利用電腦，人類能發現「萬有理論」嗎？

曾經，阿爾伯特·愛因斯坦把科學理論描述為「人類思想的自由發明」。但在1980年，著名的劍橋大學宇宙學家史蒂芬·霍金有另一種想法。在那年的一次演講中，他提出，所謂的「萬有理論」可能是可以實現的，但它的最後實現可能要靠電腦來完成。

萬有理論還沒有出現，但電腦已經開始接管生活中的一些許多瑣事了，比如翻譯語言、辨識人臉、駕駛汽車、推薦約會對像等等。這樣看來，想像它們接管世界上的一切也就不那麼瘋狂了。

▲ 圖片來源：Alex Eben Meyer/《紐約時報》 像DeepMind的「AlphaGo」這樣的電腦程式，不斷發現在圍棋和西洋棋等遊戲中擊敗人類的新方法，而這些遊戲已經被人類研究了幾個世紀。為什麼這些了不起的學習機器，就不能釋放出由大型強子對撞機編譯的千兆位元組等級的資料，分辨出一組新的基本粒子，或是發現太陽系外另一個星系的蟲洞，就像電影《星際效應》裡的那個星係呢？

至少這是可以想像的。如果不這麼想，就會陷入物理學家馬克斯·泰格馬克（Max Tegmark）所說的「碳沙文主義」。11月，泰格馬克擔任教授的麻省理工學院（Massachusetts Institute of Technology）兌現了美國國家科學基金會（National Science Foundation）的一張支票，並開啟了人工智慧與基礎互動作用研究所（Institute for Artificial Intelligence and Fundamental Interactions）的大門。

該研究所是該基金會和美國農業部建立的七個研究所之一，作為全國推動人工智慧工作的一部分。每個所在五年內會獲得2000萬美元的資助。

這個位於麻省理工學院的研究所由粒子物理學家傑西·塞勒（Jesse Thaler）領導，是唯一一個專門從事物理學研究的研究所。它包括來自物理各個領域的20多位科學家，他們來自麻省理工學院、哈佛大學、東北大學和塔夫茨大學。

塞勒在一次Zoom電話會議上表示：「我希望創建一個平台，讓來自不同物理領域的研究人員，以及電腦科學、機器學習或人工智慧領域的研究人員可以聚集在一起，進行對話，互相傳授知識。最終，我希望能製造出像物理學家一樣思考的機器。」

重新發現基本定律

他們在這方面的工具是神經網路。不同於所謂的專家系統，如IBM的華生，它承載著人類和科學知識，神經網路被設計成就像人類的大腦一樣。透過分析大量數據以尋找隱藏的模式，它們能很快就學會如何區分狗和貓、辨識人臉、複製人類語言、辨識財務不當行為等等。

泰格馬克說:「我們希望能發現各種新的物理定律。我們已經證明，它可以重新發現物理定律。」

去年，泰格馬克博士和一名學生西爾維烏-瑪麗安烏德雷斯庫從一本著名教科書（理查德·費曼、羅伯特·萊頓和馬修·桑茲的《費曼物理學講義》）中提取了100個物理方程式，並利用它們產生數據，然後將這些數據輸入神經網路，系統通過篩選數據以尋找規律。

「就像人類科學家一樣，它會依次嘗試許多不同的策略，」研究人員在去年發表在《科學進展》（Science Advances）上的一篇論文中寫道。「如果它不能一下子解決全部問題，就會嘗試將問題轉化成可以單獨解決的更簡單的部分，遞歸地在每個部分上重新啟動完整的演算法。」

在另一項更具挑戰性的實驗中，泰格馬克和他的同事向網路展示了一段火箭四處飛行的影片，並要求它預測從一格到下一格會發生什麼，而別管背景裡的棕櫚樹。最終，電腦能夠發現基本的運動方程式。

