AI版哥白尼 推導“日心説”so easy_風聞

人類對天體的觀測已經有了上千年的歷史。公元2世紀時，古希臘天文學家托勒密提出“地心説”來解釋他的天文觀測數據，但直到16世紀初，哥白尼提出“日心説”，才顛覆了一千多年來的傳統，再加上後面開普勒、伽利略、牛頓等人的完善，人類對天體運行的規律逐漸有了比較清楚的認識。那麼如果讓人工智能（以下簡稱AI）進行研究，它需要花多久呢？答案是隻需要在一台筆記本電腦上運行幾個小時便可得出。

圖1. 我們的太陽系 Credit: NASA/JPL/SPL

會做科研的AI

蘇黎世瑞士聯邦理工學院(ETH)的物理學家雷納託·雷納（Renato

Renner）和他的合作者設計了一種新型的神經網絡可以將大量的數據集提煉成幾個基本的公式，就像牛頓提出簡潔的萬有引力定律來描述天體運行軌道一樣。所謂神經網絡是一種模仿大腦的神經元結構而建立的機器學習系統，從而讓計算機也能像人一樣具有學習、鑑別和預測的能力。

傳統的神經網絡通過對大量數據集的訓練來學習識別物體，如圖像或聲音。例如，“四條腿”、“尖尖的耳朵”和“鬍鬚”等特徵可能被AI識別是貓。然後，它們將這些特徵編碼到網絡的“節點”（好比人腦的神經元）中。但是神經網絡並沒有像物理學家那樣，將這些信息提煉成易於解釋的規則，它像一個黑匣子，你並不能直接看清這些規律到底是什麼。

因此，雷納的團隊設計了一種好比“腦葉切除”的神經網絡:它由兩個通過少量的節點相互連接的子網絡組成。第一個子網將從數據中學習和訓練，第二個子網將使用這種“經驗”來做測試和新的預測。由於連接雙方的鏈路很少，第一個網絡被迫以壓縮的格式向另一個網絡傳遞信息，就像導師需要把他們學到的知識傳授給學生。

圖2. 雷納團隊設計的新神經網絡的結構。所謂的“表示”可以理解為總結出來的公式，“潛”意味着它隱藏在神經網絡內。

他們對該神經網絡所做的一個測試是向該網絡提供從地球上看到的火星和太陽在天空中運動的模擬數據，然後它得出了哥白尼式的火星軌道公式。除此之外，它還被應用於二體碰撞、單擺、量子系統等的求解，有望被用於解決複雜的科學問題。

哥倫比亞大學的機器人專家霍德.李普森(Hod Lipson)説：“這項工作很重要，因為它能夠找出描述物理系統的關鍵參數。”他認為這些技術是我們理解並跟上日益複雜的物理和其他領域裏現象的唯一希望。

AI是把雙刃劍

正如機器將人類從繁重的體力勞動中解放出來，AI將人類從複雜的腦力勞動中解放出來。AI可以面對更海量的數據、以更高的效率、解決更復雜的問題，幫助我們更迅速地修築起人類科學的參天大廈，這是人類僅憑一己之力所遠遠不能企及的。

不過，譬如AlphaGo下贏了人類頂尖的棋手後，從此人間不再有棋王。有人也可能會擔心，機器人會讓無數從事簡單機械勞動的“白丁”失業流浪，AI會不會也令滿腹經綸的學者、科學家們也黯然神傷呢？如此到處“稱王稱霸”的AI，會不會反過來傷害或征服人類呢？

但也有不同的聲音表示，AI雖然在某些方面有一技之長，但終究是人類發明出來的，是人類智慧的延伸和拓展，不可能完全取代人類。雷納也強調，雖然該AI推導出了這些公式，但依然需要人來解釋它所得到的公式，並理解公式背後的物理含義。

AI也許會從大量實驗和海量數據中擬合抽取規律，達成對自然規律的無限逼近，但卻很難如人類一般從第一性原理得到簡潔優美的方程式。比如，從水星近日點的進動數據，AI很可能會發現真實引力相對於牛頓萬有引力定律的偏離，但絕不可能直接得到愛因斯坦的廣義相對論和場方程。由少量方程式構建的現代科學的美感也許在AI的機器語言中將會蕩然無存。

相信未來的AI完全能夠發揮所長，在大量的實驗和觀測數據中發現潛在規律，成為人類探索未知、揭示宇宙奧秘的強大助手。這正是：

人工智能多才俊，

不懼繁複拓新篇。

雙子網絡泄天機，

世上從此少疑難。

大家是怎麼看的呢？

歡迎留言~

感謝中國科學院大學曲一至教授的有益討論。

附註：

1.該神經網絡為用簡潔的“公式”來解釋觀測數據，它壓縮信息得到的表示r(t)實為地球和火星的日心角的線性組合（詳見參考文獻[1]原文），可以認為AI已經知道用“日心説”的觀點來解釋觀測數據。由此可見，AI由於沒有人類長期的堅持“地心説”的偏見，更容易找到問題正確的答案；另一方面，AI能迅速分析大量數據並在短時間找出其中規律的這一優勢，是人類難以望其項背的。

2.該神經網絡源代碼在GitHub網站上可以獲取（見下），可以下載到自己的電腦玩一玩哦~https://github.com/eth-nn-physics/nn_physical_concepts

參考文獻

[1] Iten, R., Metger, T., Wilming, H., Rio, L. D., & Renner, R. (2018). Discovering physical concepts with neural networks. arXiv:1807.10300

[2] Davide Castelvecchi. (2019). AI Copernicus ‘discovers’ that Earth orbits the Sun

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