我們實際上生活在矩陣中嗎?整個宇宙都是神經網絡?

2020-11-24 和訊科技

我們實際上生活在矩陣中嗎?物理學家試圖用有爭議的理論重新定義現實,即整個宇宙都是神經網絡

新浪科技訊 北京時間9月15日消息,據國外媒體報導,神經網絡是一種在結構上類似於人類大腦的互連計算系統,但最近有科學家提出了一個有爭議的理論,認為整個宇宙都是神經網絡。

計算機科學家創造的人工神經網絡,由處理和傳遞信號的各種節點組成,這些節點類似於生物神經元。網絡可以隨著使用而改變——比如增加賦予某些節點和連接的權重,從而在運行過程中,整個網絡可以不斷「學習」。例如,讓神經網絡查看一組貓的圖片,然後神經網絡可以自己學習貓的特點,進而從一群動物中找出貓來。

但是,從根本上講,我們所知的一切可能也是這些系統中的一個。這個概念的提出,是為了協調所謂的「經典」物理學與量子力學這兩個領域,這也是困擾了物理學們很久的一個問題。

我們不僅僅是說,人工神經網絡可用於分析物理系統或發現物理定律——我們在說的是,我們周圍的世界到底是如何運作的,這是一個非常大膽的主張,可以將其視作對一切理論的建議,也正因為如此,它也應該很容易被證偽。所需要做的就是找到一個無法用神經網絡來解釋的物理現象。然而,這說起來容易,做起來卻很難。

當從一個比較大的尺度上考慮整個宇宙的運行時,物理學家通常會使用一組特定的理論作為工具。這些工具是基於牛頓運動定律的「經典力學」以及愛因斯坦的相對論,它們可以用來解釋時間與空間的關係,以及質量如何扭曲時空結構以產生引力效應。但是,對於原子和亞原子層面上的物理現象,物理學家發現所謂的「量子力學」可以更好解釋宇宙。

在這個理論中,能量和動量這類的物理量被限定為具有離散值,而非連續值,也就是「量子」。所有物體都具有粒子性和波動性,並且最後,測量這個行為也會改變物體本身。最後這一個特點叫做海森堡「不確定性原理」,簡單來說就是某些關聯屬性——如物體的位置和速度——無法同時精確測量,於是就有了概率一說。

儘管這些理論在各自的尺度範圍內都可以很好地解釋宇宙,但物理學家一直希望能有一種方法可以將這些理論協調成一個普遍理論——這個難題有時也被稱為「量子引力難題」。如果要結合這兩種理論,那麼重力(用廣義相對論描述即為物質/能量的時空彎曲)可能需要由量子組成,然後也因此具有自己的基本粒子——引力子。

遺憾的是,單個引力子對物質產生的影響將非常非常微弱,這就導致量子引力理論幾乎無法驗證,因此也就無從判斷這個理論到底是不是正確的。但是,神經網絡概念卻另闢蹊徑,不再嘗試將廣義相對論和量子力學調和成一個基本的普遍理論,而是認為,這種理論中所觀察到行為背後,有更深層次的原因。

在新研究中,科學家著手建立了一個模型,觀察神經網絡在具有大量單個節點的系統中,是如何運作的,在某些(接近平衡的)條件下,神經網絡的學習行為可以近似地用量子力學方程式來解釋;但是其他時候則需要用經典物理定律來解釋。

這個理論或許也可以用來解釋所謂的「隱變量」,即一些物理學家提出的物體的未知屬性,用以解釋大多數量子力學理論中固有的不確定性,在新興的量子力學中,隱變量是各個神經元的狀態,是可訓練的變量——就好比偏差矢量和權重矩陣等,是量子變量。

在這樣一個神經網絡中,從粒子和原子到細胞再到其他的一切,都將以類似於進化/自然選擇的過程慢慢出現。微觀神經網絡的結構更加穩定一些,其他結構則穩定性差一些。越是穩定的結構越能夠在進化中生存下來,而不穩定的結構則會被淘汰。

在最小的尺度上,自然可能會選擇會產生一些複雜度非常低的結構,像是神經元鏈,但是尺度越大,結構就越複雜,但這個過程應該被限制在一個特定長度範圍內。因此,這個概念意味著,我們周圍所看到的一切,例如粒子、原子、細胞、觀察者等等——都是自然選擇的結果。

至於「宇宙即神經網絡理論」是否會得到認可,物理學界的大部分人似乎並不買帳。99%的物理學家會告訴你,量子力學是主要理論,一切都應以某種方式從中而來,但是這個原則,又跟量子力學非基本規律的觀點相矛盾,物理學和機器學習領域的專家也都對這個新理論持懷疑態度。(勻琳)


(責任編輯:季麗亞 HN003)

