從火逆看天體運行 AI竟然與哥白尼有著相同的結論

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

  1. S. Johnson, “A neural network discovered Copernicus’ heliocentricity on its own“, Big Think, 2019.
  2. 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)

views