人工智能领域“哥白尼”的诞生：AI重回16世纪

网易科技 • 5年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

天文学家花了几个世纪才弄明白的规律，如果从头交给机器学习算法去领悟，能重现被发现吗？

近日，苏黎世瑞士联邦理工学院（ETH）物理学家Renato Renner的团队就进行了这样让AI“重回16世纪”的尝试。

他们开发了一种新型的神经网络――受大脑结构启发的机器学习系统。然后，这个算法通过检测太阳和火星相对于地球的运动，竟然能够得出太阳位于太阳系中心的结论。

也就是说，让机器自学哥白尼时代的基础物理知识和相关轨道运行信息，它能够自行得出“太阳中心说”的结论，甚至还自行推出了哥白尼提出的的火星运动轨迹公式。

这一有趣的结论被小组成员们称为“重新发现了科学史上最重要的转折之一”，堪称人工智能领域“哥白尼”的诞生。

“哥白尼”神经网络诞生

从前，地球一直被认为是宇宙的中心，天文学家们用行星的小周期运转（本轮）来解释火星的运动。直到16世纪，哥白尼发现，如果假设地球和其他行星都在绕太阳公转，则可以用更简单的公式来归纳行星运动规律。

这一发现堪称在人类科学史上的“高光时刻”之一，不仅在天文学上，在历史、宗教领域都带来了不可超越的重大影响。

据nature报道，这一人类花了几个世纪才弄清楚的行星运转规律，也可以被算法短时间模拟。

来自ETH的研究团队称，他们的算法可以根据太阳和火星的运动轨道以及它们相对于地球的位置，推论出太阳位于太阳系的中心位置――这一壮举是这项技术的第一个测试。

加拿大多伦多大学物理学家Mario Krenn表示，该研究小组的神经网络得出了哥白尼提出的的火星运动轨迹公式，重新发现了科学史上最重要的转折之一。下一步，研究人员希望通过得出大数据的普遍规律和模式，用于新的物理定律的发现，并重新制定量子力学。

传统的神经网络通过收集和分析庞大的数据（如图像和声音）来自我训练。通过大数据，神经网络可以总结出某类型事物特征的规律，例如，用“四只腿”和“尖耳朵”来识别猫。这些特征在其数学“节点”（人造神经元）上被编码。但是，神经网络无法自动将这些信息提炼成几个易于解释的规则，它是一个黑匣子，以一种无法预测且难以解释的方式，将其获得的知识分布在成千上万个结点上。

Renner的团队设计了一种“迟钝型”的神经网络――由两个仅通过少数几个链接相互连接子网络组成。其中第一个子网络具备传统的数据学习功能，另一个子网络则使用学习得到的经验得出新的预测并测试。由于两个子网络间相互连接的链路很少，因此第一个网络以压缩格式将信息传递给另一侧。Renner表示，整个过程有点像老师将知识传授给学生。

解决更复杂问题的希望，或有可能解决量子力学矛盾

尽管该算法能够推导出理论公式，但仍需要人亲自来解释这些公式，并得出它们与行星绕太阳运动的关系，但是，哥伦比亚大学的机器人学家Hod Lipson仍认为这项工作十分重要，因为它能够得出描述物理系统的关键参数。他认为，这些技术是我们理解并跟上物理学中其他更复杂现象的希望。

Renner的团队希望开发机器学习技术，以帮助物理学家解决目前存在的量子力学矛盾。Renner说：“在某种程度上，当前的量子力学法可能只是历史的仿制品。”他认为，通过计算机可以提出不存在矛盾的公式。

为了实现该目标，Renner正在尝试改良其神经网络，该版本不仅可以从实验数据中学习，还可以提出新的实验方法来检验其假设。