#影客网络科技#如何利用物理思想帮助机器“升维学习”？( 五 ) 如何利用物理思想帮助机器“升维学习”

同时，规范的卷积神经网络在诸如克兰默之类的物理学家中越来越受欢迎，他们计划将其用于处理亚原子粒子相互作用的模拟数据。克兰默说：“我们正在分析与强核力有关的数据，试图了解质子内部发生了什么。 ”他说，数据是四维的， “因此，对于具有这种等规的神经网络，我们拥有一个完美的使用场景。 ”
前物理学家里西·康多（RisiKondor）现在正在研究等规神经网络，他说，这一框架的潜在科学应用可能比其在AI中的应用更为重要。
但是，尽管物理学家的数学方法启发了人们对卷积神经网络的了解，物理学家可能会为它们找到很多用处，但科恩指出，这些神经网络本身并不会发现任何新的物理。他说：“我们现在能够设计能够处理非常奇特的数据的网络，但是你必须事先知道该数据的结构是什么。 ”换句话说，物理学家之所以可以使用规范的卷积神经网络是因为爱因斯坦已经证明时空可以表示为四维弯曲流形。科恩的神经网络将无法独自“看到”该结构。他说：“学习对称性是我们不要做的事情， ”尽管他希望将来这件事成为可能。
产生了这一跨学科的直觉，进而以严格的数学方法证明了这一点，科恩不禁为此感到欣慰。他说：“我一直感觉机器学习和物理学正在做非常相似的事情。我觉得这真的很奇妙：我们只是从一个工程问题开始，在改进系统的过程中，逐渐发现了越来越多的联系。 ”
原文链接：
https://www.quantamagazine.org/an-idea-from-physics-helps-ai-see-in-higher-dimensions-20200109/
【互动问题：你在工作或生活中有哪些神奇的技巧？】
请大家严格按照互动：问题答案的格式在评论区留言参与互动，格式不符合要求者无效。
截止到本周四中午12：00 ，点赞数排名前三的朋友将获得我们送出的图书一本。（年假期间发货会延迟到假期结束后，请谅解。）
*本活动仅限于微信平台
编辑：aki