機器學習算法：繞開所有物理規律，直接從數據給出精確的預測

美國能源部普林斯頓等離子體物理實驗室(PPPL)的科學家設計了最新的機器學習算法，該算法可以直接輸出來自輸入數據的結果，并精確預測——中間沒使用任何物理定律!太陽系行星的軌道位置

你什么意思？

我們人類的大部分知識都是基于現象的歸納統計。比如古人觀察到的天象，雖然他們根本不了解天氣事件的內在規律，但他們仍然可以總結出“日暈、雨和月亮”的簡單規律來預測第二天的天氣，當然，這個觀測結論往往很粗糙，往往被錯誤地歸結為：古人遇到吃月亮的狗，就會敲門；日食結束時，他們可能會相信鑼真的有效，

機器學習算法本質上類似于上面的樸素歸納方法；即使對應的AI不掌握內在規律，也可以從經驗/數據中學習自己。

PPPL物理學家秦紅說：“在普通物理中，我們觀察，然后在觀察的基礎上創造一個理論，然后用這個理論來預測現象。我在做的是用黑盒代替這個過程，這個黑匣子不用傳統的理論或定律就能給出準確的預測。”

秦將水星、金星、地球、火星、木星、谷神星的軌道觀測數據錄入程式。然后，與其他稱為“服務算法”的程式一起，該程式可以在不使用牛頓運動定律和萬有引力定律的情況下，準確預測行星的軌道位置。

秦說：“從本質上講，我繞開了物理學的所有基本要素，我直接從數據轉到數據，中間沒有物理定律。”

這種結果不是一個程式能達到的，

美國能源部洛斯阿拉莫斯國家實驗室的物理學家約書亞布爾比(Joshua Burby)說：“這相當于該項目自發地發現了大自然用來從數據中確定物理系統動力學的基本原理。換句話說，他的代碼真的‘學到’了物理定律，”

類似的黑箱過程也出現在哲學思想實驗中，比如約翰塞爾著名的《大陸房間》。

秦的一部分啟發來自于牛津哲學家尼克博斯特羅姆的思想實驗，即宇宙本身就是一個計算機程式。如果這是真的，那么物理學的基本定律應該揭示宇宙是由基本的時空塊組成的，就像電子游戲中的像素一樣，秦說：“如果我們活在模擬中，我們的世界必然是離散的，”他的黑盒并不要求物理學家從字面上相信宇宙模擬猜想，盡管它是基于此而創建的程式。

類似于電影《黑客帝國》中描繪的世界，由此產生的像素化世界觀稱為離散場論，認為宇宙是由單個比特組成的，與通常的理論不同。雖然科學家通常設計關于物理世界行為的一般概念，但計算機只是收集數據點的集合。

普林斯頓大學部等離子體物理研究所的秦和埃里克帕默杜卡正在開發一種利用離散場理論預測核聚變實驗中等離子體粒子行為的方法。

這個過程也引發了關于科學本質的問題，科學家是否應該發展解釋世界的物理理論，而不是單純的收集數據？物理學真的有必要解釋和理解現象嗎？

秦說：“我認為任何科學家的最終目標都是做出現實的理論預測，我們不一定需要物理定律，舉個例子，如果我能完美地預測一顆行星的軌道，那么我就不需要知道牛頓的萬有引力定律和運動定律，當然，你可以辯稱，這樣做，從知識的角度來看，我們缺乏牛頓定律，一般是正確的，但從實際效果來看，我們可以在不知道內在機理的情況下給出正確的預測，用理論給出預測并沒有實際的區別。”

機器學習也可以為更多的研究提供可能性，帕爾梅杜卡說：“它大大拓寬了解決問題的范圍，因為我們所要做的就是輸入數據。雖然從某種意義上說，新方法消解了理論的必要性，但它可以被視為通向理論的途徑。”

https://phys . org/news/2021-02-machine-theory-nature-science . html

獎賞

支付寶獎勵[x]

您的姓名：

獎勵金額：

5元10元15元20元50元100元GO