Theory of Everything
神译局是旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
编者按：万物理论「Theory of Everything」是囊括人类对自然运转的所有认知的理论，即一切物理定律的统一。霍金表示，“万物理论”可能是可以实现的，但它的最后实现可能要靠计算机来完成。本文译自New York Times，作者Dennis Overbye，原标题为”Can a Computer Devise a Theory of Everything?”，希望对您有所启发。
曾经，阿尔伯特·爱因斯坦把科学理论描述为“人类思想的自由发明”。但在1980年，著名的剑桥大学宇宙学家斯蒂芬·霍金有另一种想法。在那年的一次演讲中，他提出，所谓的“万物理论”可能是可以实现的，但它的最后实现可能要靠计算机来完成。
万物理论还没有出现，但计算机已经开始接管生活中的一些许多琐事了，比如翻译语言、识别人脸、驾驶汽车、推荐约会对象等等。这样看来，想象它们接管世界上的一切也就不那么疯狂了。
图片来源：Alex Eben Meyer/《纽约时报》
像DeepMind的“AlphaGo”这样的计算机程序，不断发现在围棋和国际象棋等游戏中击败人类的新方法，而这些游戏已经被人类研究了几个世纪。为什么这些了不起的学习机器，就不能释放出由大型强子对撞机编译的千万亿字节级别数据，分辨出一组新的基本粒子，或是发现太阳系外另一个星系的虫洞，就像电影《星际穿越》里的那个星系呢？
至少这是可以想象的。如果不这么想，就会陷入物理学家马克斯·泰格马克(Max Tegmark)所说的“碳沙文主义”。11月，泰格马克担任教授的麻省理工学院(Massachusetts Institute of Technology)兑现了美国国家科学基金会(National Science Foundation)的一张支票，并开启了人工智能与基础交互作用研究所(Institute for Artificial Intelligence and Fundamental Interactions)的大门。
该研究所是该基金会和美国农业部建立的七个研究所之一，作为全国范围内推动人工智能工作的一部分。每个所在五年内会获得2000万美元的资助。
这个位于麻省理工学院的研究所由粒子物理学家杰西·塞勒(Jesse Thaler)领导，是唯一一个专门从事物理学研究的研究所。它包括来自物理各个领域的20多位科学家，他们来自麻省理工学院、哈佛大学、东北大学和塔夫茨大学。
塞勒在一次Zoom电话会议上表示：“我希望创建一个平台，让来自不同物理领域的研究人员，以及计算机科学、机器学习或人工智能领域的研究人员可以聚集在一起，进行对话，互相传授知识。最终，我希望能制造出像物理学家一样思考的机器。”
重新发现基本定律
他们在这方面的工具是神经网络。不同于所谓的专家系统，如IBM的沃森，它承载着人类和科学知识，神经网络被设计成就像人类的大脑一样。通过分析大量数据以寻找隐藏的模式，它们能很快就学会如何区分狗和猫、识别人脸、复制人类语言、识别财务不当行为等等。
泰格马克说:“我们希望能发现各种新的物理定律。我们已经证明，它可以重新发现物理定律。”
去年，泰格马克博士和一名学生西尔维乌-玛丽安乌德雷斯库从一本著名教科书（理查德·费曼、罗伯特·莱顿和马修·桑兹的《费曼物理学讲义》）中提取了100个物理方程，并利用它们生成数据，然后将这些数据输入神经网络，系统通过筛选数据以寻找规律。
“就像人类科学家一样，它会依次尝试许多不同的策略，”研究人员在去年发表在《科学进展》(Science Advances)上的一篇论文中写道。“如果它不能一下子解决全部问题，就会尝试将问题转化成可以单独解决的更简单的部分，递归地在每个部分上重新启动完整的算法。”
在另一项更具挑战性的实验中，泰格马克和他的同事向网络展示了一段火箭四处飞行的视频，并要求它预测从一帧到下一帧会发生什么，而别管背景里的棕榈树。最终，计算机能够发现基本的运动方程。
泰格马克说，在欧洲核子研究中心的大型强子对撞机这样的地方找到新粒子将是轻而易举的事。人工智能喜欢大数据，对撞机的数据每秒可达数千兆字节。自2012年发现希格斯玻色子以来，尽管多年来人们对数据流中的每一个波峰都进行了疯狂的检查，但欧洲核子研究中心的数据中就没有出现过一种新粒子。
“这些都是人类关注的曲线，”泰格马克说。“在未来10年里，对于研究物理，机器学习的重要性将不亚于掌握数学。”
他承认，目前该算法用递归的方法解决问题所能达到的效果有限。虽然这台机器可以从一大堆数据中检索出物理学的基本定律，但它还不能得出这些公式背后的深层原理，比如量子力学中的量子不确定性或相对论。
泰格马克说:“等到人工智能回来告诉你这一点的时候，我们就已经达到了人工智能的一般水平，对此你应该会感到非常害怕或非常兴奋。老实说，我研究这个的原因是：我发现最危险的是，如果我们构建了超级强大的人工智能，却不知道它是如何工作的，这才可怕。”
“人与机器的对话”
塞勒是麻省理工学院新研究所的负责人，他说，他曾经对人工智能持怀疑态度，但现在成了一名支持者。他意识到，作为一名物理学家，他可以把自己的一些知识编码到机器中，然后机器就会给出他更容易解释的答案。
他说，“这将成为人类和机器之间的一种对话，它将变得更加令人兴奋，而不仅仅是一个为你做决定而你不理解的黑盒子。”
