據(jù)國(guó)外媒體報(bào)道，一項(xiàng)最新研究顯示，強(qiáng)大的人工智能（AI）系統(tǒng)之所以運(yùn)作得如此順利，也許是因?yàn)樗鼈兊臉?gòu)造利用了宇宙的基本法則。

這項(xiàng)新發(fā)現(xiàn)也許能幫助我們解決一項(xiàng)由來(lái)已久的、與采用了深度學(xué)習(xí)策略的人工智能有關(guān)的謎題。這些深度學(xué)習(xí)（又稱深度神經(jīng)網(wǎng)絡(luò)）程序是一種多層算法，計(jì)算由低層向高層進(jìn)行。深度神經(jīng)網(wǎng)絡(luò)在解決復(fù)雜的問(wèn)題時(shí)往往具有驚人的表現(xiàn)，如下圍棋、給貓咪的照片分類等，但目前還沒(méi)人知道為什么會(huì)這樣。

而麻省理工學(xué)院的一名物理學(xué)家、此次研究的共同作者之一馬克斯·泰格馬克（Max Tegmark）認(rèn)為，這可能是因?yàn)樗鼈兝昧宋锢硎澜缰械囊恍┨厥庑再|(zhì)。

泰格馬克指出，物理法則把人工智能擅長(zhǎng)解決的問(wèn)題稱作“一類非常特殊的問(wèn)題”?！拔锢韺W(xué)讓我們關(guān)心的一小部分問(wèn)題和神經(jīng)網(wǎng)絡(luò)可以解決的一小部分問(wèn)題實(shí)際上是差不多的?！?/p>

深度學(xué)習(xí)

去年，人工智能完成了一項(xiàng)很多人認(rèn)為不可能成功的任務(wù)：谷歌的深度學(xué)習(xí)人工智能系統(tǒng)DeepMind打敗了世界上最厲害的圍棋玩家。這使全世界為之震驚，因?yàn)閲逅锌赡艿淖叻ǚN類甚至超過(guò)了宇宙中原子數(shù)量的總和，之前的下圍棋機(jī)器人只能達(dá)到普通人類棋手的水準(zhǔn)。

但比DeepMind取得的成就相比，它完成此次任務(wù)的方式更加令人震驚。

“神經(jīng)網(wǎng)絡(luò)究竟為什么運(yùn)作得這么出色，這令我們困惑不已?！痹撗芯康墓餐髡?、哈佛大學(xué)的一名物理學(xué)家亨利·林（Henry Lin）表示，“無(wú)論我們向它們拋出什么問(wèn)題，它們基本都能解決?！?/p>

例如，從來(lái)沒(méi)有人教過(guò)DeepMind如何下圍棋，也沒(méi)有訓(xùn)練它學(xué)習(xí)經(jīng)典的圍棋走法。它只是“觀看”了數(shù)百萬(wàn)次圍棋比賽，然后又和自己或其它選手下了很多次圍棋而已。

泰格馬克指出，就像新生兒一樣，這些深度學(xué)習(xí)算法一開(kāi)始時(shí)都是“毫無(wú)頭緒”的，但又總能打敗其它提前掌握了一部分比賽規(guī)則的人工智能。

此外，泰格馬克指出，還有一個(gè)問(wèn)題一直讓科學(xué)家摸不著頭腦：為什么深度網(wǎng)絡(luò)比所謂的淺層網(wǎng)絡(luò)出色這么多。深度網(wǎng)絡(luò)包含很多層級(jí)，有點(diǎn)像大腦中的神經(jīng)元之間的存在聯(lián)系，來(lái)自低層級(jí)的數(shù)據(jù)會(huì)流入更高層的神經(jīng)元中，在各個(gè)層級(jí)上進(jìn)行多次重復(fù)。與之類似，神經(jīng)網(wǎng)絡(luò)中的深層級(jí)會(huì)做一些計(jì)算，計(jì)算結(jié)果隨后進(jìn)入程序中更高的層級(jí)，以此類推。

