AI回16世紀變身哥白尼「重新推導」出地球繞著太陽轉！還有助於解決量子力學矛盾問題

天文學家花了幾個世紀才弄明白的規律，如果從頭開啟交給機器學習演算法去領悟，能重現被發現嗎？近日，蘇黎世瑞士聯邦理工學院（ETH）物理學家Renato Renner的團隊就進行了這個讓AI「重回16世紀」的嘗試。

他們開發了一種新型的神經網路——受大腦結構啟發的機器學習系統。然後，這個演算法透過檢測太陽和火星相對於地球的運動，竟然能夠得出太陽位於太陽系中心的結論。

也就是說，讓機器自學哥白尼時代的基礎物理知識和相關軌道運行訊息，它能夠自行得出「太陽中心說」的結論，甚至還自行推導出了哥白尼提出的的火星運動軌跡公式。

這一有趣的結論被小組成員們稱為「重新發現了科學史上最重要的轉折之一」，堪稱人工智慧領域「哥白尼」的誕生。

「哥白尼」神經網路誕生

從前，地球一直被認為是宇宙的中心，天文學家們用行星的小週期運轉（本輪）來解釋火星的運動。直到16世紀，哥白尼發現，如果假設地球和其他行星都在繞太陽公轉，則可以用更簡單的公式來歸納行星運動規律。

這一發現堪稱在人類科學史上的巔峰時刻之一，不僅在天文學上，在歷史、宗教領域都帶來了不可超越的重大影響。

據nature報導，這一人類花了幾個世紀才弄清楚的行星運轉規律，也可以被演算法短時間模擬。

來自ETH的研究團隊稱，他們的演算法可以根據太陽和火星的運動軌道以及它們相對於地球的位置，推論出太陽位於太陽系的中心位置——這一壯舉是這項技術的第一個測試。

加拿大多倫多大學物理學家Mario Krenn表示，該研究小組的神經網路得出了哥白尼提出的的火星運動軌跡公式，重新發現了科學史上最重要的轉折之一。下一步，研究人員希望透過得出大數據的普遍規律和模式，用於新的物理定律的發現，並重新制定量子力學。

傳統的神經網路透過收集和分析龐大的資料（如圖像和聲音）來自我訓練。透過大數據，神經網路可以總結出某類型事物特徵的規律，例如，用「四隻腿」和「尖耳朵」來辨識貓。這些特徵在其數學「節點」（人造神經元）上被編碼。但是，神經網路無法自動將這些訊息提煉成幾個易於解釋的規則，它是一個黑匣子，以一種無法預測且難以解釋的方式，將其獲得的知識分佈在成千上萬個結點上。

Renner的團隊設計了一種「遲鈍型」的神經網路——由兩個僅通過少數幾個鏈接相互連接子網路組成。其中第一個子網路具備傳統的數據學習功能，另一個子網路則使用學習得到的經驗得出新的預測並測試。由於兩個子網路間相互連接的鏈路很少，因此第一個網路以壓縮格式將訊息傳遞給另一側。Renner表示，整個過程有點像老師將知識傳授給學生。