人工智能“發(fā)現(xiàn)”地球繞太陽公轉(zhuǎn)

如今，根據(jù)在地球上觀測到的太陽和火星的運行軌跡，一種受大腦啟發(fā)的機器學習算法計算出了太陽位于太陽系的中心。而天文學家花了幾個世紀才弄明白這個道理。

這一壯舉是對一項技術(shù)的首次測試，研究人員希望能夠利用它發(fā)現(xiàn)新的物理定律，或許還能夠通過在大數(shù)據(jù)集中發(fā)現(xiàn)新的模式來重新構(gòu)建量子力學。

相關研究成果將發(fā)表在即將出版的《物理評論快報》上。

蘇黎世瑞士聯(lián)邦理工學院的物理學家Renato Renner和他的合作者想要設計一種算法，將大量數(shù)據(jù)集提煉成幾個基本公式，這模仿了物理學家提出簡潔方程式（例如E=mc2）的思路。

為了做到這一點，研究人員必須設計一種新型的神經(jīng)網(wǎng)絡，一種受人類大腦結(jié)構(gòu)啟發(fā)的機器學習系統(tǒng)。

傳統(tǒng)的神經(jīng)網(wǎng)絡通過大量數(shù)據(jù)集的訓練學習識別物體，例如圖像或聲音。研究人員發(fā)現(xiàn)一般特征——例如“四條腿”和“尖尖的耳朵”能夠用來識別貓。然后，他們將這些特征編碼到數(shù)學“節(jié)點”中，后者是神經(jīng)元的人工等效物。

然而，神經(jīng)網(wǎng)絡并沒有像物理學家那樣，將這些信息提煉成幾個易于解釋的規(guī)則，而是有點像一個黑匣子，將它們獲得的知識以不可預測且難以解釋的方式傳播到數(shù)千個甚至數(shù)百萬個節(jié)點上。

因此，Renner的研究團隊設計了一種“腦葉切除”式的神經(jīng)網(wǎng)絡——兩個僅通過少量鏈接相互連接的子網(wǎng)絡。第一個子網(wǎng)將從數(shù)據(jù)中學習，就像在一個典型的神經(jīng)網(wǎng)絡中一樣；而第二個子網(wǎng)將使用這種“經(jīng)驗”做出新的預測并加以測試。

由于連接兩個子網(wǎng)絡的鏈路很少，第一個子網(wǎng)絡被迫以壓縮格式向另一個子網(wǎng)絡傳遞信息。Renner把這比作一個導師如何把他學到的知識傳授給學生。

最初的一項測試是向該神經(jīng)網(wǎng)絡提供從地球上看到的火星和太陽在天空中運行的模擬數(shù)據(jù)。從這個角度看，火星環(huán)繞太陽的軌道似乎是不穩(wěn)定的，比如它會周期性地“逆行”，改變自己的軌道。

幾個世紀以來，天文學家曾一直認為地球是宇宙的中心——他們認為行星在天球上繞著小圈運行，即所謂的本輪，并以此來解釋火星的運行軌跡。但在16世紀，尼古拉·哥白尼發(fā)現(xiàn)，如果地球和其他行星都圍繞太陽運行，那么用一個簡單得多的公式系統(tǒng)就可以預測它們的運行軌跡。

致力于將人工智能應用于科學發(fā)現(xiàn)的加拿大多倫多大學物理學家Mario Krenn表示，該研究團隊的神經(jīng)網(wǎng)絡得出了哥白尼式的火星軌道公式，重新發(fā)現(xiàn)了“科學史上最重要的一個范式轉(zhuǎn)變”。

Renner強調(diào)，雖然該算法推導出了這些公式，但需要人的眼睛來解釋這些方程，并理解它們與行星圍繞太陽運行之間的關系。

這項研究工作很重要，因為它能夠找出描述一個物理系統(tǒng)的關鍵參數(shù)，美國紐約市哥倫比亞大學機器人專家Hod Lipson說。他表示：“我認為這些技術(shù)是我們理解和跟上物理和其他領域日益復雜的現(xiàn)象的唯一希望?！?/p>

Renner和他的團隊希望能夠開發(fā)出幫助物理學家解決量子力學中的那些明顯矛盾的機器學習技術(shù)。這個理論似乎對一項實驗的結(jié)果和受其規(guī)律支配的觀察者的觀察方式產(chǎn)生了相互矛盾的預測。

“在某種程度上，現(xiàn)在量子力學的表述方式可能只是歷史的產(chǎn)物?！盧enner說。他強調(diào)，一臺計算機可以得出一個沒有這些矛盾的公式，但該團隊最新的技術(shù)還不夠成熟，尚無法做到這一點。

為了實現(xiàn)這一目標，Renner和他的合作者正在嘗試開發(fā)一種神經(jīng)網(wǎng)絡，后者不僅可以從實驗數(shù)據(jù)中學習，而且還可以提出全新的實驗來驗證其假設。