计算机可以设计一切理论吗？

曾几何时，爱因斯坦（Albert Einstein）将科学理论描述为“人类心灵的自由发明”。但是在1980年，著名的剑桥大学宇宙学家斯蒂芬·霍金（Stephen Hawking）有了另一个想法。在那年的一次演讲中，他认为所谓的万物理论是可以实现的，但是对它的最后修改很可能是由计算机完成的。

他说：“理论物理学的目的可能还没有结束。” “但是理论物理学家可能会看到它。”

万物论》仍然遥遥无期，但是计算机接管了生活中的许多琐事-翻译语言，识别面孔，驾驶汽车，推荐约会对象-想象他们接管了霍金斯和世界的爱因斯坦。

诸如DeepMind的AlphaGo之类的计算机程序不断探索在围棋和国际象棋等游戏中击败人类的新方法，这些方法已经研究和玩了多个世纪。为什么这些奇妙的学习机之一不能放开庞大的天文目录，或者由大型强子对撞机汇编的PB级数据，却无法辨别出一组新的基本粒子，或者在外部太阳系中发现另一个星系的虫洞，喜欢电影《星际穿越》中的那个吗？

至少那是梦想。换个方式思考就是从事物理学家马克斯·泰格马克（Max Tegmark）所说的“碳沙文主义”。去年11月，Tegmark博士担任教授的麻省理工学院兑现了美国国家科学基金会的一张支票，并打开了新的人工智能和基础交互研究所的隐喻之门。

该研究所是基金会和美国农业部成立的七个研究所之一，是全国范围内促进人工智能工作的努力的一部分。每人在五年内获得2000万美元。

由粒子物理学家杰西·塔勒（Jesse Thaler）领导的麻省理工学院是唯一专门研究物理学的机构。它包括来自MIT，哈佛大学，东北大学和塔夫茨大学的来自物理学各个领域的二十多名科学家。

“我希望做的是创建一个场所，使来自不同物理领域的研究人员以及从事计算机科学，机器学习或AI的研究人员能够聚集在一起，进行对话并互相教things ，”塞勒博士在Zoom通话中说道。 “最终，我想拥有像物理学家一样思考的机器。”

他们在这项工作中使用的工具是被称为神经网络的人工智能品牌。与诸如IBM Watson之类的充斥着人类和科学知识的所谓专家系统不同，神经网络被设计为能够随着时间的推移进行学习，类似于人脑的学习方式。通过分析大量数据的隐藏模式，他们迅速学会了区分狗与猫，识别面孔，复制人类语音，举报财务不良行为等。

泰格马克博士说：“我们希望发现各种新的物理定律。” “我们已经证明它可以重新发现物理定律。”

去年，Tegmark博士和学生Silviu-Marian Udrescu在某种程度上证明了原理，这是从理查德·费曼，罗伯特·莱顿和马修的著名教科书“费曼物理讲义”中选取的100个物理方程Sands-并使用它们来生成数据，然后将其提供给神经网络。系统筛选了数据的模式和规律性，并恢复了所有100个公式。

研究人员在去年《科学进展》上发表的一篇论文中写道：“就像人类科学家一样，它依次尝试许多不同的策略（模块）。” “而且，如果它不能一口气解决全部问题，它将尝试将其转换并将其分成更简单的部分，可以分别解决，然后在每部分上递归地重新启动全部算法。”

在另一个更具挑战性的实验中，Tegmark博士及其同事向网络展示了一个火箭飞行的视频，并要求它预测从一帧到下一帧将会发生什么。没关系，背景中的棕榈树。他说：“最后，计算机能够发现基本的运动方程。”

泰格马克博士说，在CERN的大型强子对撞机之类的地方寻找新的粒子将是一件容易的事。我喜欢大数据，而对撞机数据则每秒可运行数千TB。自从2012年希格斯玻色子被发现以来，尽管多年来对数据流中的每一个颠簸都进行了疯狂的研究，但不要忘了没有一个新粒子出现在CERN数据中。

泰格马克博士说：“这些都是人类所看到的曲线。” “在10年内，机器学习对掌握物理学和了解数学一样至关重要。”