泰格馬克說，在歐洲核子研究中心的大型強子對撞機這樣的地方找到新粒子將是輕而易舉的事。人工智慧喜歡大數據，對撞機的數據每秒可達數千兆位元組。自2012年發現希格斯玻色子以來，儘管多年來人們對數據流中的每一個波峰都進行了瘋狂的檢查，但歐洲核子研究中心的數據中就沒有出現過一種新粒子。

「這些都是人類關注的曲線，」泰格馬克說。「在未來10年裡，對於研究物理，機器學習的重要性將不亞於掌握數學。」

他承認，目前該演算法用遞歸的方法解決問題所能達到的效果有限。雖然這台機器可以從一大堆數據中檢索出物理學的基本定律，但它還不能得出這些公式背後的深層原理，比如量子力學中的量子不確定性或相對論。

泰格馬克說:「等到人工智慧回過頭來告訴你這一點的時候，我們就已經達到了人工智慧的一般水準，對此你應該會感到非常害怕或非常興奮。老實說，我研究這個的原因是：我發現最危險的是，如果我們構建了超級強大的人工智慧，卻不知道它是如何工作的，這才可怕。」

「人與機器的對話」

塞勒是麻省理工學院新研究所的負責人，他說，他曾經對人工智慧持懷疑態度，但現在成了一名支持者。他意識到，作為一名物理學家，他可以把自己的一些知識編碼到機器中，然後機器就會給出他更容易解釋的答案。

他說，「這將成為人類和機器之間的一種對話，它將變得更加令人興奮，而不僅僅是一個為你做決定而你不理解的黑盒子。」

他還說，「我並不是特別喜歡稱這些技術為『人工智慧』，因為這種說法掩蓋了一個事實，即許多人工智慧技術都有數學、統計學和電腦科學的嚴格基礎。」

最近，塞勒和他的同事在神經網路中輸入了來自大型強子對撞機（Large Hadron Collider）的大量數據，該對撞機透過對撞質子來尋找新的粒子和力。質子是構成原子物質的基石，本身就是由稱為夸克和膠子的更小粒子組成的。當質子碰撞時，這些較小的粒子會噴射出來。為了更好地理解這個過程，他的團隊要求系統區分對撞機數據中的夸克和膠子。

研究人員不會告訴電腦任何關於量子場論的東西，我不會告訴你夸克或膠子在基本層面上是什麼，有的只是一堆亂七八糟的數據，然後讓電腦把它們分成兩類。而且它能做到。

也就是說，在不知道夸克和膠子是什麼的情況下，該系統成功地辨識並區分了夸克和膠子。塞勒說，如果你問系統數據中是否有第三種類型的物體，系統就會開始發現夸克不僅僅是一種實體，而是以不同的類型存在——即所謂的上夸克和下夸克。

「當你給它更多的靈活性去探索時，它就開始學習，」他說。「它還不知道量子場論，但它知道尋找模式。這是我很驚訝機器能做到的事情。他補充說，這項工作將有助於對撞機物理學家理清他們的研究結果。

在一次Zoom談話中，塞勒展示了夸克-膠子項目中使用的神經網路，他稱之為「一幅愚蠢的漫畫」。它看起來就像一堆五顏六色的橡皮筋，但它實際上代表了幾層處理，涉及大約30,000個節點或「神經元」，訊息是在這個過程中收集和傳遞的。

他說：「如果你不嫌運行時間長，在筆記本電腦上也可以訓練這個小型網路。」

量子的開端

「AI在解決遊戲問題上如此成功的原因之一是，」塞勒說，「遊戲有一個非常明確的獲勝規則。他還說，「如果我們能定義物理定律的獲勝意味著什麼，那將是一個不可思議的突破。」從現在開始的5到10年裡，我將會做你想做的事情，找到可以取代粒子物理學的標準模型，可以取代愛因斯坦廣義相對論的方程式。

