據國外媒體報道，一項最新研究顯示，強大的人工智能（AI）系統之所以運作得如此順利，也許是因為它們的構造利用了宇宙的基本法則。

這項新發(fā)現也許能幫助我們解決一項由來(lái)已久的、與采用了深度學(xué)習策略的人工智能有關(guān)的謎題。這些深度學(xué)習（又稱(chēng)深度神經(jīng)網(wǎng)絡(luò )）程序是一種多層算法，計算由低層向高層進(jìn)行。深度神經(jīng)網(wǎng)絡(luò )在解決復雜的問(wèn)題時(shí)往往具有驚人的表現，如下圍棋、給貓咪的照片分類(lèi)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）認為，這可能是因為它們利用了物理世界中的一些特殊性質(zhì)。

泰格馬克指出，物理法則把人工智能擅長(cháng)解決的問(wèn)題稱(chēng)作“一類(lèi)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

去年，人工智能完成了一項很多人認為不可能成功的任務(wù)：谷歌的深度學(xué)習人工智能系統DeepMind打敗了世界上最厲害的圍棋玩家。這使全世界為之震驚，因為圍棋所有可能的走法種類(lèi)甚至超過(guò)了宇宙中原子數量的總和，之前的下圍棋機器人只能達到普通人類(lèi)棋手的水準。

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)有訓練它學(xué)習經(jīng)典的圍棋走法。它只是“觀(guān)看”了數百萬(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(zhù)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，有點(diǎn)像大腦中的神經(jīng)元之間的存在聯(lián)系，來(lái)自低層級的數據會(huì )流入更高層的神經(jīng)元中，在各個(gè)層級上進(jìn)行多次重復。與之類(lèi)似，神經(jīng)網(wǎng)絡(luò )中的深層級會(huì )做一些計算，計算結果隨后進(jìn)入程序中更高的層級，以此類(lèi)推。

魔法鑰匙還是魔法鎖？

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

“假設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(chēng)，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)，是因為真實(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算的問(wèn)題，如圍棋等，并且只需比預期少得多的計算次數，就能找到解決方案。

研究發(fā)現，神經(jīng)網(wǎng)絡(luò )的計算過(guò)程之所以能大大簡(jiǎn)化，還要歸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、再到狹義相對論，主宰著(zhù)這些物理法則的等式其實(shí)只是簡(jiǎn)單的數學(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，對近處的物體比對遠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(chēng)高斯分布，即那條經(jīng)典的“鐘形曲線(xiàn)”。

最后，對稱(chēng)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(zhù)，神經(jīng)網(wǎng)絡(luò )面臨的問(wèn)題其實(shí)只是一些特殊的數學(xué)問(wèn)題而已，可以被大大簡(jiǎn)化。

“你可以看看我們在實(shí)際中遇到的數據組，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(zhù)神經(jīng)網(wǎng)絡(luò )去攻克，比如在網(wǎng)絡(luò )上保護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(lèi)一樣遭遇失敗，找不到任何規律?！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(xiàn)所需的等式則極為復雜，描述氣體分子運動(dòng)的等式則要簡(jiǎn)單一些。目前我們還不清楚深度學(xué)習能否像描述氣體分子的運動(dòng)規律一樣，描述出復雜的蜜蜂飛行路線(xiàn)。

“問(wèn)題的關(guān)鍵是，在‘新興’的物理法則當中，有些相當簡(jiǎn)單，有些則頗為復雜。因此，要想詳細解答為何深度學(xué)習表現得如此出色，我們還有許多工作要做，”林說(shuō)道，“我認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。