<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          物理學家80頁論文證明馬斯克「模擬矩陣」:宇宙是個自學成才的計算機

          共 3733字,需瀏覽 8分鐘

           ·

          2021-04-12 13:22



            新智元報道  

          來源:arXiv
          編輯:小勻、LZY

          【新智元導讀】與微軟合作的理論物理學家團隊發(fā)表了一個毛骨悚然的啟發(fā)性理論:和人類一樣,宇宙本身也在觀察并學習自己的規(guī)律與結(jié)構(gòu),換句話說,我們生活在一臺不斷學習自身的電腦里。而且在該理論中,我們永遠不會統(tǒng)一物理學定律。

          別太得意。

          當你試圖了解宇宙的時候,宇宙也在「學習」你。

          近日,與微軟合作的一組理論物理學家發(fā)表了一篇驚人的論文,將宇宙描述為:進化定律的自學成才系統(tǒng)(a self-learning system of evolutionary laws)。


          這篇長達80頁的論文名為「自律宇宙(The Autodidactic Universe)」,論文表示,和人類一樣,宇宙本身也在觀察并學習自己的規(guī)律與結(jié)構(gòu),并因此作出某些改變。

          換句話說,我們生活在一臺不斷學習自身的電腦里。

          宇宙自學成才,「演化」出深度學習框架?

          如果宇宙是一臺計算機,而不是固態(tài)的存在,那么它是怎么運作的?

          論文指出,宇宙的運行有一個類似于機器學習的學習系統(tǒng)。


          正如我們教會機器來執(zhí)行某些功能一樣,本質(zhì)上,宇宙法則是以學習操作的形式工作的算法。

          根據(jù)作者的觀點,宇宙也演化出了類似深度學習框架的自發(fā)系統(tǒng)。

          我們知道,深度學習框架就是一套積木,各個組件就是某個模型或算法的一部分,你可以自己設(shè)計積木的堆疊。


          因此,我們是否可以想象,宇宙演化出法則的操作矩陣架構(gòu),其本身是從一個自動教學系統(tǒng)演化而來的,該系統(tǒng)產(chǎn)生于最可能的最小初始條件?

          論文中,作者描述了幾個模型,這些模型均實現(xiàn)了「自導自演」:

          有7,088個節(jié)點和7,304條邊的圖,由抽樣可能的未來構(gòu)成

          仔細想想,這是有道理的。

          生活中,物理定律的得出靠的是我們的觀察,所以原始物理定律將極其簡單,但經(jīng)過代代更迭,定律有了自我延續(xù)并具有學習和發(fā)展的能力。

          也許,宇宙不是從大爆炸開始的,而僅僅是粒子之間的簡單相互作用。


          研究人員通過指出「架構(gòu)會放大放大很小數(shù)量的粒子的因果關(guān)系」來暗示這一淵源。

          宇宙定律不斷更新,過程不可逆,統(tǒng)一物理學不可能!

          作者認為,宇宙不斷發(fā)展的規(guī)律不可逆轉(zhuǎn)。

          這是因為新的狀態(tài)不是隨機的,而是必須滿足一定的約束條件,而眼前的過去狀態(tài)已經(jīng)滿足了約束條件。

          「規(guī)律恢復到以前的狀態(tài)是很常見的,甚至可能比它們找到新的狀態(tài)更有可能?!?/span>

          論文第一作者Stephon Alexander

          一個可逆但不斷進化的系統(tǒng)會隨機地頻繁地探索離它最近的過去。當我們看到一個不斷進化的系統(tǒng)表現(xiàn)出穩(wěn)定期時,它可能是單向進化的。


          在說明這些觀點時,研究人員引用了一個例子:

          你可以簡單地檢查一下硬盤上剩余的磁性標記。這樣就會發(fā)現(xiàn)程序的結(jié)果是可逆的:因為存在之前執(zhí)行的歷史記錄。
           
          但是,如果同一位專家試圖通過檢查CPU來確定程序的結(jié)果,那就很難做。因為沒有CPU的運行記錄。

          根據(jù)這篇論文,138億年前和100萬億年后,支配相對論等概念的規(guī)則可能完全不同。


          這意味著物理學并不是一成不變的。

          用物理思維理解機器學習

          文章圍繞受限玻爾茲曼機(restricted Boltzmann machine, RBM)討論。

          受限玻爾茲曼機由Hinton等人提出,是一種生成式隨機神經(jīng)網(wǎng)絡(luò)。


          這個概念非常抽象,是一種類似物理學的機器學習模型。

          然而,受限玻爾茲曼機是最簡單的一類深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),

          該架構(gòu)由兩層神經(jīng)元組成。一個是可見層(綠色),一個是隱藏層(藍色)。


          在這種模型中,神經(jīng)元的狀態(tài)值是以隨機的方式確定的,而不像之前介紹的神經(jīng)網(wǎng)絡(luò)那樣是確定性的。據(jù)任務(wù)的不同,受限玻茲曼機可以使用監(jiān)督學習無監(jiān)督學習的方法進行訓練。

          簡單理解,就是做個映射,其規(guī)律可能會隨著時間的推移而演變。

          那么,如何將物理規(guī)律理解為學習?