他承认，目前来说，该算法的递归问题解决方法（一种称为回归）的实现方式是有限的。尽管该机器可以从一堆数据中检索物理学的基本定律，但它尚不能提出作为这些公式基础的深层原理，例如量子力学中的量子不确定性或相对论。

“到那个时候回来告诉你，然后我们就达到了人工智能，根据你的观点，你应该感到非常害怕或兴奋。” Tegmark博士说。 “说实话，我之所以要这样做，是因为如果我们建造超级强大的人工智能，我会发现最令人生畏的是而且不知道它是如何工作的-对吗？

泰勒（Thaler）博士领导着麻省理工学院的新研究所，他说他曾经对人工智能持怀疑态度，但现在是一名传道人。他意识到，作为物理学家，他可以将自己的一些知识编码到机器中，然后给出答案，以便他更轻松地解释。

他说：“这以一种更加令人兴奋的方式变成了人与机器之间的对话，而不是仅仅拥有一个黑匣子，您就不了解为您做决定。”

他补充说：“我特别不喜欢将这些技术称为“人工智能”，因为该语言掩盖了许多人工智能的事实。技术在数学，统计学和计算机科学中具有严格的基础。”

是的，他指出，尽管经过了所有的培训，该机器仍可以找到比他更好的解决方案：“但是最终，我仍然可以决定哪些具体目标值得实现，而且我可以瞄准更具雄心的目标，只要我可以用计算机可以理解的语言严格地定义我的目标可以提供强大的解决方案。”

最近，泰勒博士和他的同事们向他们的神经网络提供了来自大型强子对撞机的大量数据，该数据将质子粉碎在一起以寻找新的粒子和力。质子是原子物质的基础，它们本身就是被称为夸克和胶子的较小实体的袋子。当质子发生碰撞时，这些较小的粒子会与喷出的能量一起从喷射中喷出，而其他任何奇异粒子也会凝聚在一起。为了更好地理解此过程，他和他的团队要求系统区分对撞机数据中的夸克和胶子。

“我们说，‘我不会告诉您有关量子场论的任何事情；我不会告诉你什么是基本的夸克或胶子。’”他说。 “我只是想说，‘这里是一堆数据，请把它基本上分为两类。’而且它可以做到。”

也就是说，该系统成功地识别并区分了夸克和胶子，而根本不知道它们是什么。 Thaler博士说，如果您随后询问系统数据中是否存在第三种对象，它就会开始发现夸克不仅是一个实体，而且还存在于不同类型中，即所谓的上夸克和下夸克。 。

他说：“因此，当您给它更大的探索灵活性时，它就会开始学习。” “它还不了解量子场论，但是知道寻找模式。这是一种让机器惊讶的模式。”他补充说，这项工作将帮助对撞物理学家理清其结果。

在Zoom对话中的某个时刻，Thaler博士展示了他所说的夸克-胶子项目中使用的神经网络的“愚蠢卡通”。它看起来像一堆五彩缤纷的橡皮筋，但代表了多个处理过程，涉及大约30,000个节点或“神经元”，在此处收集并传递信息。

他说：“如果您等待了足够长的时间，便可以在便携式计算机上训练这种小型网络，”

它可以装在一个小的芯片上，并且速度足够快，可以在对撞机中使用，以帮助确定哪些碰撞需要研究，哪些应该丢弃。由于碰撞每秒发生4000万次，因此没有太多时间来决定。

Thaler博士说，这一新领域的另一个特点是，它为来自不同领域的研究人员提供了一种通用语言。事实证明，解决对撞机问题所涉及的数学方法也适用于优化诸如亚马逊之类的公司的运输计划。

Thaler博士说：“最令人惊讶的发现来自于意识到别人确实拥有可以真正帮助我从新的角度理解我的问题的工具或窗口小部件。” “从那里开始，实际做以前从未做过的事情。”

“ AI的原因之一Thaler博士说：“在解决游戏方面如此成功，是因为游戏具有非常明确的成功概念。”他补充说：“如果我们能够定义成功对物理定律意味着什么，那将是令人难以置信的突破。”

