神譯局是36氪旗下編譯團(tuán)隊(duì)，關(guān)注科技、商業(yè)、職場(chǎng)、生活等領(lǐng)域，重點(diǎn)介紹國(guó)外的新技術(shù)、新觀點(diǎn)、新風(fēng)向。

編者按：萬(wàn)物理論「Theory of Everything」是囊括人類(lèi)對(duì)自然運(yùn)轉(zhuǎn)的所有認(rèn)知的理論，即一切物理定律的統(tǒng)一?；艚鸨硎?，“萬(wàn)物理論”可能是可以實(shí)現(xiàn)的，但它的最后實(shí)現(xiàn)可能要靠計(jì)算機(jī)來(lái)完成。本文譯自New York Times，作者Dennis Overbye，原標(biāo)題為"Can a Computer Devise a Theory of Everything?"，希望對(duì)您有所啟發(fā)。

曾經(jīng)，阿爾伯特·愛(ài)因斯坦把科學(xué)理論描述為“人類(lèi)思想的自由發(fā)明”。但在1980年，著名的劍橋大學(xué)宇宙學(xué)家斯蒂芬·霍金有另一種想法。在那年的一次演講中，他提出，所謂的“萬(wàn)物理論”可能是可以實(shí)現(xiàn)的，但它的最后實(shí)現(xiàn)可能要靠計(jì)算機(jī)來(lái)完成。

萬(wàn)物理論還沒(méi)有出現(xiàn)，但計(jì)算機(jī)已經(jīng)開(kāi)始接管生活中的一些許多瑣事了，比如翻譯語(yǔ)言、識(shí)別人臉、駕駛汽車(chē)、推薦約會(huì)對(duì)象等等。這樣看來(lái)，想象它們接管世界上的一切也就不那么瘋狂了。

圖片來(lái)源：Alex Eben Meyer/《紐約時(shí)報(bào)》

像DeepMind的“AlphaGo”這樣的計(jì)算機(jī)程序，不斷發(fā)現(xiàn)在圍棋和國(guó)際象棋等游戲中擊敗人類(lèi)的新方法，而這些游戲已經(jīng)被人類(lèi)研究了幾個(gè)世紀(jì)。為什么這些了不起的學(xué)習(xí)機(jī)器，就不能釋放出由大型強(qiáng)子對(duì)撞機(jī)編譯的千萬(wàn)億字節(jié)級(jí)別數(shù)據(jù)，分辨出一組新的基本粒子，或是發(fā)現(xiàn)太陽(yáng)系外另一個(gè)星系的蟲(chóng)洞，就像電影《星際穿越》里的那個(gè)星系呢？

至少這是可以想象的。如果不這么想，就會(huì)陷入物理學(xué)家馬克斯·泰格馬克(Max Tegmark)所說(shuō)的“碳沙文主義”。11月，泰格馬克擔(dān)任教授的麻省理工學(xué)院(Massachusetts Institute of Technology)兌現(xiàn)了美國(guó)國(guó)家科學(xué)基金會(huì)(National Science Foundation)的一張支票，并開(kāi)啟了人工智能與基礎(chǔ)交互作用研究所(Institute for Artificial Intelligence and Fundamental Interactions)的大門(mén)。

該研究所是該基金會(huì)和美國(guó)農(nóng)業(yè)部建立的七個(gè)研究所之一，作為全國(guó)范圍內(nèi)推動(dòng)人工智能工作的一部分。每個(gè)所在五年內(nèi)會(huì)獲得2000萬(wàn)美元的資助。

這個(gè)位于麻省理工學(xué)院的研究所由粒子物理學(xué)家杰西·塞勒(Jesse Thaler)領(lǐng)導(dǎo)，是唯一一個(gè)專(zhuān)門(mén)從事物理學(xué)研究的研究所。它包括來(lái)自物理各個(gè)領(lǐng)域的20多位科學(xué)家，他們來(lái)自麻省理工學(xué)院、哈佛大學(xué)、東北大學(xué)和塔夫茨大學(xué)。

塞勒在一次Zoom電話會(huì)議上表示：“我希望創(chuàng)建一個(gè)平臺(tái)，讓來(lái)自不同物理領(lǐng)域的研究人員，以及計(jì)算機(jī)科學(xué)、機(jī)器學(xué)習(xí)或人工智能領(lǐng)域的研究人員可以聚集在一起，進(jìn)行對(duì)話，互相傳授知識(shí)。最終，我希望能制造出像物理學(xué)家一樣思考的機(jī)器?！?/p>

