科學(xué)家已經(jīng)習(xí)慣于使用超級計算機(jī)處理宇宙學(xué)領(lǐng)域的海量數(shù)據(jù),最近卡耐基梅隆大學(xué)的研究團(tuán)隊找到一種新方法,可以使用常規(guī)的機(jī)器學(xué)習(xí)技術(shù)(與AI繪畫或作曲擁有同樣的底層設(shè)計),在圖形處理單元(GPU)上實現(xiàn)高級模擬能力。
這個名為“無人在此”(This Person Does Not Exist)的研究項目,嘗試使用大家熟知的硬件與神經(jīng)網(wǎng)絡(luò)技術(shù)以高分辨率形式模擬我們的現(xiàn)實宇宙。這項極具前瞻性的研究,也許會徹底改變我們認(rèn)識宇宙與理解物理定律的方式。
根據(jù)研究小組的說法,使用傳統(tǒng)方法在單一處理核心上運行宇宙學(xué)模擬大約需要23天。因此,研究人員傾向于使用超級計算機(jī)完成此類仿真任務(wù)。之所以如此困難,是因為物理學(xué)中仍充斥著種種懸而未決的根本問題。我們找不到一套能夠解釋整個宇宙的統(tǒng)一規(guī)則,科學(xué)家們也不清楚如何將經(jīng)典物理學(xué)定律同量子領(lǐng)域中觀察到的現(xiàn)象聯(lián)系起來。
為此,我們必須努力探索。在涉及到預(yù)測宇宙中暗物質(zhì)數(shù)量等難題時,科學(xué)家必須嘗試不同的預(yù)設(shè)數(shù)值。只有這樣反復(fù)試錯,才能最終得出更接近真實情況的結(jié)果??茖W(xué)家們開始著手模擬,并將發(fā)現(xiàn)與太空望遠(yuǎn)鏡及其他觀測結(jié)果數(shù)據(jù)源進(jìn)行核對,之后再模擬、再核對,如此反復(fù)。
問題所在
超級計算機(jī)的運行成功率極高,租用一個小時往往就要花掉數(shù)千美元。與單一GPU的低功耗水平相比,超級計算機(jī)簡直就像是個熊熊燃燒的大火爐。
所以對于這類需要反復(fù)試驗的問題,超級計算機(jī)顯然不是最好的解決方案。
路在何方
研究人員將問題歸結(jié)為:目前,我們可以先對宇宙中的小塊圖像進(jìn)行高分辨率模擬,并在大型模擬區(qū)域內(nèi)轉(zhuǎn)為低分辨率圖像模擬。至于大型區(qū)域的高分辨率圖像處理必須慎而又慎,因為這會耗費掉大量時間、精力與能源。
但這樣的現(xiàn)狀,相當(dāng)于在模擬整個宇宙時設(shè)下一道不可逾越的鴻溝。貫通天塹的橋梁,就是AI。
卡耐基梅隆大學(xué)團(tuán)隊選擇的方案并非教導(dǎo)AI以程序化方式模擬整個宇宙(這仍然可能設(shè)定無窮多個變量),而是直接以高分辨率形式進(jìn)行圖像模擬。
這大大提升了模擬效率。具體提升了多少?卡耐基梅隆大學(xué)的Jocelyn Duffy表示:經(jīng)過訓(xùn)練的代碼能夠獲取完整的低分辨率模型并執(zhí)行超高分辨率模擬,將其中包含的粒子數(shù)量擴(kuò)展達(dá)512倍。對于宇宙當(dāng)中直徑約5億光年、包含1.34億個粒子的區(qū)域,原有方法需要560個小時才能在單一處理核心上完成高分辨率模擬;而使用新方法后,研究人員僅僅需要36分鐘。在向模擬流程中添加更多粒子后,效果變得更為顯著。對于包含1340億個粒子的“千億”(相較于上一用例)宇宙,研究人員的新方法在單一圖形處理單元中只需要16個小時即可處理完成。如果使用原有方法,這種大小及分辨率的模擬必須配合專用的超級計算機(jī),處理時長也將達(dá)到數(shù)月之久。
這不是說AI真能“理解”我們所無法企及的宇宙空間。相反,它只是在以令人信服的方式將低分辨率模擬圖像擴(kuò)充為高分辨率形式,幫助科學(xué)家以更少的時間、精力與能源投入獲得可靠的模擬結(jié)果。
從本質(zhì)上講,這就像是為AI提供電影的分鏡草稿,再由它輸出實拍影片的具體樣貌。雖然還不夠完善,但已經(jīng)可以在一定的保真水平下省去真實拍攝的麻煩。
實際過程當(dāng)然要比本文的描述復(fù)雜得多。但好在模擬出的宇宙圖像比較容易驗證,我們可以直接把結(jié)果跟觀測數(shù)據(jù)進(jìn)行比較。唯一的謎團(tuán),是我們并不知道AI模型是如何完成填充的。
這項最新成果,讓宇宙學(xué)模擬從超級計算機(jī)的專利變成了完全可以運行在游戲PC上的“小case”,研究人員也可以借此快速測試自己的靈感、推動模擬能力的大眾化轉(zhuǎn)型。
從樂觀的角度來說,這項研究有望徹底改變我們對現(xiàn)實宇宙的觀察方式。如果運氣好,我們也許能更好地對暗物質(zhì)、引力效應(yīng)甚至是宇宙起源作出原理性解釋。
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(jī)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(zhǔn)測試中均超越傳統(tǒng)方法。研究還發(fā)現(xiàn)注意力質(zhì)量與分類性能的強(qiáng)相關(guān)性,生成可解釋的注意力圖譜,展現(xiàn)出優(yōu)異的跨域適應(yīng)性。團(tuán)隊承諾開源全部代碼,推動技術(shù)普及應(yīng)用。
伊利諾伊大學(xué)研究團(tuán)隊開發(fā)了CLAIMSPECT系統(tǒng),通過層次化分解復(fù)雜爭議、智能檢索相關(guān)文獻(xiàn)、多角度收集觀點的方法,將傳統(tǒng)的"真假"判斷轉(zhuǎn)變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動構(gòu)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(xué)和政治爭議提供更全面客觀的分析,已在生物醫(yī)學(xué)和國際關(guān)系領(lǐng)域驗證有效性。
清華大學(xué)研究團(tuán)隊首次提出情感認(rèn)知融合網(wǎng)絡(luò)(ECFN),讓AI能像人類一樣理解和表達(dá)情感。該系統(tǒng)通過多層次情感處理架構(gòu),在情感識別準(zhǔn)確率上比現(xiàn)有最佳系統(tǒng)提升32%,情感表達(dá)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(lǐng)域帶來革命性應(yīng)用前景。
哈佛大學(xué)研究團(tuán)隊通過創(chuàng)新的多智能體強(qiáng)化學(xué)習(xí)方法,讓AI在戰(zhàn)略游戲中學(xué)會復(fù)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(lǐng)域的應(yīng)用奠定基礎(chǔ),展現(xiàn)了通過模擬人類學(xué)習(xí)過程培養(yǎng)真正智能AI的新路徑。