“从现在起的五到十年内，我将要完全按照您的意愿做：这是数据，这是一个非常粗糙的工具包；找到我可以穿T恤衫的方程式，该方程式替代了粒子物理学的标准模型。取代爱因斯坦广义相对论的方程是什么？”

一些物理学家认为，人工智能的到来将带来下一个飞跃。在量子计算机上。与经典的计算机可以操纵1或0的位不同，量子计算机中所谓的qubit可以同时存在。根据量子物理学，这就是基本粒子在最小自然尺度上的行为，它使量子计算机能够同时处理大量信息。

麻省理工学院机械工程师兼量子计算专家塞思·劳埃德（Seth Lloyd）表示，这类机器仍处于起步阶段，但它们具有广阔的前景。他不是那里新的人工智能研究所的成员。

劳埃德博士说：“基本的见识是，量子系统可以生成模式，而经典系统难以生成。” “所以也许量子系统也可以识别经典系统可以识别的模式。”

就像伊利诺伊州巴达维亚费米国家加速器实验室研究副主任乔·莱肯（Joe Lykken）所说：“如果要使用人工智能，请用理查德·费曼（Richard Feynman）来解释。要发现有关我们量子世界的事物，您应该使用量子人工智能。”

加州理工学院的物理学家玛丽亚·斯皮罗普鲁（Maria Spiropulu）指出了有关量子人工智能的文献不断增长。以及受量子启发的算法，可以解决我们以前认为无法解决的问题。”她补充说：“就像柏拉图对洞穴的寓言和成年理论一样！”

这可以走多远取决于您问谁。机器会产生量子理论的奥秘和非直觉原理，还是爱因斯坦的相对论堡垒原理？它会产生我们人类无法理解的理论吗？我们是否可以像“终结者”系列那样进入矩阵或由天网运营的世界？

我问了理论物理学家一个随机样本，他们是否准备好被替换。

现在与微软合作的计算机工程师贾伦·拉尼尔（Jaron Lanier）说：“您的要求加剧了混乱。”他说，计算机科学领域充满了关于超级智能机器的功能和威胁的浪漫夸大说法。

“我们可以以可以进行计算的方式提出问题吗？”他问。 “消除浪漫主义。它不是像猫一样的生物，它只是运行的算法。”

诺贝尔奖获得者，德克萨斯大学奥斯汀分校的教授史蒂芬·温伯格称其为“令人不安的想法”，认为人类可能不够聪明，无法理解最终的万物理论。他在一封电子邮件中写道：“但是，在那种情况下，我怀疑我们也不会足够聪明，无法设计出可以找到最终理论的计算机。”

哈佛大学的物理学家丽莎·兰德尔（Lisa Randall）写道：“我很容易想象计算机会找到我们不知道如何解释的方程或关系。但这与我们无法解释的许多度量并没有什么不同。”

新泽西州普林斯顿高级研究学院的理论家尼玛·阿卡尼·哈梅德（Nima Arkani-Hamed）提出了这样的想法，即计算机会发现一些人类无法理解的深层内容：“这并不反映我们所看到的法律特征几个世纪以来，我们发现自然界的基础是更少，更深，更简单，甚至更抽象的数学思想。”

例如，如果艾萨克·牛顿从死里复活，阿卡尼·哈默德博士就说，他将毫无疑问地加快现代物理学的步伐：“实际上，数十个非牛顿人成功地做到了这一点。年本科教育。”

洛杉矶卡夫利基金会（Kavli Foundation）的宇宙学家迈克尔·特纳（Michael Turner）表示，只要我们的想法在经过我们的实践考验之前，最终并不重要。

“那么，我们从哪里获得这些理论或范式？他说：“这可能来自深层原则-对称，美丽，朴素-哲学原则，宗教信仰或当地人的醉酒。” “随着机器变得越来越智能，我们可以将它们添加到来源列表中。”

普林斯顿大学高级研究所的爱德华·维滕（Edward Witten）指出，尽管还没有万物有灵的机器，但它可能会在下个世纪出现。 “如果有一台机器似乎对物理学感兴趣并且对此感到好奇，那么我当然会对与之交谈感兴趣。”