          作者將建立以下的圖譜,在一類物理理論和一類基于神經(jīng)網(wǎng)絡(luò)的學習模型。

          模擬理論(上)、規(guī)范場論(左)與機器學習(右)

          然后通過與矩陣模型的對應(yīng)關(guān)系來實現(xiàn):


          隨著訓練過程的迭代,連接兩層的權(quán)重會根據(jù)優(yōu)先原則進行更新,直到它們在某個極限集上收斂。但作者考慮的變體情況是,兩層的size都非常大,而且每層的神經(jīng)元數(shù)量相等。

          模擬矩陣的「信徒」:從德雷克方程到馬斯克

          熟悉馬斯克的都知道,他堅信「矩陣模擬假設(shè)(Matrix-style simulation)」。

          2018年,在由喜劇演員Joe Rogan主持的《The Joe Rogan Experience》節(jié)目中,馬斯克比較全面的闡述了他自己的價值觀,他堅信「我們活在模擬(simulation)中」。馬斯克的「矩陣模擬假設(shè)(Matrix-style simulation)」理論是根據(jù)宇宙已經(jīng)存在138億年的事實而提出來的。

          讓我們引入另一個概念:德雷克方程。


          德雷克方程是科學界最著名的研究成果之一,它通過估計我們銀河系中可能存在的其他智慧文明的數(shù)量,計算出我們在宇宙中并不孤單的可能性。
           
          德雷克公式又稱「綠岸公式」,是用來推算銀河系及可觀測宇宙能與我們進行無線電通信的高智能文明數(shù)目。由美國天文學家德雷克于1960年代在綠岸鎮(zhèn)提出。
                 德雷克方程
           
          德雷克方程的含義是:

          銀河系內(nèi)可能與我們通訊的文明數(shù)量=銀河系內(nèi)恒星數(shù)目×恒星有行星的比例×每個行星系中類地行星數(shù)目×有生命進化可居住行星比例×演化出高智生物的概率×高智生命能夠進行通訊的概率×科技文明持續(xù)時間在行星生命周期中占的比例。
           

          德雷克方程雖然簡單,但卻無法求解。該方程還有很多不確定項,比如發(fā)展出智慧生命的行星的比例;還有一些可能我們永遠都不會知道,比如在被發(fā)現(xiàn)之前自我毀滅的比例。
           
          盡管如此,科學家們還是利用德雷克公式對可能出現(xiàn)外星智慧文明的可能性劃出了界限。


          從另一個角度來說,我們很可能和外星生物存在某種聯(lián)系,因為我們的世界可能是他們的某種超級計算機的一個模擬。事實上,很多的科學家、哲學家都認為,這種情況的概率非常接近于1。

           
          換句話說,我們每個個體和周圍的環(huán)境,一切都可能是計算機的數(shù)字化模擬。
           
          這種說法的準確性我們不得而知,但是我們?nèi)耘f希望能有一種更好的方式來判斷這種可能性。
           
          加拿大蒙特利爾大學的Bibeau-Delisle 和 Gilles Brassard等人已經(jīng)推導出一個類似德雷克方程的公式,用來計算我們生活在模擬世界中的可能性。但是結(jié)果卻有點反直覺,可能會改變我們對模擬世界的看法。

          Gilles Brassard

          Bibeau-Delisle 和 Brassard 首先對可用于創(chuàng)建模擬世界的計算能力進行了估計。

          如他們所說,一千克的物質(zhì),完全用于計算,可以每秒執(zhí)行10 ^ 50次運算,而相比之下,同等的人類大腦只能進行10 ^ 16次運算。這樣一來,一臺相當于人腦質(zhì)量的計算機就有可能模擬出1.4 × 10 ^ 25個虛擬大腦的實時進化過程。
           


          所以可以合理的假設(shè),在一個足夠先進的文明中,一個地外高等文明生物完全可以模擬我們這樣充滿了自我意識的人類社會。
                
          兩位作者提出了上圖的公式來計算茫茫人海中有多少人是被模擬出來的,他們得到了兩種結(jié)果:要么這個世界完全是被模擬的,要么能夠用來模擬大腦的先進計算能力并不存在。


          而第二種結(jié)果很可能是正確的。一個只是技術(shù)比我們發(fā)達的高等文明生物,能夠以非常精確的方式模擬人類生物,使得人們有意識,但又同時愚弄了他們,讓真正的現(xiàn)實世界隔絕,這種做法是不道德的。

          另一種可能性是,外星文明從沒有強大到可以進行這種模擬,他們可能在這之前就因為疾病、戰(zhàn)爭、氣候等原因而消亡了。
                 
                
          兩位作者還提出了一個問題:假設(shè)我們存在于模擬世界中,我們是否可以逃跑,或者向高等的造物主隱瞞我們的意圖?
           
          他們認為模擬技術(shù)在本質(zhì)上是量化的,如果量子現(xiàn)象在傳統(tǒng)的計算機中如此難以計算,那么我們的世界很可能是在量子計算機上進行的模擬。


          這是一篇發(fā)表在arXiv上文章,研究人員將努力向其中添加算法和神經(jīng)網(wǎng)絡(luò)系統(tǒng)的類型。

          參考鏈接:
          https://arxiv.org/pdf/2104.03902.pdf
          https://thenextweb.com/news/physicists-working-with-microsoft-think-the-universe-is-a-self-learning-computer
          https://thenextweb.com/news/physicists-working-with-microsoft-think-the-universe-is-a-self-learning-computer

          瀏覽 67
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  欧美亚洲中文日韩 | 男女啪啪视频免费网站 | 波多野结衣无码电影 | 欧洲国产精品黄色网址 | 天天操女人 |