手机网站
手机网站
研究人员在神经网络中输入了地球上观测到的火星和太阳运动的数据。 由于计算量较少，只需花费一天左右的时间，人工智能就得出了和哥白尼相同的结论。
文艺复兴时期，哥白尼在提出“日心说”的五百年后的现代欧洲，人工智能再次发现了以太阳为中心的太阳系模型。 这次再现“人类历史上最重要的科学范式转换”的人工智能，是苏黎世理工大学的理论物理学教授雷纳特·雷奈尔( Renato Renner )率领的实验小组开发的。 相关论文于2019年10月收到《物理评论速报》。
从古典物理到量子物理
从古希腊苏格拉底时代到21世纪，人类探索自然世界历史渊源的时候，优秀的思想家和科学家从未停步过。 从上到下最宏大的宇宙，从下到最微小的粒子，他们都想用简洁的数学公式概括“万物的理论”。
量子力学作为现代物理学的一大基本支柱，能够准确地描述物理系统的基本过程。 该理论普遍应用于2018年卢内在《自然通信》杂志上发表论文，演化了同事和匈牙利物理学家尤金·维格纳在1961年提出的“维格纳朋友”思想实验。 他们的分析结果表明，如果量子力学理论应用于更大、更复杂的宏观环境中，结论与理论本身相矛盾。
维格纳朋友
维格纳的实验室里有一只“雪定谗言的猫”，“死”和“生”重叠在一起。 维格纳的朋友测量“猫”时，根据量子力学，他得到了两个可能的结果之一。
现在维格纳知道自己被关在实验室外，实验室的朋友在某个时刻测量“猫”。 把整个实验室当作物理系统，实验室系统处于“测量猫死了，朋友死了的猫”和“测量猫活了，朋友活了的猫”的直线重叠状态。
当维格纳向朋友询问测量结果时，他知道了实验室在哪里。 因此，只有在知道朋友的测定结果时，实验室系统的重叠状态才被破坏。 但是从他的朋友的立场来看，测定结果在维格纳问他之前就确定了，实验室系统的状态已经崩溃了。
在那里发生问题的是，重叠状态的崩溃是什么时候发生的？
这也是量子力学长期以来所面临的发展瓶颈。 精通物理学发展史的雷纳有着大胆而坚定的构想，目前的量子力学理论可能是正确的描述，但可能不是唯一的基本描述。 某种程度上是历史上继承下来的人为现象——请想象一下物理天才们的奇妙思想实验。 所以，颠复一切是新的尝试之道，也许可以从中发现完全不同，但更简洁，更适合于表现宏观世界的理论。
但是，谁承担了这项重新发现的任务呢？ 3年前在加拿大召开的量子力学学术会议结束后，包括伦纳在内的物理学家们精疲力竭，去酒吧轻饮，但不忘研究学术内容。 讨论的时候，雷纳突然想，为什么不试着学习一下机器呢
认为是古典物理学家
雷纳特·勒奈尔(图源: ETH Globe / Daniel Winkler )
理论物理学家雷纳还拥有计算机科学博士学位，他很快就集结了5支由优秀的研究生、博士生和老科学家组成的团队。 该团队利用目前最流行的神经网络算法和机器学习技术，开始设计自己的人工智能系统，即后面的SciNet。
他们开发的神经网络结构模仿了古典物理学家的思维过程:复杂化简单。
科学家们观测自然，开展实验，收集各种数据，找出其逻辑关系，最后用最简单的数学方程式来表达。 SciNet神经网络可分为两个部分，第一部分是输入各种实验和观测数据，然后像榨汁机一样不断提取、精炼、简化为相关参数，这与传统神经网络相同。 第二部分的任务是从简洁的信息中总结出最简单的数学公式，雷纳将其与物理公式书写的教科书类似。
人工智能哥白尼的“日心说”
(图源: pexels.com )
设计神经网络结构后，研究小组需要对其进行测试。 他们测试了四个案例:阻尼钟摆、角动量守恒、量子比特表示、太阳系的日心说模型。 在测试阶段，我们使用已知的物理案例来验证算法的准确性。 作为原理性证明的研究，团队不需要大量的数据集，他们只需要证明自己的神经网络能够重现简单的事例。
在这些案例中，“日心说”的历史是最为人熟知和高兴的。 16世纪哥白尼对远恒星，测量了地球、太阳和火星三者之间的角度关系，提出了“日心说”这一大胆的假说。 比起复杂的“地心说”，新模式更加简洁，能够说明和预测行星运动，打开了现代天文学研究的新篇章。
结合这个历史故事，研究者将地球上观测到的火星和太阳运动的数据输入到了神经网络中。 由于运算量少，瑞奈尔记得花了一天左右，人工智能正确得出了和哥白尼一样的结论。
SciNet首次成长
展示古典物理学理论的SciNet，只是瑞奈尔团队研究的第一步。 经过2年的研究开发，由于该系统运算量少，现在只能在台式计算机上运行。 将来若进行更复杂、数据量更大的计算，则需要更强的计算能力、规模、更复杂的神经网络结构。
此外，瑞奈尔还指出现有的神经网络结构存在功能上的局限性，仅凭这个网络来预测的话，其错误率极低，但无法说明。 也就是说，可以通过提问、输入数据来得出答案，但是不知道该如何得出答案，为什么会这样。 瑞奈尔说，这就像学骑自行车一样，我们很快就能学会正确的自行车姿势，但是大多数人都不明白我们学到了什么。 因此，SciNet成长，有很长的学习途径。
量子研究的新助手
完成SciNet初步研发的团队欣喜若狂，其次他们希望算法能够应用于量子力学理论研究。 他们希望人工智能给出新的方程式，提供不同的研究思路，进而在未来的某一天，不仅分析人工输入的数据，而且自己设计实验，收集数据，与人类科学家合作，成为名副其实的“AI助理研究员”。
梦总是美丽的，但实现起来并不容易。 瑞奈尔说，用人工智能算法研究量子力学，首先要解决的是着名的测量问题。 因此，他们有必要教授神经网络来决定自己想测量什么。 目前神经网络仍处于被动状态，全面接受人类教导的各种数据，使被动接受成为主动研究是研究人员不断努力的目标。
瑞奈尔对人工智能和量子力学的近期发展持有积极态度。 十几年后，人工智能的自主研究可以为人类科学家提供新鲜的研究视角和观点。 但同时，人类科学家必须慎重评价和审查人工智能赋予的科学观点，判断其中的研究价值和意义。
“在国际象棋比赛中，可以说人类输给了人工智能。 但是，从另一个角度来说，人工智能提供了我们人类意想不到的象棋思路和策略，值得我们学习。 两者之间不是竞争关系，而是相辅相成的关系。 Lionel总结说:“计算机从帮助物理学家完成复杂计算开始，将来可能会开展独立的研究，是一个有效的工具，也是亲密的合作伙伴。”
