○ 在這個(gè)神秘世界中，視場(chǎng)被分為四個(gè)象限，每個(gè)象限都受不同的物理效應(yīng)的支配，比如引力（左下）或電磁場(chǎng)（右下）。點(diǎn)和線代表球在環(huán)境中的軌跡。基于球如何在環(huán)境中運(yùn)動(dòng)，AI必須使用它被給予的策略來(lái)描述支配球運(yùn)動(dòng)的物理定律。| 圖片來(lái)源： Tegmark and Wu/arXiv

當(dāng)給AI一個(gè)數(shù)據(jù)集時(shí)，它能對(duì)這個(gè)數(shù)據(jù)集進(jìn)行分析從而創(chuàng)建一個(gè)模型。模型的功能取決于具體的任務(wù)。例如，假如你想要訓(xùn)練AI對(duì)貓進(jìn)行識(shí)別，那么可以給它展示數(shù)千張貓的圖片，這樣算法就可以從每張照片中找出相似特征，從而歸納出一個(gè)貓的模型。

AI創(chuàng)建模型的方式，有點(diǎn)像科學(xué)家通過理論，從一個(gè)現(xiàn)象的特定事例，類推到這一現(xiàn)象在類似情況下的所有事例的方法。但是，這二者之間也存在一個(gè)關(guān)鍵區(qū)別。

繼續(xù)以識(shí)別貓為例，給AI的那些圖片都是已經(jīng)聚焦在貓身上的圖片。而更艱難的任務(wù)是給AI提供貓?jiān)谙嗨骗h(huán)境下的圖片，例如在森林中。這一學(xué)習(xí)過程就有點(diǎn)類似于科學(xué)研究了。對(duì)于這樣的數(shù)據(jù)集，AI的任務(wù)是創(chuàng)建一個(gè)能忽略其他無(wú)關(guān)細(xì)節(jié)（例如所有植物）而只關(guān)注貓的模型。又或者，它可能會(huì)得出一個(gè)將所有貓都描繪成是居住在森林里的模型。如果是這樣的話，那么當(dāng)你再給AI提供一張貓咪趴在床上睡覺的照片時(shí)，它就識(shí)別不出來(lái)了，因?yàn)樗哪Ｐ统隽藛栴}。

雖然也不能說(shuō)AI就完全錯(cuò)了，因?yàn)橛泻芏喾N貓只在森林中生活，但它犯了一個(gè)錯(cuò)誤——它創(chuàng)建了一個(gè)大的模型，并試圖將這個(gè)模型套用在所有的數(shù)據(jù)上。一種更有成效的方法，也是科學(xué)家通常采用的方法，是創(chuàng)建許多適用于觀測(cè)到的數(shù)據(jù)子集的小模型或理論，然后把這些小的理論加在一起，再得到一個(gè)適用于“萬(wàn)物”的理論。

對(duì)于研究機(jī)器學(xué)習(xí)的科學(xué)家來(lái)說(shuō)，訓(xùn)練AI如何對(duì)數(shù)據(jù)進(jìn)行分區(qū)，創(chuàng)建出能最終加在一起的小模型以獲得更大的模型，是一項(xiàng)非常艱巨的挑戰(zhàn)。Tailin Wu和Max Tegmark在arXiv上發(fā)表的論文中詳細(xì)描述了他們?nèi)绾芜\(yùn)用“AI物理學(xué)家”，朝這一方向邁出了重大一步。

為了實(shí)現(xiàn)這一目標(biāo)，Tegmark和Wu的機(jī)器學(xué)習(xí)算法具有四種策略，這四種策略也同樣可被人類科學(xué)家所采用，以對(duì)復(fù)雜的觀測(cè)推導(dǎo)理論。這幾個(gè)策略分別是：

1.分治法：開發(fā)只能描述數(shù)據(jù)集的一小部分的理論，從而產(chǎn)生多種理論，不同的理論能各自描述數(shù)據(jù)的不同方面，比如物理學(xué)中的量子力學(xué)和相對(duì)論。Wu和Tegmark開發(fā)的AI物理學(xué)家，就以這樣的方式處理大的數(shù)據(jù)集。

