据国外媒体报道，新浪科技新闻 北京时间10月27日，一项最新研究显示，强大的人工智能(AI)系统运行如此顺利的原因可能是它们的结构使用了宇宙的基本规律。这一新发现可能会帮助我们解决一个与深度学习策略相关的长期人工智能问题。这些深度学习（也被称为深度神经网络）程序是一种从低到高的多层算法。深度神经网络通常在解决复杂的问题时表现出惊人的表现，如围棋、猫的照片分类等，但没有人知道为什么。
马克斯是麻省理工学院的物理学家，也是本研究的共同作者之一·泰格马克(Max Tegmark)我认为这可能是因为它们利用了物理世界中的一些特殊性。泰格马克指出，物理法则称人工智能擅长解决的问题为一个非常特殊的问题。物理问题的一小部分实际上类似于神经网络可以解决的一小部分。
深度学习
去年，人工智能完成了许多人认为不可能成功的任务：谷歌对人工智能系统的深入研究DeepMind击败了世界上最强大的围棋玩家。这震惊了世界，因为所有可能的围棋类型甚至超过了宇宙中原子数量的总和，以前的围棋机器人只能达到普通人类棋手的水平。
但比DeepMind与成就相比，它完成任务的方式更令人震惊。为什么神经网络如此出色，这让我们感到困惑。哈佛大学的一名物理学家亨利是该研究的共同作者·林(Henry Lin)不管我们把问题扔给他们，他们基本上都能解决。
比如从来没有人教过DeepMind如何玩围棋并没有训练它学习经典的围棋方法。它只是观看了数百万场围棋比赛，然后和自己或其他球员一起玩了很多次围棋。泰格马克指出，像新生儿一样，这些深度学习算法一开始是无知的，但总是击败其他人工智能，它们提前掌握了游戏规则的一部分。
此外，泰格马克指出，还有一个问题让科学家感到困惑：为什么深度网络比所谓的浅层网络要好得多。深度网络包含多个层次，有点像大脑中神经元之间的联系。来自低层次的数据将流入更高层次的神经元，并在每个层次上重复多次。类似地，神经网络中的深层次将进行一些计算，然后进入程序中的更高层次，以此类推。
魔钥还是魔锁？
为了找出为什么这个过程能成功运行，泰格马克和林决定从另一个角度来看待这个问题。假设有人给了你一把钥匙，每把锁似乎都可以用它来打开。你可能会认为这把钥匙有某种魔力。但还有另一种可能性：魔法实际上是一把锁。在神经网络的情况下，我认为这两种解释都意义的。林说。泰格马克说，一种可能性是，现实世界问题有一些特殊的性质，因为现实世界本身就非常特殊。
以神经网络中最大的未解之谜之一为例：这些网络总是可以解决一些需要繁琐计算的问题，如围棋，只需要比预期少得多的计算次数就可以找到解决方案。研究发现，神经网络的计算过程可以大大简化，但也要归功于宇宙中的几个特殊性质。泰格马克指出，第一个问题是，从量子力学到引力，再到狭义相对论，主导这些物理的等式实际上只是一个简单的数学问题。
泰格马克还指出，宇宙中的物体受到光速的限制，对近物体的影响大于远物体。此外，宇宙中的许多物体也遵循正态分布，也被称为高斯分布，即经典的钟曲线。最后，对称性融入了物理学的各个方面。如叶子上的上下文、人类的手臂、眼睛和耳朵等。在宇宙尺度上，如果有人移动了一个光年的距离，或者等待一年，物理规则是相同的。
更难解决的问题
宇宙的这些特殊性意味着神经网络所面临的问题实际上只是一些特殊的数学问题，可以大大简化。你可以看到我们在实践中遇到的数据组，它们实际上比你可能想象的最糟糕的情况要简单得多。泰格马克说。
声明：本文内容采编自互联网，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请点击举报，一经查实，本站将立刻删除。