重新發(fā)現(xiàn)基本定律

他們?cè)谶@方面的工具是神經(jīng)網(wǎng)絡(luò)。不同于所謂的專(zhuān)家系統(tǒng)，如IBM的沃森，它承載著人類(lèi)和科學(xué)知識(shí)，神經(jīng)網(wǎng)絡(luò)被設(shè)計(jì)成就像人類(lèi)的大腦一樣。通過(guò)分析大量數(shù)據(jù)以尋找隱藏的模式，它們能很快就學(xué)會(huì)如何區(qū)分狗和貓、識(shí)別人臉、復(fù)制人類(lèi)語(yǔ)言、識(shí)別財(cái)務(wù)不當(dāng)行為等等。

泰格馬克說(shuō):“我們希望能發(fā)現(xiàn)各種新的物理定律。我們已經(jīng)證明，它可以重新發(fā)現(xiàn)物理定律。”

去年，泰格馬克博士和一名學(xué)生西爾維烏-瑪麗安烏德雷斯庫(kù)從一本著名教科書(shū)（理查德·費(fèi)曼、羅伯特·萊頓和馬修·桑茲的《費(fèi)曼物理學(xué)講義》）中提取了100個(gè)物理方程，并利用它們生成數(shù)據(jù)，然后將這些數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)，系統(tǒng)通過(guò)篩選數(shù)據(jù)以尋找規(guī)律。

“就像人類(lèi)科學(xué)家一樣，它會(huì)依次嘗試許多不同的策略，”研究人員在去年發(fā)表在《科學(xué)進(jìn)展》(Science Advances)上的一篇論文中寫(xiě)道?！叭绻荒芤幌伦咏鉀Q全部問(wèn)題，就會(huì)嘗試將問(wèn)題轉(zhuǎn)化成可以單獨(dú)解決的更簡(jiǎn)單的部分，遞歸地在每個(gè)部分上重新啟動(dòng)完整的算法。”

在另一項(xiàng)更具挑戰(zhàn)性的實(shí)驗(yàn)中，泰格馬克和他的同事向網(wǎng)絡(luò)展示了一段火箭四處飛行的視頻，并要求它預(yù)測(cè)從一幀到下一幀會(huì)發(fā)生什么，而別管背景里的棕櫚樹(shù)。最終，計(jì)算機(jī)能夠發(fā)現(xiàn)基本的運(yùn)動(dòng)方程。

泰格馬克說(shuō)，在歐洲核子研究中心的大型強(qiáng)子對(duì)撞機(jī)這樣的地方找到新粒子將是輕而易舉的事。人工智能喜歡大數(shù)據(jù)，對(duì)撞機(jī)的數(shù)據(jù)每秒可達(dá)數(shù)千兆字節(jié)。自2012年發(fā)現(xiàn)希格斯玻色子以來(lái)，盡管多年來(lái)人們對(duì)數(shù)據(jù)流中的每一個(gè)波峰都進(jìn)行了瘋狂的檢查，但歐洲核子研究中心的數(shù)據(jù)中就沒(méi)有出現(xiàn)過(guò)一種新粒子。

“這些都是人類(lèi)關(guān)注的曲線，”泰格馬克說(shuō)?！霸谖磥?lái)10年里，對(duì)于研究物理，機(jī)器學(xué)習(xí)的重要性將不亞于掌握數(shù)學(xué)?！?/p>

他承認(rèn)，目前該算法用遞歸的方法解決問(wèn)題所能達(dá)到的效果有限。雖然這臺(tái)機(jī)器可以從一大堆數(shù)據(jù)中檢索出物理學(xué)的基本定律，但它還不能得出這些公式背后的深層原理，比如量子力學(xué)中的量子不確定性或相對(duì)論。

泰格馬克說(shuō):“等到人工智能回來(lái)告訴你這一點(diǎn)的時(shí)候，我們就已經(jīng)達(dá)到了人工智能的一般水平，對(duì)此你應(yīng)該會(huì)感到非常害怕或非常興奮。老實(shí)說(shuō)，我研究這個(gè)的原因是：我發(fā)現(xiàn)最危險(xiǎn)的是，如果我們構(gòu)建了超級(jí)強(qiáng)大的人工智能，卻不知道它是如何工作的，這才可怕?！?/p>

“人與機(jī)器的對(duì)話”

塞勒是麻省理工學(xué)院新研究所的負(fù)責(zé)人，他說(shuō)，他曾經(jīng)對(duì)人工智能持懷疑態(tài)度，但現(xiàn)在成了一名支持者。他意識(shí)到，作為一名物理學(xué)家，他可以把自己的一些知識(shí)編碼到機(jī)器中，然后機(jī)器就會(huì)給出他更容易解釋的答案。

他說(shuō)，“這將成為人類(lèi)和機(jī)器之間的一種對(duì)話，它將變得更加令人興奮，而不僅僅是一個(gè)為你做決定而你不理解的黑盒子?！?/p>

他還說(shuō)，“我并不是特別喜歡稱(chēng)這些技術(shù)為‘人工智能’，因?yàn)檫@種說(shuō)法掩蓋了一個(gè)事實(shí)，即許多人工智能技術(shù)都有數(shù)學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)的嚴(yán)格基礎(chǔ)?！?/p>