2.奧卡姆剃刀：這是物理學(xué)家采用的另一個(gè)普遍規(guī)則，即越簡(jiǎn)單的解釋越好。AI系統(tǒng)的一個(gè)廣為人知的特點(diǎn)便是，它能推導(dǎo)出過于復(fù)雜的模型來(lái)描述用于訓(xùn)練它們的數(shù)據(jù)。因此，Wu和Tegmark也“教導(dǎo)”他們的系統(tǒng)，讓它偏愛更簡(jiǎn)單的理論而不是復(fù)雜理論。

3.統(tǒng)一：另一件物理學(xué)家愛做的事情，就是尋找能將不同理論統(tǒng)一在一起的方法。若能將多個(gè)理論合而為一，那是最好不過了。這促使物理學(xué)家總在試圖尋求一種能支配萬(wàn)物的法則（盡管幾乎沒有實(shí)際證據(jù)表明這種理論的存在）。

4.“終身學(xué)習(xí)”：這是幫物理學(xué)家取得成功的最后一個(gè)策略。如果一種特定的方法曾在過去奏效，那么它可能在未來(lái)的問題上也能奏效。因此，Wu和Tegmark的AI物理學(xué)家能記住曾學(xué)習(xí)過的解決方案，并嘗試將它們應(yīng)用在未來(lái)的問題上。

○ AI物理學(xué)家的學(xué)習(xí)架構(gòu)：在中心是一個(gè)儲(chǔ)存理論的中心。當(dāng)遇到新環(huán)境時(shí)，首先就會(huì)檢查這個(gè)中心，然后提出能解釋部分?jǐn)?shù)據(jù)的舊理論，以及能夠隨機(jī)初始化其他數(shù)據(jù)的新理論。所有的這些理論都通過分治法（Divide-and-conquer）訓(xùn)練的，成功的理論和相應(yīng)的數(shù)據(jù)就會(huì)被添加到理論中心。理論中心有兩種組織策略：1. 奧卡姆剃刀（Occam's Razor），以神經(jīng)網(wǎng)絡(luò)的形式將所學(xué)的理論分解成更簡(jiǎn)單的符號(hào)公式。2. 應(yīng)用統(tǒng)一（Unification），將符號(hào)理論聚類并統(tǒng)一為主理論。符號(hào)理論和主理論可被重新添加到理論中心中。| 圖片來(lái)源： Tegmark and Wu/arXiv

在將這些策略編碼到機(jī)器學(xué)習(xí)算法中之后，Tegmark和Wu向AI展示了一系列復(fù)雜程度越來(lái)越甚的虛擬環(huán)境，這些虛擬環(huán)境由奇怪的物理定律所支配，并讓AI去理解它。它的目標(biāo)是盡可能準(zhǔn)確地預(yù)測(cè)物體在二維空間的運(yùn)動(dòng)。這需要AI為每個(gè)“神秘環(huán)境”推導(dǎo)獨(dú)特的物理理論，才能理解物體在該環(huán)境下的運(yùn)動(dòng)方式。

正如Tegmark和Wu所發(fā)現(xiàn)的那樣，隨著環(huán)境變得越來(lái)越復(fù)雜，這位AI物理學(xué)家越來(lái)越難理解物理定律。最后，這位AI物理學(xué)家總共接觸了40種不同的神秘環(huán)境，并能在超過90%的情況下，推導(dǎo)出支配這些環(huán)境的正確物理定律。此外，Tegmark和Wu的AI物理學(xué)家能夠比傳統(tǒng)的機(jī)器學(xué)習(xí)算法減少“十億倍”的預(yù)測(cè)誤差。

這一工作或許對(duì)人類在未來(lái)從事科學(xué)研究的方式產(chǎn)生重大影響。特別是它或許能極其有效的應(yīng)用于理解大量復(fù)雜的數(shù)據(jù)集上，比如那些用于氣候或經(jīng)濟(jì)建模的數(shù)據(jù)集上。或許，下一位即將到來(lái)的牛頓或愛因斯坦，將只是一些計(jì)算機(jī)代碼而已？

參考來(lái)源：

https://motherboard.vice.com/en_us/article/evwj9p/researchers-created-an-ai-physicist-that-can-derive-the-laws-of-physics-in-imaginary-universes

https://arxiv.org/pdf/1810.10525.pdf

https://www.technologyreview.com/s/612358/an-ai-physicist-can-derive-the-natural-laws-of-imagined-universes/

編譯：二宗主

文章來(lái)源：原理

IEEE Spectrum

《科技縱覽》

官方微信公眾平臺(tái)