗(yàn)數(shù)據(jù)中學(xué)習(xí)，還可以提出新的實(shí)驗(yàn)方法來檢驗(yàn)其假設(shè)。

人工智能推演“三體”難題

希望利用神經(jīng)網(wǎng)絡(luò)解決物理問題的不止Renner一家。

前陣子，愛丁堡大學(xué)的Enter Philip Breen團(tuán)隊(duì)通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)準(zhǔn)確的對三體運(yùn)動進(jìn)行了預(yù)測，且速度比最先進(jìn)的常規(guī)方法快了近1億倍。

為訓(xùn)練神經(jīng)網(wǎng)絡(luò)，研究者首先將問題進(jìn)行簡化，假設(shè)三個黑洞為平面上的三個等質(zhì)量粒子，各粒子初始速度為0。隨機(jī)給定粒子的初始位置，使用最先進(jìn)的Brutus方法進(jìn)行求解，并將這一過程重復(fù)一萬次。

Breen團(tuán)隊(duì)利用神經(jīng)網(wǎng)絡(luò)進(jìn)行的三體實(shí)驗(yàn)

其中9900個算例作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練庫，剩余100個用于驗(yàn)證。最后，用5000個全新算例測試神經(jīng)網(wǎng)絡(luò)，并將預(yù)測結(jié)果與利用Brutus方法得到的計(jì)算結(jié)果進(jìn)行比對。

結(jié)果十分有趣！神經(jīng)網(wǎng)絡(luò)準(zhǔn)確地預(yù)測了三體運(yùn)動，并正確模擬出相近軌跡間的散度，與Brutus方法的計(jì)算結(jié)果極其相近。Breen團(tuán)隊(duì)表示，“我們已經(jīng)證明深度人工神經(jīng)網(wǎng)絡(luò)可以在固定時間內(nèi)快速且準(zhǔn)確的解決三體問題這一計(jì)算難題?！?/p>

更重要的是，團(tuán)隊(duì)將能量消耗情況引入了神經(jīng)網(wǎng)絡(luò)預(yù)測能力的測試中。幾次調(diào)整后，神經(jīng)網(wǎng)絡(luò)符合節(jié)能條件，且誤差僅僅為10-5。

這一結(jié)果令人驚嘆。且具有極大的潛力。Breen團(tuán)隊(duì)特別指出神經(jīng)網(wǎng)絡(luò)甚至能夠解決Brutus方法無法計(jì)算的三體問題。

因此他們希望構(gòu)建一個混合系統(tǒng)，使用Brutus方法進(jìn)行所有繁重的計(jì)算，若計(jì)算負(fù)擔(dān)過大，則引入神經(jīng)網(wǎng)絡(luò)，直到可運(yùn)用Brutus方法繼續(xù)計(jì)算。

這樣，神經(jīng)網(wǎng)絡(luò)應(yīng)該可以比以往更準(zhǔn)確地模擬星系核和球狀星團(tuán)內(nèi)部的黑體運(yùn)動。

這僅僅是個開始，Breen團(tuán)隊(duì)表示，“終有一天，我們設(shè)想神經(jīng)網(wǎng)絡(luò)可以被訓(xùn)練解決更多混沌問題，例如四體或五體問題，并進(jìn)一步減輕計(jì)算負(fù)擔(dān)?！?/p>

編輯：jq