核心思想可以簡(jiǎn)單總結(jié)為:整個(gè)神經(jīng)網(wǎng)絡(luò)內(nèi)的每種可觀察的現(xiàn)象,都可以通過神經(jīng)網(wǎng)絡(luò)進(jìn)行建模。從這個(gè)角度來看,宇宙自身在廣義上也可能是個(gè)碩大無朋的神經(jīng)網(wǎng)絡(luò)。
明尼蘇達(dá)州德盧斯大學(xué)物理學(xué)教授Vitaly Vanchurin去年8月在論文預(yù)發(fā)表平臺(tái)arXiv上發(fā)表了一篇題為《世界即神經(jīng)網(wǎng)絡(luò)》的文章,其中的觀點(diǎn)可謂驚世駭俗。https://arxiv.org/pdf/2008.01540.pdf)
日前,F(xiàn)uturism雜志記者Victor Tangermann采訪了Vanchurin,并就論文內(nèi)容做出探討。
中心思想
根據(jù)論文觀點(diǎn):
“
我們討論了整個(gè)宇宙在其基本層面上屬于神經(jīng)網(wǎng)絡(luò)的可能性。我們?cè)谄渲写_定兩種不同類型的動(dòng)態(tài)自由度:“可訓(xùn)練”變量(例如偏差向量或者權(quán)重矩陣)以及“隱藏”變量(例如神經(jīng)元的狀態(tài)向量)。
”
從最基本的層面出發(fā),Vanchurin在論文中嘗試對(duì)量子物理學(xué)與經(jīng)典物理學(xué)之間之間的鴻溝做出一統(tǒng)性解釋。我們知道,量子物理學(xué)在解釋宇宙背景下微觀系統(tǒng)內(nèi)的動(dòng)態(tài)方面相當(dāng)可靠。例如,在處理單一光子時(shí),我們可以根據(jù)量子力學(xué)理論實(shí)現(xiàn)可觀察性、可重復(fù)性與可測(cè)量性。
但在嘗試將量子物理學(xué)與經(jīng)典物理學(xué)對(duì)接起來時(shí),我們發(fā)現(xiàn)這些可觀察的量子現(xiàn)象很難與經(jīng)典觀察結(jié)果實(shí)現(xiàn)統(tǒng)一,甚至可以說出現(xiàn)了明確的理論斷裂。
爭(zhēng)議
在對(duì)宇宙本質(zhì)的解釋理論進(jìn)行層層剝離之后,我們發(fā)現(xiàn)其核心永遠(yuǎn)是用一種“至高真相”替代另一種“至高真相”。理論家們把從神創(chuàng)論到“缸中之腦”的各種觀點(diǎn)都假定為現(xiàn)實(shí),希望借此對(duì)量子力學(xué)現(xiàn)象做出可行的解讀。
最終得到的結(jié)果有二:其一為“平行世界”,其二為“稱其變量”。而Vanchurin的工作,正是嘗試通過自己的“神經(jīng)網(wǎng)絡(luò)世界”理論對(duì)二者做出調(diào)和。
為此,Vanchurin得出以下結(jié)論:
“
在本文中,我們討論了整個(gè)宇宙在最基本的層面上屬于神經(jīng)網(wǎng)絡(luò)的可能性。這是個(gè)極為大膽的主張,其中強(qiáng)調(diào)的不只是人工神經(jīng)網(wǎng)絡(luò)在分析物理體系或者發(fā)現(xiàn)物理定律方面的可行性,而是更為直接的結(jié)論——神經(jīng)網(wǎng)絡(luò)就是我們周遭世界的實(shí)際運(yùn)作方式。從這方面出發(fā),要想證明這一觀點(diǎn)的謬誤,我們只需要找到那些無法用神經(jīng)網(wǎng)絡(luò)原理描述的物理現(xiàn)象。但不幸的是(或者說幸運(yùn)的是),我們似乎找不到這樣的現(xiàn)象。
”
Vanchurin明確提到,他并不會(huì)在“平行世界”理論中添加任何額外的解釋,而這種不做加工的方法也正是論文當(dāng)中最有趣的哲學(xué)意義所在。
如果Vanchurin的成果成功通過同行評(píng)審,或者至少啟發(fā)人們開始考慮整個(gè)宇宙是個(gè)具備完備功能的神經(jīng)網(wǎng)絡(luò)的現(xiàn)實(shí)可能性,那么我們將迎來一條寶貴的線索。這條線索也許會(huì)讓我們陷入更深層次的困境,但也有可能成為通往終極大一統(tǒng)理論的階梯。
如果我們都是這個(gè)巨大神經(jīng)網(wǎng)絡(luò)中的節(jié)點(diǎn),那么這套網(wǎng)絡(luò)的存在目的是什么?宇宙是個(gè)巨大的封閉網(wǎng)絡(luò),抑或是某個(gè)更大網(wǎng)絡(luò)中的單一層?也許我們所接觸的,只是同一網(wǎng)絡(luò)當(dāng)中數(shù)萬億個(gè)宇宙中的一個(gè)。在訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí),我們會(huì)運(yùn)行數(shù)百萬乃至數(shù)千萬次循環(huán),直到AI完成適當(dāng)“訓(xùn)練”。如果說這個(gè)背景性的場(chǎng)域真的是更龐大機(jī)器內(nèi)的組成部分,那我們?nèi)祟悤?huì)不會(huì)只是無數(shù)訓(xùn)練周期中的一輪?
(聲明:本文僅代表作者觀點(diǎn),不代表科技行者立場(chǎng)。)
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。