一个不认识牛顿的AI，绕开所有物理定律，从数据到数据就能预测行星轨道！( 二 ) 【新智元导读】机器学习可否

文章图片
该算法的另外一个重要意义在于，当狭义相对论和广义相对论的影响很重要时，所提出的算法有望适用。受哲学家启发，宇宙是矩阵模拟这个黑盒过程也出现在哲学思想实验中，比如JohnSearle提出著名的中文屋(ChineseRoom)思想实验。在实验中，一个不懂中文的人却可以通过使用一套指令或规则，将一个中文句子翻译成英文或任何其他语言，从而代替理解。

文章图片
这个思想实验认为任何机器都不可能理解人类语言的真正含义，否决了图灵测试的有效性。即使计算机通过图灵测试，也不算真正具有智能。秦宏的灵感部分来自于牛津大学哲学家NickBostrom的哲学思想实验，即宇宙是一个计算机模拟程序。如果这是真的，那么基本的物理定律应该揭示出宇宙是由基本时空模块组成，就像电子游戏中的像素一样。

文章图片
秦宏表示，「如果我们生活在模拟世界中，我们的世界就必须是离散的」。秦设计的黑匣子并不要求物理学家从字面意思上相信宇宙模拟猜想，尽管它是基于这一理念创建一个能做出准确物理预测的程序。与电影《黑客帝国》中所描绘世界相似，由此产生的像素化的世界观被称为离散场理论。

文章图片
与通常的理论不同，它将宇宙看成是由单个比特组成的。科学家们通常会设计出物理世界行为方式的总体概念，而计算机只是收集了一系列数据点的集合。秦宏和普林斯顿大学等离子体物理学项目的研究生EricPalmerduca现在正在开发利用离散场理论来预测世界各地科学家进行的核聚变实验中等离子体粒子行为的方法。核聚变是驱动太阳和恒星的动力，它将轻元素以等离子体的形式结合起来以产生大量的能量。这种由自由电子和原子核组成热的、带电的物质状态代表了99%的可见宇宙。

文章图片
科学家们正试图在地球上复制核聚变，以获得取之不尽的发电动力。秦宏表示，「在核聚变装置中，等离子体的动力学是复杂的、多尺度的，我们感兴趣的某一物理过程的有效调控规律或计算模型并不总是清晰的。在这个场景下，就可以应用我开发的机器学习技术来创建一个离散场理论，然后应用这个离散场理论来理解和预测新的实验观测结果」。这个过程引发了关于科学本质的问题。难道科学家们不想发展解释世界的物理学理论，而是简单地收集数据吗？物理学对解释和理解现象是否真的的有必要？

文章图片
秦宏认为，任何一个科学家的终极目标都是做出符合实际的预测，我们可能不一定需要物理定律。例如，如果我可以完美地预测行星轨道，就不需要知道牛顿的引力和运动定律。你可以说，这样做从理论上，你会比知道牛顿定律的人理解得不够充分。从某种意义上说，这是对的。但从实际的角度来看，不知道内在机制却能够做出准确的预测，和运用理论给出预测没有实际的区别。机器学习也可以为更多的研究提供可能性。这种技术也可能让传统物理理论得到发展。 Palmerduca表示，虽然在某种意义上，这种机器学习的方法排除了对这种理论的需求，但它也可以被看作是走向一种理论的途径。参考链接：on-energy-raises-questions-about-the-very-nature-of-science?seeOriginal=new-machine-learning-theory-that-can-be-applied-to-fusion-energy-raises-questions-about-the-very-nature-of-sciencehttps://www.nature.com/articles/s41598-020-76301-0

文章图片
【一个不认识牛顿的AI，绕开所有物理定律，从数据到数据就能预测行星轨道！】

文章图片