AI版哥白尼 推导“日心说”so easy

　　人类对天体的观测已经有了上千年的历史。公元2世纪时，古希腊天文学家托勒密提出“地心说”来解释他的天文观测数据，但直到16世纪初，哥白尼提出“日心说”，才颠覆了一千多年来的传统，再加上后面开普勒、伽利略、牛顿等人的完善，人类对天体运行的规律逐渐有了比较清楚的认识。那么如果让人工智能（以下简称AI）进行研究，它需要花多久呢？答案是只需要在一台笔记本电脑上运行几个小时便可得出。

　　图1. 我们的太阳系 Credit: NASA/JPL/SPL

　　会做科研的AI

　　苏黎世瑞士联邦理工学院(ETH)的物理学家雷纳托·雷纳（Renato Renner）和他的合作者设计了一种新型的神经网络可以将大量的数据集提炼成几个基本的公式，就像牛顿提出简洁的万有引力定律来描述天体运行轨道一样。所谓神经网络是一种模仿大脑的神经元结构而建立的机器学习系统，从而让计算机也能像人一样具有学习、鉴别和预测的能力。

　　传统的神经网络通过对大量数据集的训练来学习识别物体，如图像或声音。例如，“四条腿”、“尖尖的耳朵”和“胡须”等特征可能被AI识别是猫。然后，它们将这些特征编码到网络的“节点”（好比人脑的神经元）中。但是神经网络并没有像物理学家那样，将这些信息提炼成易于解释的规则，它像一个黑匣子，你并不能直接看清这些规律到底是什么。

　　因此，雷纳的团队设计了一种好比“脑叶切除”的神经网络:它由两个通过少量的节点相互连接的子网络组成。第一个子网将从数据中学习和训练，第二个子网将使用这种“经验”来做测试和新的预测。由于连接双方的链路很少，第一个网络被迫以压缩的格式向另一个网络传递信息，就像导师需要把他们学到的知识传授给学生。

　　图2. 雷纳团队设计的新神经网络的结构。所谓的“表示”可以理解为总结出来的公式，“潜”意味着它隐藏在神经网络内。

　　他们对该神经网络所做的一个测试是向该网络提供从地球上看到的火星和太阳在天空中运动的模拟数据，然后它得出了哥白尼式的火星轨道公式。除此之外，它还被应用于二体碰撞、单摆、量子系统等的求解，有望被用于解决复杂的科学问题。

　　哥伦比亚大学的机器人专家霍德.李普森(Hod Lipson)说：“这项工作很重要，因为它能够找出描述物理系统的关键参数。”他认为这些技术是我们理解并跟上日益复杂的物理和其他领域里现象的唯一希望。

　　AI是把双刃剑

　　正如机器将人类从繁重的体力劳动中解放出来，AI将人类从复杂的脑力劳动中解放出来。AI可以面对更海量的数据、以更高的效率、解决更复杂的问题，帮助我们更迅速地修筑起人类科学的参天大厦，这是人类仅凭一己之力所远远不能企及的。

　　不过，譬如AlphaGo下赢了人类顶尖的棋手后，从此人间不再有棋王。有人也可能会担心，机器人会让无数从事简单机械劳动的“白丁”失业流浪，AI会不会也令满腹经纶的学者、科学家们也黯然神伤呢？如此到处“称王称霸”的AI，会不会反过来伤害或征服人类呢？

　　但也有不同的声音表示，AI虽然在某些方面有一技之长，但终究是人类发明出来的，是人类智慧的延伸和拓展，不可能完全取代人类。雷纳也强调，虽然该AI推导出了这些公式，但依然需要人来解释它所得到的公式，并理解公式背后的物理含义。

　　AI也许会从大量实验和海量数据中拟合抽取规律，达成对自然规律的无限逼近，但却很难如人类一般从第一性原理得到简洁优美的方程式。比如，从水星近日点的进动数据，AI很可能会发现真实引力相对于牛顿万有引力定律的偏离，但绝不可能直接得到爱因斯坦的广义相对论和场方程。由少量方程式构建的现代科学的美感也许在AI的机器语言中将会荡然无存。

　　相信未来的AI完全能够发挥所长，在大量的实验和观测数据中发现潜在规律，成为人类探索未知、揭示宇宙奥秘的强大助手。这正是：

　　人工智能多才俊，

　　不惧繁复拓新篇。

　　双子网络泄天机，

　　世上从此少疑难。

　　感谢中国科学院大学曲一至教授的有益讨论。

　　附注：

　　1.该神经网络为用简洁的“公式”来解释观测数据，它压缩信息得到的表示r(t)实为地球和火星的日心角的线性组合（详见参考文献[1]原文），可以认为AI已经知道用“日心说”的观点来解释观测数据。由此可见，AI由于没有人类长期的坚持“地心说”的偏见，更容易找到问题正确的答案；另一方面，AI能迅速分析大量数据并在短时间找出其中规律的这一优势，是人类难以望其项背的。

　　2.该神经网络源代码在GitHub网站上可以获取（见下），可以下载到自己的电脑玩一玩哦~https://github.com/eth-nn-physics/nn_physical_concepts

　　参考文献

　　[1] Iten, R., Metger, T., Wilming, H., Rio, L. D., & Renner, R. (2018). Discovering physical concepts with neural networks. arXiv:1807.10300

　　[2] Davide Castelvecchi. (2019). AI Copernicus ‘discovers’ that Earth orbits the Sun

　　https://www.nature.com/articles/d41586-019-03332-7

　　作者简介

　　郭潇，中科院国家天文台博士研究生，研究领域涉及脉冲星计时阵探测引力波、引力波的引力透镜效应等

　　陆由俊，中国科学院国家天文台研究员，中国科学院大学岗位教授，主要研究领域为理论天体物理，包括黑洞物理、引力波天体物理、活动星系核和类星体等。