将宇宙当作神经网络能解决量子引力问题吗

现代物理学出现了一个停滞的局面,几十年来,我们没有任何新的物理理论突破,难道我们需要一种全新的方法去理解宇宙吗?美国明尼苏达大学物理学教授Vitalie-Vancury说,如果我们把这个世界当成一个正在学习的神经网络,我们就能更好地理解量子引力,量子计算,以及人类意识。据了解,万库瑞从事宇宙学、量子引力和机器学习研究多年。

二十世纪的物理学家值得称道,他们做出了两项突破性的发现:量子力学和广义相对论。在经典物理和统计物理的帮助下,物理学家有了良好的开端,并在诸如宇宙学等领域取得了惊人的进展。有谁能想到,科学家们可以用量子力学来描述宇宙在大爆炸之前的膨胀过程,然后再用广义相对论的规则来研究大爆炸之后的宇宙状态?但是,如果你做得对(感谢阿列克谢·斯塔罗宾斯基、艾伦・古斯和其他人),就会得到非常具体的预测,这些预测首先得到宇宙背景探索者的确认,然后得到普朗克实验的确认,但这一辉煌时期已经结束了。许多研究者认为,我们需要一个新的理论框架来统合20世纪的重大发现,不管它是基于弦理论、量子信息还是神经网络,我们仍然不知道是什么推动了宇宙的膨胀,或者是什么推动了暗能量或暗物质,而这一理论框架显然漏掉了一些重要因素。

不管是基于弦理论,量子信息,还是基于神经网络,新的理论框架都将带来革命性的变化。

目前我们能做些什么来加快这一革命性的发现吗?目前,如果长期陷入“局部极小值”,我们就应该把注意力集中在任何人工神经网络或任何学习系统上,只要在科研领域中增加“步长”,就不可能取得进步,而增加“步长”则意味着科研领域范围的扩大。这种情况在一定程度上已经发生了,一些物理学家正在引入新的数学概念,将物理的各个领域联系起来,并扩展跨学科合作,但是这种情况还没有在所有层次上发生。多数科学家不愿在自己的“安乐窝”之外做研究,原因很简单,那就是增加工作量,减少认同,这才是真正的问题所在,对个体研究者有利的策略和对整个文明有利的策略是对立的。

为了增加“步长”并找到一条走出“局部极小值”的途径,我们采用了一种非常大胆的观点,即整个宇宙都是一种以神经网络为基础的宇宙版的神经网络,其目的与其他神经网络一样,就是学习训练数据集,或者换句话说,理解其环境。这个问题很小,但是更重要的是,它表明,为了学习有效,必须在所有的尺度上——从亚原子到宇宙学。为证实这一假设,科学家们首先发展出一种学习热力学(包括平衡和非平衡学理论)的方法,然后将它应用到很广范围内来描述自然现象(包括量子物理和经典物理)。

最近,一篇名为《神经网络世界》的论文指出,我们周围所观察到的量子、经典和引力效应,也许不是根本的,而是宇宙神经网络学习过程中的突发行为,如果这是对的,就会告诉我们大自然是如何运作的。

这个观点也可以被看作是试图协调量子力学和广义相对论——“量子引力问题”——换句话说,神经网络可能是量子力学和广义相对论统一过程中缺失的一个环节,宇宙神经网络在最小尺度上处于平衡状态,这在量子力学中得到了很好的描述,但是在最大尺度上,神经网络仍然与平衡状态相距甚远,广义相对论能够更好地描述平衡状态。另外,神经网络模型可以揭示观察者的问题,量子力学中的测量问题,宇宙学中的测量问题,但是要做到这一点,我们必须先对宏观观测有更好的了解,或者还要有意识地了解,在这方面,生物学家的观点也许是绝对必要和有用的。

神经网络可能是量子力学与广义相对论统一过程中缺失的一环。

是不是说神经网络将为21世纪的科学研究提供一个完善的理论框架?虽然得出结论还为时尚早,但令人鼓舞的是,越来越多的物理学家、生物学家和计算机科学家正在认真考虑这种可能性,例如:最初,我们不清楚薛定谔方程何时能够正确描述平衡状态下的学习动力学,但后来,我们证明,当神经元数目改变时,这种情况就会发生。它还为制造人造量子计算机,也就是让人工神经网络在能进行量子计算的计算机上运行,开启了大门,而这正是我们现在和机器学习专家讨论的问题。

将神经网络应用于机器学习的想法最初源于生物学,但如果说宇宙是一种神经网络,我们就可以用机器学习来展开研究和探索,例如:生物进化分析,生物学家正在研究类似的理论,而这些理论现在似乎很有前途。

把宇宙看作神经网络的学习系统,只是一个漫长而又令人兴奋的探索旅程的开始。

原创文章,作者:qw78,如若转载,请注明出处:http://www.xingqiumm.com/126.html

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注