相關焦點

  • 我們實際上生活在矩陣中嗎?整個宇宙都是神經網絡?
    我們實際上生活在矩陣中嗎?物理學家試圖用有爭議的理論重新定義現實,即整個宇宙都是神經網絡  神經網絡是一種在結構上類似於人類大腦的互連計算系統,但最近有科學家提出了一個有爭議的理論,認為整個宇宙都是神經網絡。
  • 我們的宇宙弄不好真的是個神經網絡
    今年夏天上傳到arXiv的挑釁性預印本中,明尼蘇達州德盧斯大學的物理學教授Vitaly Vanchurin試圖以一種特別大開眼界的方式重構現實-暗示我們生活在一個龐大的神經網絡中,該網絡控制著周圍的一切我們。換句話說,他在論文中寫道,這是「整個宇宙在其最基本的層面上都是神經網絡的可能性。」
  • 物理學家的瘋狂想法:整個宇宙可能只是個神經網絡
    我們不是每天都會遇到試圖重新定義現實的論文。但在今年夏天,明尼蘇達州德盧斯大學的一位物理學教授維塔利·萬奇林試圖以一種特別令人大開眼界的方式來重構現實,他表示我們生活在一個巨大的神經網絡中,它支配著我們周圍的一切。多年來,物理學家一直試圖調和量子力學和廣義相對論。
  • 物理學家:宇宙從根本上來說可能是一個神經網絡
    最近傳到arXiv的一篇論文預印本,題為:「作為神經網絡的世界」(The world as a neural network),明尼蘇達州德盧斯大學的物理學教授、維塔利·范楚林(Vitaly Vanchurin)以一種特別大膽的方式描述宇宙現實,提出:「整個宇宙在其最基本的層面上可能是神經網絡。」我們生活在一個龐大的神經網絡中,這個宇宙神經網絡控制著我們周圍的一切。」
  • 理清神經網絡中的數學知識
    而相應的矩陣形狀也發生反轉。     對比     神經網絡中,大家都希望最終的形式為矩陣乘以矩陣,不希望中間有任何向量的存在,這樣顯得更酷,實際上計算也更快。這很簡單,現在我們只差最後一步。通過以上的形式,其實神經網絡前向傳導和向量在不同維度間的連續線性變換及其相似。唯一不同的一點就在於,在每次線性轉換後,神經網絡可以加一個非線性激活函數,使線性轉換變為非線性轉換。實際上,也就這麼點區別。而非線性激活函數並不會改變數據的形狀,對後續矩陣乘法不造成任何影響。
  • 科學家認為整個宇宙是一個巨大的神經網絡,你怎麼看?
    維塔利·范楚林認為,將宇宙作為神經網絡的理論可能是很好的方案。該教授在採方中說,絕大多數的物理學家會告訴您,量子力學是最主要的,其他一切都應該以量子力學某種方式出現,但是沒人知道到底該怎麼做。在這篇論文中,我考慮了微觀神經網絡是基本結構,而量子力學、廣義相對論觀察者等是基於這樣的基本結構而顯現出來。到目前為止,這個方向看起來很有希望。他認為微觀神經網絡是基本結構以及其他一切的另一種可能性。
  • 最新論文震驚了科學界:宇宙就是一個完整的神經網絡
    我們並不是能常常看到試圖重新定義人類世界觀的論文,但在今年夏天卻有一篇上傳至arXiv具有爭議性的研究,明尼蘇達大學德盧斯大學的一位名叫維塔利·凡奇林的物理學教授用一篇論文令人大開眼界的重塑現實,他認為我們生活在一個龐大的神經網絡當中,這個神經網絡支配著我們周圍的一切。
  • 一份完全解讀:是什麼使神經網絡變成圖神經網絡?
    在大多數CV/ML應用程式中,你可能曾經把它們看成是另一種數據結構,但數據實際上可以被看作是圖。將數據表示成圖可以提供很大的靈活性,並能在你處理問題的時候為你提供截然不同的視角。例如,你可以直接從「超像素」中學習,而不必從圖像像素中學習,在Liang等人2016年在ECCV發表的論文,以及我們即將發表的BMVC論文都可以找到依據。
  • 深度卷積神經網絡應用於量子計算機
    實際上,這些向量表示許多可能的觀察結果的疊加。另一方面,機器學習,尤其是神經網絡,正在粗略地使用向量和矩陣來理解或處理數據。量子機器學習(QML)旨在使用量子系統對向量進行編碼,並使用新的量子算法對其進行學習。一個關鍵的概念是在許多矢量上使用量子疊加,我們可以同時處理它們。
  • AI入門:卷積神經網絡
    假設我們輸入的是50*50像素的圖片(圖片已經很小了),這依然有2500個像素點,而我們生活中基本都是RGB彩色圖像,有三個通道,那麼加起來就有2500*3=7500個像素點。如果用普通的全連接,深度比較深時,那需要確認的參數太多了,對於計算機的計算能力,和訓練模型來說都是比較困難一件事。
  • 人類正生活在計算機的模擬中——科學家告訴我們世界是如何運轉的
