AI“发现”地球绕太阳旋转_风闻

原创：牧夫天文

原作：Davide Castelvecchi

翻译：艾宇熙

校译：牧夫天文校对组

编排：王招君

后台：库特莉亚芙卡 李子琦

原文链接：https://www.nature.com/articles/d41586-019-03332-7

物理学家们设计的人工智能算法像哥白尼那样“推断”出太阳是太阳系的中心

图源：NASA/JPL/SPL

历史上，天文学家们经过数个世纪的观察和争论才确立了“日心说”。最近，研究者们开发了一个基于神经网络的机器学习算法，它通过学习和分析太阳与火星相对地球的运动，也归纳出“太阳位于太阳系的中心”这一结论。这项研究发表在《物理评论快报》上，研究者们希望他们可以利用这类算法处理大数据集，归纳出量子力学规律。

雷纳托·雷纳 （Renato Renner）是来自瑞士联邦理工学院（ETH）的物理学家。他和他的合作者们希望开发出一种算法，能从大量的数据中提炼出几个核心的公式，就像物理学家从大量数据中总结出E = mc²那样。他们通过设计新型的神经网络算法做到了这一点。

神经网络算法的原理受到了大脑神经细胞连接的启发。已经有许多研究用大数据集训练神经网络学习对象识别——识别的对象可以是图像或音频。神经网络算法可以提取对象的共同特征，比如说，猫的特征可能被提取为“四条腿”和“尖耳朵”。这些特征被编码在数学“节点”里，这些“节点”也就是算法中的“神经细胞”。但是这些“节点”中编码的信息和信息的处理过程往往是黑箱状态，研究者难以观察和分析它们。

因此，雷纳的团队设计了一种“迟钝”的神经网络：它由两个子神经网络由有限的链接连接在一起。第一个子网络像传统的神经网络那样负责从数据中学习，而第二个网络用学到的“经验”做出假设并检验假设。由于两个子网络间的链接是受限的，第一个子网络必须把数据精简压缩才能传到第二个网络里。雷纳比喻说，这个模式就像导师试图把自己的已有知识传递给学生。

研究团队对他们构建的神经网络的第一个测验使用的数据就是从地球视角观测到的太阳和火星在天空中的运动轨迹。从轨迹上看，火星在天空中时常逆行。在“地心说”的时代，天文学家们长期以来试图用“火星自己有圆周运动”来解释这一现象；直到16世纪，尼古拉斯·哥白尼提出，“火星绕太阳运动”可以更加简单地解释火星逆行的现象。而雷纳团队的算法也给出了类似的结果。马里奥·克伦 （Mario Krenn）是来自加拿大多伦多大学的物理学家，他致力于研究将人工智能用于科学发现，他形容说，研究组的算法再现了“科学史上最关键的范式转变之一”。

雷纳强调说，尽管算法给出了一些包含着“日心说”理论的公式，但仍然需要人来解释它们，以理解这些公式蕴含的规律。

纽约哥伦比亚大学的机器人专家霍德·利普森（Hod Lipson）评论说，这项工作的重要性在于算法提炼出了描述一个物理系统的关键参数。“我认为这种技术有助于我们理解物理学或其他领域中的复杂现象。”他说。

雷纳团队希望能发展基于机器学习的技术，帮助物理学家们解决量子力学中表观上的矛盾之处。“我们现在阐述量子力学的方式可能只是历史上由于人为的因素导致的效果，”Renner说。不过，他们现有的算法还远远无法达成这样复杂的目标。接下来，研究团队希望能设计出一种神经网络，它不仅能从数据中进行学习，还能提出检测假说的新方法。

『天文时刻』 牧夫出品

微信公众号：astronomycn

NGC 3572和南部蝌蚪

Image Copyright: Josep Drudis