人工智能强大能力背后的可怕谜团：利用宇宙基本法则真相究竟是什么？

人工智能AI系统之所以运作得如此顺利，也许是因为它们的构造利用了宇宙的基本法则。/pp pP Microsoft Yahei', Simsun; WHITE-SPACE: normal; LETTER-SPACING: normal; COLOR: rgb0,0,0; WORD-SPACING: 0px; PADDING-TOP: 0px; -webkit-text-stroke-width: 0px">　　这项新发现也许能帮助我们解决一项由来已久的、与采纳了深度学习策略的人工智能有关的谜题。

这些深度学习又称深度神经网络程序是一种多层算法，计算由低层向高层进行。

深度神经网络在解决复杂的问题时往往具有惊人的表现，如下围棋、给猫咪的照片分类等，但目前还没人知道为什么会这样。

利用了物理世界中的一些特殊性质。/pp pP Microsoft Yahei', Simsun; WHITE-SPACE: normal; LETTER-SPACING: normal; COLOR: rgb0,0,0; WORD-SPACING: 0px; PADDING-TOP: 0px; -webkit-text-stroke-width: 0px"　　泰格马克指出，物理法则把人工智能擅长解决的问题称作“一类非常特殊的问题”。/pp “物理学让我们关心的一小部分问题和神经网络可以解决的一小部分问题实际上是差不多的。/pp ”pP Microsoft Yahei', Simsun; WHITE-SPACE: normal; LETTER-SPACING: normal; COLOR: rgb0,0,0; WORD-SPACING: 0px; PADDING-TOP: 0px; -webkit-text-stroke-width: 0px">　　深度学习

　　“神经网络究竟为什么运作得这么出色，这令我们困惑不已。

”该研究的共同作者、哈佛大学的一名物理学家亨利·林Henry Lin表示，“无论我们向它们抛出什么问题，它们基本都能解决。

”

　　此外，泰格马克指出，还有一个问题一直让科学家摸不着头脑：为什么深度网络比所谓的浅层网络出色这么多。

深度网络包含很多层级，有点像大脑中的神经元之间的存在联系，来自低层级的数据会流入更高层的神经元中，在各个层级上进行多次重复。

与之类似，神经网络中的深层级会做一些计算，计算结果随后进入程序中更高的层级，以此类推。

　　“假设有人给了你一把钥匙，98迷科，每一把锁似乎都能用它打开。

你可能会认为这把钥匙具有某种魔力。

但还有一种可能性：有魔力的本来是锁。

在神经网络这个案例上，我觉得这两种解释都说得通。

”林说道。

　　研究发现，神经网络的计算过程之所以能大大简化，还要归功于宇宙中的几条特殊性质。

泰格马克指出，其中第一条就是，从量子力学到引力、再到狭义相对论，主宰着这些物理法则的等式本来只是简单的数学问题而已。

　　最后，对称性可谓融入了物理学的方方面面。

如叶片上的脉络、人的双臂、双眼和耳朵等。

而换到宇宙尺度上，如果有人移动了一光年的距离，或者等上一年时间，物理法则都是相同的。

　　“你可以看看我们在实际中遇到的数据组，它们本来比你可能想象到的最坏情况要简单得多。

”泰格马克说道。

　　自然界中的亚原子法则非常简单，而描述一只蜜蜂飞行的路线所需的等式则极为复杂，描述气体分子运动的等式则要简单一些。

目前我们还不清楚深度学习能否像描述气体分子的运动规律一样，描述出复杂的蜜蜂飞行路线。