最近，塞勒和他的同事在神經(jīng)網(wǎng)絡(luò)中輸入了來(lái)自大型強(qiáng)子對(duì)撞機(jī)(Large Hadron Collider)的大量數(shù)據(jù)，該對(duì)撞機(jī)通過(guò)對(duì)撞質(zhì)子來(lái)尋找新的粒子和力。質(zhì)子是構(gòu)成原子物質(zhì)的基石，本身就是由稱(chēng)為夸克和膠子的更小粒子組成的。當(dāng)質(zhì)子碰撞時(shí)，這些較小的粒子會(huì)噴射出來(lái)。為了更好地理解這個(gè)過(guò)程，他的團(tuán)隊(duì)要求系統(tǒng)區(qū)分對(duì)撞機(jī)數(shù)據(jù)中的夸克和膠子。

研究人員不會(huì)告訴計(jì)算機(jī)任何關(guān)于量子場(chǎng)論的東西，我不會(huì)告訴你夸克或膠子在基本層面上是什么，有的只是一堆亂七八糟的數(shù)據(jù)，然后讓計(jì)算機(jī)把它們分成兩類(lèi)。而且它能做到。

也就是說(shuō)，在不知道夸克和膠子是什么的情況下，該系統(tǒng)成功地識(shí)別并區(qū)分了夸克和膠子。塞勒說(shuō)，如果你問(wèn)系統(tǒng)數(shù)據(jù)中是否有第三種類(lèi)型的物體，系統(tǒng)就會(huì)開(kāi)始發(fā)現(xiàn)夸克不僅僅是一種實(shí)體，而是以不同的類(lèi)型存在——即所謂的上夸克和下夸克。

“當(dāng)你給它更多的靈活性去探索時(shí)，它就開(kāi)始學(xué)習(xí)，”他說(shuō)。“它還不知道量子場(chǎng)論，但它知道尋找模式。這是我很驚訝機(jī)器能做到的事情。他補(bǔ)充說(shuō)，這項(xiàng)工作將有助于對(duì)撞機(jī)物理學(xué)家理清他們的研究結(jié)果。

在一次Zoom談話中，塞勒展示了夸克-膠子項(xiàng)目中使用的神經(jīng)網(wǎng)絡(luò)，他稱(chēng)之為“一幅愚蠢的漫畫(huà)”。它看起來(lái)就像一堆五顏六色的橡皮筋，但它實(shí)際上代表了幾層處理，涉及大約30,000個(gè)節(jié)點(diǎn)或“神經(jīng)元”，信息是在這個(gè)過(guò)程中收集和傳遞的。

他說(shuō)：“如果你不嫌運(yùn)行時(shí)間長(zhǎng)，在筆記本電腦上也可以訓(xùn)練這個(gè)小型網(wǎng)絡(luò)?！?/p>

量子的開(kāi)端

“AI在解決游戲問(wèn)題上如此成功的原因之一是，”塞勒說(shuō)，“游戲有一個(gè)非常明確的獲勝規(guī)則。他還說(shuō)，“如果我們能定義物理定律的獲勝意味著什么，那將是一個(gè)不可思議的突破?！睆默F(xiàn)在開(kāi)始的5到10年里，我將會(huì)做你想做的事情，找到可以取代粒子物理學(xué)的標(biāo)準(zhǔn)模型，可以取代愛(ài)因斯坦廣義相對(duì)論的方程。

一些物理學(xué)家認(rèn)為，隨著人工智能在量子計(jì)算機(jī)上的出現(xiàn)，下一個(gè)重大飛躍將會(huì)到來(lái)。與經(jīng)典計(jì)算機(jī)操作的位元是0或者1不同，量子計(jì)算機(jī)中所謂的量子位元可以同時(shí)是1或0。根據(jù)量子物理學(xué)，這是基本粒子在自然界最小尺度上的行為方式，它允許量子計(jì)算機(jī)同時(shí)處理大量信息。

麻省理工學(xué)院(MIT)機(jī)械工程師、量子計(jì)算專(zhuān)家賽斯·勞埃德(Seth Lloyd)說(shuō)，這類(lèi)機(jī)器仍處于起步階段，但前景很好。他不是麻省理工學(xué)院新成立的人工智能研究所的成員。

“基本的觀點(diǎn)是，量子系統(tǒng)能夠產(chǎn)生經(jīng)典系統(tǒng)難以產(chǎn)生的模式，”勞埃德說(shuō)?！耙虼耍蛟S量子系統(tǒng)也可以識(shí)別經(jīng)典系統(tǒng)所識(shí)別的模式?！?/p>