    ,是人類活動的矩陣,將其變為現實。畢竟,人們周圍所有的感覺和視覺都是人類大腦神經網絡工作的結果。 換句話說,人們無法區分現實世界和虛構世界,也無法確定人類的世界是真實的還是虛幻的。這就是為什麼說人類世界所有活動很有可能是高科技計算機模擬中的一種。
  • 宇宙沒有更多維度,我們可能生活在二維全息圖中?感覺太燒腦了!
    宇宙沒有更多維度,我們可能生活在二維全息圖中?感覺太燒腦了!根據玻色子弦理論,弦理論的原始版本是在20世紀60年代後期發展起來的,根據理論所說,宇宙實際上有25個空間維度和一個時間維度。忘了那些額外的維度吧——我們生活在二維全息圖中!又有瘋狂科學家,發表了令人震驚的言論,並且他們還能拿出數據和理論!全息宇宙的概念最早是在20世紀90年代提出的,指出構成我們的三維現實的所有信息,空間、物質、時間等等,實際上都包含在其邊界的二維表面中。
  • 人工智慧算法問題——正則化解決神經網絡中的過度擬合
    過度擬合是一個很大的問題,尤其是在深度神經網絡中。如果你正在懷疑你的神經網絡過度擬合了。有很多方法可以確定過度擬合了數據,也許有一個高方差問題,或者繪製了一個訓練圖和測試精度圖,然後發現過度擬合了。在這種情況下,我們應該怎麼辦呢?
  • 如何在統一架構的同時高效處理各種稀疏度人工神經網絡矩陣?
    由於剪枝和 RELU 等操作,神經網絡的權重和激活矩陣中存在廣泛的稀疏性分布,且不同網絡和同一網絡不同層的稀疏度各不相同,其稀疏度分布範圍高達 4-90%。由於不同稀疏度矩陣運算對於計算和存儲電路要求各不相同,提出一種統一架構同時高效處理各種稀疏度的人工神經網絡矩陣,是人工智慧晶片設計領域的一大難題。
  • Transformer新型神經網絡在機器翻譯中的應用|公開課筆記
    翻譯的知識和參數都是由神經網絡自動進行學習的,它省去了之前傳統方法之前的人工幹預模塊,使整個翻譯過程統一化,並且簡潔。隨著深度學習發展帶來的紅利,這個翻譯模型的性能有顯著提升。如右圖所示,這是谷歌翻譯當時Release的數據,傳統的是基於短語的翻譯系統,翻譯的性能遠低於基於神經網絡的翻譯,就是那根綠色的線。並且神經網絡的翻譯在某些語項上是接近人類的水平。
  • 宇宙是一個神經網絡,物理學家重新定義現實,引發爭議
    一篇發表在arxiv的預印本論文為人們重新定義了我們生活的這個宇宙的本質,也重新定義了現實世界,這篇論文所涉及的問題太過於敏感和廣泛,因此還沒有通過同行評審。小到亞原子粒子、原子,大到宏觀事物,包括我們人類在內,這些都是神經網絡系統的不同組成部分;而所有事物背後運行的基本規律,量子力學和宏觀的經典力學都是神經網絡在不同的部分所表現出來的運行機制。Vitaly Vanchurin提出神經網絡的概念,就是想要調和目前物理學中存在已久的矛盾。
  • 宇宙是一個神經網絡,物理學家重新定義現實,引發爭議
    一篇發表在arxiv的預印本論文為人們重新定義了我們生活的這個宇宙的本質,也重新定義了現實世界,這篇論文所涉及的問題太過於敏感和廣泛,因此還沒有通過同行評審。,這些都是神經網絡系統的不同組成部分;而所有事物背後運行的基本規律,量子力學和宏觀的經典力學都是神經網絡在不同的部分所表現出來的運行機制。
  • 訓練深度神經網絡失敗的罪魁禍首不是梯度消失,而是退化
    初始網絡的所有初始權重都是矩陣(使用標準方法初始化)。而在上圖的藍線中,我只是將每個初始權重矩陣的上半部分複製到下半部分(即初始權重矩陣被摺疊了一次,因此稱其為「Fold 1」網絡)。這種運算降低了初始權重矩陣的秩,使得它們更加的退化(degenerate)。注意這種運算僅應用於初始權重矩陣,並沒有加上其它對學習過程的約束,訓練過程保持不變。
  • 訓練神經網絡的五大算法
    在空間內任意選擇一個點A,我們都能計算得到損失函數的一階、二階導數。許多的傳統方法都能被直接用於神經網絡模型的求解。 一維優化方法 儘管損失函數的值需要由多個參數決定,但是一維優化方法在這裡也非常重要。這些方法常常用於訓練神經網絡模型。 許多訓練算法首先計算得到一個訓練的方向d,以及速率η來表示損失值在此方向上的變化,f(η)。下圖片展示了這種一維函數。
  • 馬斯克:人類極有可能生活在更高文明模擬的矩陣遊戲中
    實際上,在那場兩個半小時的播客裡面,馬斯克比較全面的回答了主持人他自己的價值觀,特別是闡述他堅信「我們為什麼活在模擬(simulation)中」,認為人類文明很可能與遊戲一樣,都是許多模擬文明中的一部分。 很有意思。