4月9日消息，近代物理學出現停滯不前的處境，幾十年以來，我們沒有任何重大的新物理理論突破，我們是否需要一種全新的方式來理解宇宙呢？目前，美國明尼蘇達大學物理學教授維塔利·萬庫瑞稱，如果我們將世界當作一個正在學習的神經網絡，那麼我們就可以更好地理解量子引力、量子計算和人類意識。
資料圖
據悉，萬庫瑞從事多年的宇宙學、量子引力和機器學習研究。
20世紀的物理學家應該得到很大的贊譽，他們提出了兩個突破性發現：量子力學和廣義相對論，在經典物理學和統計物理學的幫助下，物理學家有一個很好的起點，他們在宇宙學等領域取得了驚人的進步。誰會想到科學家可以用量子力學來描述大爆炸前宇宙膨脹期間的變化，然後用廣義相對論的規則來研究大爆炸後的宇宙狀況？但如果你做對了（感謝阿列克謝·斯塔羅賓斯基、艾倫·古斯等人），將獲得非常具體的預測，這些預測之後先被宇宙背景探索者證實，又獲得普朗克實驗的證實，但是這段輝煌時期到此結束了。我們仍然不知道是什麼驅動了宇宙膨脹，或者是什麼暗能量或者暗物質，顯然，我們遺漏了一些重要的因素，許多研究人員認為，我們需要一個新的理論框架來統一20世紀的重大發現，無論它是基於弦理論、量子信息還是神經網絡，新的理論框架都很可能具有革命性的。
無論它是基於弦理論、量子信息還是神經網絡，新的理論框架都很可能具有革命性的。
我們現在能做些什麼來加速這一革命性的發現嗎？科學家建議稱，當前如果長時間陷入「局部最小值」，我們應當進入任何人工神經網絡或者任何學習系統，只要增加「步長」，在科學研究的背景下，「局部最小值」代表無法取得漸進的進展，增加的「步長」代表科學研究范圍的擴大。在某種程度上，該情況已經發生了，一些物理學家正在引入新的數學概念，連接物理學的不同領域，拓展跨學科合作，但這還不是在所有層面上都發生的。大多數科學家不願意在他們的「舒適區」之外進行研究，原因很簡單——這意味着更多的工作需要更少的認可，這就是真正的問題所在，有利於個體研究者的策略與有利於整個文明的策略是對立的。
我們試圖增加「步長」並找到一條走出「局部最小值」的方法，採用了一個非常大膽的想法，即整個宇宙是一個宇宙版的神經網絡，它的目的和其他任何神經網絡一樣，學習它的訓練數據集，或者換句話講，理解它的環境。這可能是微不足道的，但更重要的是，它表明，要想學習有效，就必須在所有尺度上發生——從亞原子到宇宙學。為了驗證這一假設，科學家首先開發了一種學習熱力學的方法（包括平衡和非平衡學理論），然後將其應用於廣泛的尺度上描述自然現象（包括量子物理學和經典物理學）。
近期，一篇名為《神經網絡的世界》的論文指出，我們周圍觀察到的量子、經典效應和引力效應可能不是基本的，而是宇宙神經網絡學習的突發行為，如果是正確的，那麼它告訴我們一些關於自然如何運行的非常深刻的原理。
該觀點也可以被看作是一種嘗試來協調量子力學和廣義相對論——「量子引力問題」，換句話講，神經網絡可能是量子力學和廣義相對論統一過程中缺失的環節，在最小尺度上，宇宙神經網絡處於平衡狀態，這在量子力學中可以很好地描述，但在最大的尺度上，神經網絡仍然距離平衡狀態很遠，廣義相對論可以更好地描述平衡狀態。此外，神經網絡模型可能會揭示觀察者的問題，量子力學中的「測量問題」和宇宙學中的「測量問題」，但要做到這一點，我們必須首先更好地理解宏觀觀察，或者還有意識，在這方面，生物學家的意見可能是絕對必要且有用的。
神經網絡可能是量子力學和廣義相對論統一過程中缺失的環節。
這是否意味着神經網絡將為21世紀的科學研究提供一個改進的理論框架？現在下結論還為時過早，但令人鼓舞的是，越來越多的物理學家、生物學家和計算機科學家正在認真考慮這種可能性，例如：最初並不清楚薛定諤方程何時能正確地描述平衡狀態下的學習動力學，但後期我們證明，當神經元的數量發生改變時，該情況就會發生。這也為建造人工量子計算機打開了一扇大門，也就是在一台能夠進行量子計算的計算機上運行人工神經網絡，這是我們目前正在與機器學習專家討論的問題。
利用人工神經網絡進行機器學習的想法最初源自生物學，但是，如果宇宙是一個神經網絡，那麼我們可能使用機器學習展開研究探索，例如：生物進化分析，生物學家正在研究類似的理論，目前看來頗有希望。
我們可以將宇宙視為一個神經網絡學習系統，這僅僅是漫長而激動人心的探索旅程的開始。
來源：cnBeta