或者，正如伊利諾斯州巴達(dá)維亞費(fèi)米國(guó)家加速器實(shí)驗(yàn)室研究副主任喬·呂肯所說(shuō)：“借用理查德·費(fèi)曼的話，如果你想用人工智能來(lái)發(fā)現(xiàn)量子世界的東西，你應(yīng)該使用量子人工智能?！?/p>

加州理工學(xué)院(California Institute of Technology)的物理學(xué)家瑪麗亞·斯皮羅普魯(Maria Spiropulu)指出，“關(guān)于量子人工智能和量子算法的文獻(xiàn)越來(lái)越多，它們可以解決我們以前認(rèn)為無(wú)法解決的問(wèn)題?！?/p>

“它只是一個(gè)運(yùn)行中的算法”

這件事能走多遠(yuǎn)取決于你問(wèn)的是誰(shuí)。一臺(tái)機(jī)器能產(chǎn)生量子理論中深?yuàn)W而不直觀的原理，或者愛(ài)因斯坦的相對(duì)論原理嗎？它會(huì)產(chǎn)生一種我們?nèi)祟?lèi)無(wú)法理解的理論嗎？我們會(huì)不會(huì)像《終結(jié)者》系列那樣，以黑客帝國(guó)的世界收?qǐng)觯?/p>

我隨機(jī)調(diào)研了一些理論物理學(xué)家，問(wèn)他們是否準(zhǔn)備好被取代?，F(xiàn)在為微軟工作的計(jì)算機(jī)工程師杰倫·拉尼爾(Jaron Lanier)說(shuō)，“你問(wèn)問(wèn)題的方式更讓人困惑。”他說(shuō)，計(jì)算機(jī)科學(xué)領(lǐng)域充斥著對(duì)超級(jí)智能機(jī)器的力量和威脅的夸張說(shuō)法。“我們應(yīng)該從計(jì)算的角度來(lái)提問(wèn)題，而不是文學(xué)角度。算法不是像貓一樣的生物，它只是一個(gè)運(yùn)行中的算法?！?/p>

諾貝爾獎(jiǎng)得主、德克薩斯大學(xué)奧斯汀分校(University of Texas at Austin)教授史蒂文·溫伯格(Steven Weinberg)認(rèn)為，人類(lèi)可能不夠聰明，無(wú)法理解萬(wàn)物的最終理論，這是一種“令人不安的想法”。但我懷疑，在那種情況下，”他在一封電子郵件中寫(xiě)道，“我們也不會(huì)聰明到設(shè)計(jì)出一臺(tái)能夠找到最終理論的電腦?！?/p>

哈佛大學(xué)物理學(xué)家麗莎蘭德?tīng)枺↙isa Randall）寫(xiě)道：“我很容易想象計(jì)算機(jī)找到我們不知道如何解釋的方程式。但這與許多我們無(wú)法解釋的測(cè)量結(jié)果并沒(méi)有什么不同?！?/p>

阿卡尼·哈梅德（Arkani-Hamed）是新澤西州普林斯頓高等研究院的一位理論家，他不同意計(jì)算機(jī)會(huì)發(fā)現(xiàn)一些人類(lèi)無(wú)法理解的深?yuàn)W東西的觀點(diǎn)，“這并沒(méi)有反映出我們所看到的自然法則的特性，幾個(gè)世紀(jì)以來(lái)，我們所看到的自然法則是建立在更抽象、更簡(jiǎn)單、更深刻的數(shù)學(xué)思想之上的?！?/p>

例如，如果艾薩克·牛頓起死回生，阿肯尼·哈米德說(shuō)，他將毫不費(fèi)力地趕上當(dāng)代物理學(xué)的進(jìn)度。

洛杉磯卡弗里基金會(huì)(Kavli Foundation)的宇宙學(xué)家邁克爾·特納(Michael Turner)說(shuō)，我們的想法從何而來(lái)最終并不重要，只要這些想法在我們依賴(lài)它們之前經(jīng)過(guò)了考驗(yàn)。

“那么我們從哪里得到這些理論或范式呢？”它可能來(lái)自深層的原則——對(duì)稱(chēng)、美、簡(jiǎn)單——哲學(xué)原則或宗教，”他說(shuō)?！半S著機(jī)器變得越來(lái)越智能，我們可以把它們添加到資源列表中?！?/p>

同樣來(lái)自普林斯頓高等研究院(Institute for Advanced Study)的愛(ài)德華·威滕(Edward Witten)指出，盡管萬(wàn)物理論機(jī)器目前還不存在，但可能在下個(gè)世紀(jì)就會(huì)出現(xiàn)?！叭绻幸慌_(tái)機(jī)器表現(xiàn)出對(duì)物理感興趣和好奇，我肯定會(huì)有興趣和它交談?！?/p>

譯者：Jane

本文來(lái)自翻譯, 如若轉(zhuǎn)載請(qǐng)注明出處。