魔法鑰匙還是魔法鎖？

為了弄清這一過(guò)程為什么能成功運(yùn)作，泰格馬克和林決定換個(gè)角度看問(wèn)題。

“假設(shè)有人給了你一把鑰匙，每一把鎖似乎都能用它打開(kāi)。你可能會(huì)認(rèn)為這把鑰匙具有某種魔力。但還有一種可能性：有魔力的其實(shí)是鎖。在神經(jīng)網(wǎng)絡(luò)這個(gè)案例上，我覺(jué)得這兩種解釋都說(shuō)得通?！绷终f(shuō)道。

泰格馬克稱，一種可能性是，“真實(shí)世界”的問(wèn)題之所以具有某些特殊的性質(zhì)，是因?yàn)檎鎸?shí)的世界本身就很特殊。

就拿神經(jīng)網(wǎng)絡(luò)中最大的未解之謎之一來(lái)說(shuō)：這些網(wǎng)絡(luò)總能解決一些需要繁瑣計(jì)算的問(wèn)題，如圍棋等，并且只需比預(yù)期少得多的計(jì)算次數(shù)，就能找到解決方案。

研究發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)的計(jì)算過(guò)程之所以能大大簡(jiǎn)化，還要?dú)w功于宇宙中的幾條特殊性質(zhì)。泰格馬克指出，其中第一條就是，從量子力學(xué)到引力、再到狹義相對(duì)論，主宰著這些物理法則的等式其實(shí)只是簡(jiǎn)單的數(shù)學(xué)問(wèn)題而已。

泰格馬克還指出，宇宙中的物體受到光速限制，對(duì)近處的物體比對(duì)遠(yuǎn)處的物體造成的影響更大。

此外，宇宙中有很多物體還遵循了正態(tài)分布，又稱高斯分布，即那條經(jīng)典的“鐘形曲線”。

最后，對(duì)稱性可謂融入了物理學(xué)的方方面面。如葉片上的脈絡(luò)、人的雙臂、雙眼和耳朵等。而換到宇宙尺度上，如果有人移動(dòng)了一光年的距離，或者等上一年時(shí)間，物理法則都是相同的。

更難解決的問(wèn)題

宇宙的這些特殊性質(zhì)意味著，神經(jīng)網(wǎng)絡(luò)面臨的問(wèn)題其實(shí)只是一些特殊的數(shù)學(xué)問(wèn)題而已，可以被大大簡(jiǎn)化。

“你可以看看我們?cè)趯?shí)際中遇到的數(shù)據(jù)組，它們其實(shí)比你可能想象到的最壞情況要簡(jiǎn)單得多?！碧└耨R克說(shuō)道。

還有些更困難的問(wèn)題等著神經(jīng)網(wǎng)絡(luò)去攻克，比如在網(wǎng)絡(luò)上保護(hù)信息所需的加密方案等，這些加密方式可能就像普通的噪音一樣毫無(wú)規(guī)律可言。

“如果你把這些信息加到神經(jīng)網(wǎng)絡(luò)里，它肯定會(huì)像人類一樣遭遇失敗，找不到任何規(guī)律?！碧└耨R克說(shuō)道。

自然界中的亞原子法則非常簡(jiǎn)單，而描述一只蜜蜂飛行的路線所需的等式則極為復(fù)雜，描述氣體分子運(yùn)動(dòng)的等式則要簡(jiǎn)單一些。目前我們還不清楚深度學(xué)習(xí)能否像描述氣體分子的運(yùn)動(dòng)規(guī)律一樣，描述出復(fù)雜的蜜蜂飛行路線。

“問(wèn)題的關(guān)鍵是，在‘新興’的物理法則當(dāng)中，有些相當(dāng)簡(jiǎn)單，有些則頗為復(fù)雜。因此，要想詳細(xì)解答為何深度學(xué)習(xí)表現(xiàn)得如此出色，我們還有許多工作要做，”林說(shuō)道，“我認(rèn)為這篇論文提出的問(wèn)題比解答的問(wèn)題多得多！”

人工智能概念股：埃斯頓、科大智能、漢王科技、江南化工、華東數(shù)控、和而泰、中科曙光、永創(chuàng)智能、北京君正、通富微電、永創(chuàng)智能、勁拓股份。