核心思想可以簡單總結為:整個神經(jīng)網(wǎng)絡內的每種可觀察的現(xiàn)象,都可以通過神經(jīng)網(wǎng)絡進行建模。從這個角度來看,宇宙自身在廣義上也可能是個碩大無朋的神經(jīng)網(wǎng)絡。
明尼蘇達州德盧斯大學物理學教授Vitaly Vanchurin去年8月在論文預發(fā)表平臺arXiv上發(fā)表了一篇題為《世界即神經(jīng)網(wǎng)絡》的文章,其中的觀點可謂驚世駭俗。https://arxiv.org/pdf/2008.01540.pdf)
日前,F(xiàn)uturism雜志記者Victor Tangermann采訪了Vanchurin,并就論文內容做出探討。
中心思想
根據(jù)論文觀點:
“
我們討論了整個宇宙在其基本層面上屬于神經(jīng)網(wǎng)絡的可能性。我們在其中確定兩種不同類型的動態(tài)自由度:“可訓練”變量(例如偏差向量或者權重矩陣)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在論文中嘗試對量子物理學與經(jīng)典物理學之間之間的鴻溝做出一統(tǒng)性解釋。我們知道,量子物理學在解釋宇宙背景下微觀系統(tǒng)內的動態(tài)方面相當可靠。例如,在處理單一光子時,我們可以根據(jù)量子力學理論實現(xiàn)可觀察性、可重復性與可測量性。
但在嘗試將量子物理學與經(jīng)典物理學對接起來時,我們發(fā)現(xiàn)這些可觀察的量子現(xiàn)象很難與經(jīng)典觀察結果實現(xiàn)統(tǒng)一,甚至可以說出現(xiàn)了明確的理論斷裂。
爭議
在對宇宙本質的解釋理論進行層層剝離之后,我們發(fā)現(xiàn)其核心永遠是用一種“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”的各種觀點都假定為現(xiàn)實,希望借此對量子力學現(xiàn)象做出可行的解讀。
最終得到的結果有二: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)絡世界”理論對二者做出調和。
為此,Vanchurin得出以下結論:
“
在本文中,我們討論了整個宇宙在最基本的層面上屬于神經(jīng)網(wǎng)絡的可能性。這是個極為大膽的主張,其中強調的不只是人工神經(jīng)網(wǎng)絡在分析物理體系或者發(fā)現(xiàn)物理定律方面的可行性,而是更為直接的結論——神經(jīng)網(wǎng)絡就是我們周遭世界的實際運作方式。從這方面出發(fā),要想證明這一觀點的謬誤,我們只需要找到那些無法用神經(jīng)網(wǎng)絡原理描述的物理現(xiàn)象。但不幸的是(或者說幸運的是),我們似乎找不到這樣的現(xiàn)象。
”
Vanchurin明確提到,他并不會在“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中最有趣的哲學意義所在。
如果Vanchurin的成果成功通過同行評審,或者至少啟發(fā)人們開始考慮整個宇宙是個具備完備功能的神經(jīng)網(wǎng)絡的現(xiàn)實可能性,那么我們將迎來一條寶貴的線索。這條線索也許會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。
如果我們都是這個巨大神經(jīng)網(wǎng)絡中的節(jié)點,那么這套網(wǎng)絡的存在目的是什么?宇宙是個巨大的封閉網(wǎng)絡,抑或是某個更大網(wǎng)絡中的單一層?也許我們所接觸的,只是同一網(wǎng)絡當中數(shù)萬億個宇宙中的一個。在訓練神經(jīng)網(wǎng)絡時,我們會運行數(shù)百萬乃至數(shù)千萬次循環(huán),直到AI完成適當“訓練”。如果說這個背景性的場域真的是更龐大機器內的組成部分,那我們人類會不會只是無數(shù)訓練周期中的一輪?
(聲明:本文僅代表作者觀點,不代表科技行者立場。)
好文章,需要你的鼓勵
這項研究提出了"高效探測"方法,解決了掩碼圖像建模AI難以有效評估的問題。通過創(chuàng)新的多查詢交叉注意力機制,該方法在減少90%參數(shù)的同時實現(xiàn)10倍速度提升,在七個基準測試中均超越傳統(tǒng)方法。研究還發(fā)現(xiàn)注意力質量與分類性能的強相關性,生成可解釋的注意力圖譜,展現(xiàn)出優(yōu)異的跨域適應性。團隊承諾開源全部代碼,推動技術普及應用。
伊利諾伊大學研究團隊開發(fā)了CLAIMSPECT系統(tǒng),通過層次化分解復雜爭議、智能檢索相關文獻、多角度收集觀點的方法,將傳統(tǒng)的"真假"判斷轉變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動構建爭議話題的分析框架,識別不同觀點及其支撐證據(jù),為科學和政治爭議提供更全面客觀的分析,已在生物醫(yī)學和國際關系領域驗證有效性。
清華大學研究團隊首次提出情感認知融合網(wǎng)絡(ECFN),讓AI能像人類一樣理解和表達情感。該系統(tǒng)通過多層次情感處理架構,在情感識別準確率上比現(xiàn)有最佳系統(tǒng)提升32%,情感表達自然度提升45%。研究突破了傳統(tǒng)AI情感理解的局限,實現(xiàn)了跨模態(tài)情感融合、動態(tài)情感追蹤和個性化情感建模,為醫(yī)療、教育、客服等領域帶來革命性應用前景。
哈佛大學研究團隊通過創(chuàng)新的多智能體強化學習方法,讓AI在戰(zhàn)略游戲中學會復雜推理。研究發(fā)現(xiàn)AI通過游戲競爭能發(fā)展出類人思維能力,在邏輯推理、創(chuàng)造性解決問題等方面表現(xiàn)顯著提升。這項突破性成果為未來AI在醫(yī)療、教育、城市管理等領域的應用奠定基礎,展現(xiàn)了通過模擬人類學習過程培養(yǎng)真正智能AI的新路徑。