AI“發現”地球繞太陽旋轉_風聞

原創：牧夫天文

原作：Davide Castelvecchi

翻譯：艾宇熙

校譯：牧夫天文校對組

編排：王招君

後台：庫特莉亞芙卡 李子琦

原文鏈接：https://www.nature.com/articles/d41586-019-03332-7

物理學家們設計的人工智能算法像哥白尼那樣“推斷”出太陽是太陽系的中心

圖源：NASA/JPL/SPL

歷史上，天文學家們經過數個世紀的觀察和爭論才確立了“日心説”。最近，研究者們開發了一個基於神經網絡的機器學習算法，它通過學習和分析太陽與火星相對地球的運動，也歸納出“太陽位於太陽系的中心”這一結論。這項研究發表在《物理評論快報》上，研究者們希望他們可以利用這類算法處理大數據集，歸納出量子力學規律。

雷納託·雷納 （Renato Renner）是來自瑞士聯邦理工學院（ETH）的物理學家。他和他的合作者們希望開發出一種算法，能從大量的數據中提煉出幾個核心的公式，就像物理學家從大量數據中總結出E = mc²那樣。他們通過設計新型的神經網絡算法做到了這一點。

神經網絡算法的原理受到了大腦神經細胞連接的啓發。已經有許多研究用大數據集訓練神經網絡學習對象識別——識別的對象可以是圖像或音頻。神經網絡算法可以提取對象的共同特徵，比如説，貓的特徵可能被提取為“四條腿”和“尖耳朵”。這些特徵被編碼在數學“節點”裏，這些“節點”也就是算法中的“神經細胞”。但是這些“節點”中編碼的信息和信息的處理過程往往是黑箱狀態，研究者難以觀察和分析它們。

因此，雷納的團隊設計了一種“遲鈍”的神經網絡：它由兩個子神經網絡由有限的鏈接連接在一起。第一個子網絡像傳統的神經網絡那樣負責從數據中學習，而第二個網絡用學到的“經驗”做出假設並檢驗假設。由於兩個子網絡間的鏈接是受限的，第一個子網絡必須把數據精簡壓縮才能傳到第二個網絡裏。雷納比喻説，這個模式就像導師試圖把自己的已有知識傳遞給學生。

研究團隊對他們構建的神經網絡的第一個測驗使用的數據就是從地球視角觀測到的太陽和火星在天空中的運動軌跡。從軌跡上看，火星在天空中時常逆行。在“地心説”的時代，天文學家們長期以來試圖用“火星自己有圓周運動”來解釋這一現象；直到16世紀，尼古拉斯·哥白尼提出，“火星繞太陽運動”可以更加簡單地解釋火星逆行的現象。而雷納團隊的算法也給出了類似的結果。馬里奧·克倫 （Mario Krenn）是來自加拿大多倫多大學的物理學家，他致力於研究將人工智能用於科學發現，他形容説，研究組的算法再現了“科學史上最關鍵的範式轉變之一”。

雷納強調説，儘管算法給出了一些包含着“日心説”理論的公式，但仍然需要人來解釋它們，以理解這些公式藴含的規律。

紐約哥倫比亞大學的機器人專家霍德·利普森（Hod Lipson）評論説，這項工作的重要性在於算法提煉出了描述一個物理系統的關鍵參數。“我認為這種技術有助於我們理解物理學或其他領域中的複雜現象。”他説。

雷納團隊希望能發展基於機器學習的技術，幫助物理學家們解決量子力學中表觀上的矛盾之處。“我們現在闡述量子力學的方式可能只是歷史上由於人為的因素導致的效果，”Renner説。不過，他們現有的算法還遠遠無法達成這樣複雜的目標。接下來，研究團隊希望能設計出一種神經網絡，它不僅能從數據中進行學習，還能提出檢測假説的新方法。

『天文時刻』 牧夫出品

微信公眾號：astronomycn

NGC 3572和南部蝌蚪

Image Copyright: Josep Drudis