他还说，“我并不是特别喜欢称这些技术为‘人工智能’，因为这种说法掩盖了一个事实，即许多人工智能技术都有数学、统计学和计算机科学的严格基础。”
最近，塞勒和他的同事在神经网络中输入了来自大型强子对撞机(Large Hadron Collider)的大量数据，该对撞机通过对撞质子来寻找新的粒子和力。质子是构成原子物质的基石，本身就是由称为夸克和胶子的更小粒子组成的。当质子碰撞时，这些较小的粒子会喷射出来。为了更好地理解这个过程，他的团队要求系统区分对撞机数据中的夸克和胶子。
研究人员不会告诉计算机任何关于量子场论的东西，我不会告诉你夸克或胶子在基本层面上是什么，有的只是一堆乱七八糟的数据，然后让计算机把它们分成两类。而且它能做到。
也就是说，在不知道夸克和胶子是什么的情况下，该系统成功地识别并区分了夸克和胶子。塞勒说，如果你问系统数据中是否有第三种类型的物体，系统就会开始发现夸克不仅仅是一种实体，而是以不同的类型存在——即所谓的上夸克和下夸克。
“当你给它更多的灵活性去探索时，它就开始学习，”他说。“它还不知道量子场论，但它知道寻找模式。这是我很惊讶机器能做到的事情。他补充说，这项工作将有助于对撞机物理学家理清他们的研究结果。
在一次Zoom谈话中，塞勒展示了夸克-胶子项目中使用的神经网络，他称之为“一幅愚蠢的漫画”。它看起来就像一堆五颜六色的橡皮筋，但它实际上代表了几层处理，涉及大约30,000个节点或“神经元”，信息是在这个过程中收集和传递的。
他说：“如果你不嫌运行时间长，在笔记本电脑上也可以训练这个小型网络。”
量子的开端
“AI在解决游戏问题上如此成功的原因之一是，”塞勒说，“游戏有一个非常明确的获胜规则。他还说，“如果我们能定义物理定律的获胜意味着什么，那将是一个不可思议的突破。”从现在开始的5到10年里，我将会做你想做的事情，找到可以取代粒子物理学的标准模型，可以取代爱因斯坦广义相对论的方程。
一些物理学家认为，随着人工智能在量子计算机上的出现，下一个重大飞跃将会到来。与经典计算机操作的位元是0或者1不同，量子计算机中所谓的量子位元可以同时是1或0。根据量子物理学，这是基本粒子在自然界最小尺度上的行为方式，它允许量子计算机同时处理大量信息。
麻省理工学院(MIT)机械工程师、量子计算专家赛斯·劳埃德(Seth Lloyd)说，这类机器仍处于起步阶段，但前景很好。他不是麻省理工学院新成立的人工智能研究所的成员。
“基本的观点是，量子系统能够产生经典系统难以产生的模式，”劳埃德说。“因此，或许量子系统也可以识别经典系统所识别的模式。”
或者，正如伊利诺斯州巴达维亚费米国家加速器实验室研究副主任乔·吕肯所说：“借用理查德·费曼的话，如果你想用人工智能来发现量子世界的东西，你应该使用量子人工智能。”
加州理工学院(California Institute of Technology)的物理学家玛丽亚·斯皮罗普鲁(Maria Spiropulu)指出，“关于量子人工智能和量子算法的文献越来越多，它们可以解决我们以前认为无法解决的问题。”
“它只是一个运行中的算法”
这件事能走多远取决于你问的是谁。一台机器能产生量子理论中深奥而不直观的原理，或者爱因斯坦的相对论原理吗？它会产生一种我们人类无法理解的理论吗？我们会不会像《终结者》系列那样，以黑客帝国的世界收场？
我随机调研了一些理论物理学家，问他们是否准备好被取代。现在为微软工作的计算机工程师杰伦·拉尼尔(Jaron Lanier)说，“你问问题的方式更让人困惑。”他说，计算机科学领域充斥着对超级智能机器的力量和威胁的夸张说法。“我们应该从计算的角度来提问题，而不是文学角度。算法不是像猫一样的生物，它只是一个运行中的算法。”
诺贝尔奖得主、德克萨斯大学奥斯汀分校(University of Texas at Austin)教授史蒂文·温伯格(Steven Weinberg)认为，人类可能不够聪明，无法理解万物的最终理论，这是一种“令人不安的想法”。但我怀疑，在那种情况下，”他在一封电子邮件中写道，“我们也不会聪明到设计出一台能够找到最终理论的电脑。”
哈佛大学物理学家丽莎兰德尔（Lisa Randall）写道：“我很容易想象计算机找到我们不知道如何解释的方程式。但这与许多我们无法解释的测量结果并没有什么不同。”
阿卡尼·哈梅德（Arkani-Hamed）是新泽西州普林斯顿高等研究院的一位理论家，他不同意计算机会发现一些人类无法理解的深奥东西的观点，“这并没有反映出我们所看到的自然法则的特性，几个世纪以来，我们所看到的自然法则是建立在更抽象、更简单、更深刻的数学思想之上的。”
例如，如果艾萨克·牛顿起死回生，阿肯尼·哈米德说，他将毫不费力地赶上当代物理学的进度。
洛杉矶卡弗里基金会(Kavli Foundation)的宇宙学家迈克尔·特纳(Michael Turner)说，我们的想法从何而来最终并不重要，只要这些想法在我们依赖它们之前经过了考验。
“那么我们从哪里得到这些理论或范式呢？”它可能来自深层的原则——对称、美、简单——哲学原则或宗教，”他说。“随着机器变得越来越智能，我们可以把它们添加到资源列表中。”
同样来自普林斯顿高等研究院(Institute for Advanced Study)的爱德华·威滕(Edward Witten)指出，尽管万物理论机器目前还不存在，但可能在下个世纪就会出现。“如果有一台机器表现出对物理感兴趣和好奇，我肯定会有兴趣和它交谈。”
译者：Jane