机器学习算法：绕开所有物理规律，直接从数据给出精确的预测

Posted 2021-04-03 煎蛋

美国能源部(DOE)普林斯顿等离子体物理实验室(PPPL)的科学家设计出最新的机器学习算法，可以直接由输入数据输出结果，精确预测太阳系中行星的轨道位置——中间没使用任何物理定律！

什么意思呢？

我们人类的绝大多数知识，都是基于对现象的归纳统计。比如说，古人观察天象，虽然完全不了解天气事件内在的规律，却依然可以总结出“日晕雨月晕风”这样的朴素规律，借此预知第二天的天气。当然， 这种观察性的结论往往很粗糙，还有经常会错误归因：古人遇到天狗食月时，会敲锣；月食结束时，他们或许会相信敲锣真的有效。

机器学习算法，本质上和上面的朴素归纳法有几分类似；相应的AI哪怕并未掌握内在规律，也可从经验/数据中自我学习。

PPPL物理学家秦虹(音)说：“通常的物理学，我们会进行观察，然后基于观察创建一个理论，再使用该理论预测现象。我正在做的是用黑匣子代替此过程，这种黑匣子可以不借助传统理论或定律给出准确的预测结果。”

秦将水星、金星、地球、火星、木星和谷神星的轨道观测数据输入了程序。然后，该程序与被称为“服务算法”的其他程序一起，无需使用牛顿运动定律和万有引力定律就可以准确预测出行星的轨道位置。

秦说：“从本质上讲，我绕开了物理学的所有基本要素。我直接从数据转到数据。中间没有物理定律。”

这种结果不可能是程序撞大运得到的。

美国能源部洛斯阿拉莫斯国家实验室的物理学家约书亚·伯比(Joshua Burby)说：“相当于程序自发地从数据中勘破了大自然用来确定物理系统动力学的基本原理。换句话说，他的代码确实'学习了'物理学定律。”

类似的黑盒过程也出现在哲学思想实验中，如约翰·塞尔(John Searle)著名的中文屋。

秦的部分灵感来自牛津的哲学家尼克·博斯特伦(Nick Bostrom)的思想实验，即宇宙本身是计算机程序。如果这是真的，那么基本的物理定律应该揭示出宇宙是由基本时空块组成的，就像视频游戏中的像素一样。秦说：“如果我们生活在仿真中，我们的世界必须是离散的。” 他的黑匣子不需要物理学家从字面上相信宇宙模拟猜想，尽管它是基于此创建的程序。

与电影《黑客帝国》中描绘的世界相似，由此产生的像素化世界观被称为离散场论，该场论认为宇宙是由单个比特组成的，与通常的理论不同。尽管科学家通常会设计出有关物理世界行为方式的总体概念，但计算机只是在收集数据点的集合。

秦和普林斯顿大学等离子体物理课程的研究生Eric Palmerduca正在开发使用离散场理论来预测核聚变实验中等离子体粒子行为的方法。

这个过程也提出了有关科学本质的问题。科学家要开发解释世界而不是简单地收集数据的物理学理论吗？物理学对解释和理解现象是否真的的有必要？

秦说：“我认为任何科学家的最终目标都是做出符合实际的理论预言。我们可能不一定需要物理定律。例如，如果我可以完美地预测一个行星轨道，那么我就不需要知道牛顿的引力和运动定律。您当然可以辩称，这样做，从知识的角度，我们缺少了牛顿定律。这一般来说是正确的，但是从实际效果来看，不知道内在机制却能给出正确的预测，和运用理论给出预测没有实际的区别。”

机器学习还可以为更多的研究提供可能性。Palmerduca说：“它大大拓宽了可解决问题的范围，因为要做的只是输入数据。尽管从某种意义上说，新方法消解了理论的必要性，但它又可被看作是通向理论的途径。”

https://phys.org/news/2021-02-machine-theory-nature-science.html