一些物理學家認為，隨著人工智慧在量子電腦上的出現，下一個重大飛躍將會到來。與經典電腦操作的位元是0或者1不同，量子電腦中所謂的量子位元可以同時是1或0。根據量子物理學，這是基本粒子在自然界最小尺度上的行為方式，它允許量子電腦同時處理大量訊息。

麻省理工學院（MIT）機械工程師、量子計算專家賽斯·勞埃德（Seth Lloyd）說，這類機器仍處於起步階段，但前景很好。他不是麻省理工學院新成立的人工智慧研究所的成員。

「基本的觀點是，量子系統能夠產生經典系統難以產生的模式，」勞埃德說。「因此，或許量子系統也可以辨識經典系統所辨識的模式。」

或者，正如伊利諾州巴達維亞費米國家加速器實驗室研究副主任喬·呂肯所說：「借用理查德·費曼的話，如果你想用人工智慧來發現量子世界的東西，你應該使用量子人工智慧。」

加州理工學院（California Institute of Technology）的物理學家瑪麗亞·史皮羅普魯（Maria Spiropulu）指出，「關於量子人工智慧和量子演算法的文獻越來越多，它們可以解決我們以前認為無法解決的問題。」

「它只是一個運行中的演算法」

這件事能走多遠取決於你問的是誰。一台機器能產生量子理論中深奧而不直觀的原理，或者愛因斯坦的相對論原理嗎？它會產生一種我們人類無法理解的理論嗎？我們會不會像《魔鬼終結者》系列那樣，以《駭客任務》的世界收場？

我隨機調查研究了一些理論物理學家，問他們是否準備好被取代。現在為微軟工作的電腦工程師傑倫·拉尼爾（Jaron Lanier）說，「你問問題的方式更讓人困惑。」他說，電腦科學領域充斥著對超級智慧機器的力量和威脅的誇張說法。「我們應該從運算的角度來提問題，而不是文學角度。演算法不是像貓一樣的生物，它只是一個運行中的演算法。」

諾貝爾獎得主、德克薩斯大學奧斯汀分校（University of Texas at Austin）教授史蒂文·溫伯格（Steven Weinberg）認為，人類可能不夠聰明，無法理解萬物的最終理論，這是一種「令人不安的想法」。但我懷疑，在那種情況下，」他在一封電子郵件中寫道，「我們也不會聰明到設計出一台能夠找到最終理論的電腦。」

哈佛大學物理學家麗莎蘭德爾（Lisa Randall）寫道：「我很容易想像電腦找到我們不知道如何解釋的方程式。但這與許多我們無法解釋的測量結果並沒有什麼不同。」

阿卡尼·哈梅德（Arkani-Hamed）是紐澤西州普林斯頓高等研究院的一位理論家，他不同意電腦會發現一些人類無法理解的深奧東西的觀點，「這並沒有反映出我們所看到的自然法則的特性，幾個世紀以來，我們所看到的自然法則是建立在更抽象、更簡單、更深刻的數學思想之上的。」

例如，如果艾薩克·牛頓起死回生，阿肯尼·哈米德說，他將毫不費力地趕上當代物理學的進度。

洛杉磯卡夫利基金會（Kavli Foundation）的宇宙學家麥可·特納（Michael Turner）說，我們的想法從何而來最終並不重要，只要這些想法在我們依賴它們之前經過了考驗。

「那麼我們從哪裡得到這些理論或典範呢？」它可能來自深層的原則——對稱、美、簡單——哲學原則或宗教，」他說。「隨著機器變得越來越智能，我們可以把它們加入資源列表中。」

同樣來自普林斯頓高等研究院（Institute for Advanced Study）的愛德華·威滕（Edward Witten）指出，儘管萬有理論機器目前還不存在，但可能在下個世紀就會出現。「如果有一台機器表現出對物理感興趣和好奇，我肯定會有興趣和它交談。」

• 資料來源：Can a Computer Devise a Theory of Everything?
• 本文授權轉載自36Kr