從火逆看天體運行 AI竟然與哥白尼有著相同的結論
編譯／鄭伊軒
不一樣的神經網路
縱觀過去的科學演進，乃至今日，物理學家在理論發展的過程中，一言以蔽之都是將「複雜的現象」逐步拆解為「簡單的規則」，將錯綜紛雜的現象濃縮成簡短俐落的公式，並以之描述、理解與預測這世界的運行。
乍聽之下，這與人工神經網路的運作背道而馳。傳統神經網路在學習辨認事物時，必須先由大量數據中提取出特徵，再由這些特徵連結到事物的種類與標籤。「知識」被隱藏在神經網路中的各個節點與複雜的連結中，不僅難以預測，更遑論解釋其運作過程。
然而瑞士蘇黎世聯邦理工學院物理學家Renato Renner和他的團隊所開發的SciNet，卻有些與眾不同。SciNet由兩個子網路組成：其中一個子網路負責分析得到的數據，並從中學習；另一個子網路則負責運用前一個網路所學習到的「經驗」來做預測，並且檢驗這些預測是否準確。兩個子網路之間只有少許的連結，迫使前者（負責分析和學習）必須以更精煉、簡潔的方式與後者（負責預測和檢驗）來回傳遞訊息，「就像是一名老師如何將知識傳授給學生的過程」。
詭譎的火星
地心說認為：火星之所以逆行，是因為其在繞行本輪的同時，也繞著均輪運動所導致。（圖片來源：Cococubed）
十六世紀時，地心說仍是主流，許多行星（包含火星在內）的逆行現象（retrograde）困擾著當時的天文學家。他們最終找到一種自圓其說的說法：火星在一個稱為「本輪」（epicycle）的小圓圈上運動的同時，也沿著一個稱為「均輪」（deferent）的較大圓圈上運動。然而哥白尼卻提供了另一個更簡潔的解釋模型：太陽位於太陽系中心，並被其他星體繞轉。
SciNet最初的幾項任務之一，就是預測太陽和火星的運行軌道。研究團隊先是將地球上看到的太陽與火星的觀測資料輸入SciNet，接著便交由SciNet自行運算。令人驚嘆的是，SciNet最後給出的火星軌道預測，竟與十六世紀時的哥白尼不謀而合，暗示著太陽才是太陽系的中心。一個AI竟然自己領悟到了這個人類科學史上最重要的典範轉移！
物理學家的未來
雖然嚴格來說，SciNet在這次實驗中的「發現」與十六世紀時哥白尼有些不同：SciNet所歸結出的數學式仍需要人類物理學家的參與與詮釋，才能將其對應到欲解釋的物理現象。
但無論如何，人工神經網路可以在不具備高深物理或數學知識的前提下，心無旁騖地從茫茫觀察資料中「篩選出」解釋特定物理現象必須的變量。而這種能夠挑選出關鍵變量的能力，正是不同領域的科學家們，在理解益漸複雜的自然現象（例如量子力學所帶來的各種矛盾）時迫切需要的。
編譯來源
D. Castelvecchi, “AI Copernicus ‘discovers’ that Earth orbits the Sun“, Nature, vol. 575, no. 7782, pp. 266-267, 2019.
參考資料
- S. Johnson, “A neural network discovered Copernicus’ heliocentricity on its own“, Big Think, 2019.
- R. Iten, T. Metger, H. Wilming, L. del Rio and R. Renner, “Discovering Physical Concepts with Neural Networks“, Physical Review Letters, vol. 124, no. 1, 2020.
(本文由教育部補助「AI報報─AI科普推廣計畫」執行團隊編譯)