0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

最近有科学家提出了一个有争议的理论 整个宇宙都是神经网络

中科院半导体所 来源:中科院半导体所 作者:中科院半导体所 2020-09-24 17:02 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

神经网络是一种在结构上类似于人类大脑的互连计算系统,但最近有科学家提出了一个有争议的理论,认为整个宇宙都是神经网络。

计算机科学家创造的人工神经网络,由处理和传递信号的各种节点组成,这些节点类似于生物神经元。网络可以随着使用而改变——比如增加赋予某些节点和连接的权重,从而在运行过程中,整个网络可以不断“学习”。例如,让神经网络查看一组猫的图片,然后神经网络可以自己学习猫的特点,进而从一群动物中找出猫来。

但是,从根本上讲,我们所知的一切可能也是这些系统中的一个。这个概念的提出,是为了协调所谓的“经典”物理学与量子力学这两个领域,这也是困扰了物理学们很久的一个问题。

我们不仅仅是说,人工神经网络可用于分析物理系统或发现物理定律——我们在说的是,我们周围的世界到底是如何运作的,这是一个非常大胆的主张,可以将其视作对一切理论的建议,也正因为如此,它也应该很容易被证伪。所需要做的就是找到一个无法用神经网络来解释的物理现象。然而,这说起来容易,做起来却很难。

当从一个比较大的尺度上考虑整个宇宙的运行时,物理学家通常会使用一组特定的理论作为工具。这些工具是基于牛顿运动定律的“经典力学”以及爱因斯坦的相对论,它们可以用来解释时间与空间的关系,以及质量如何扭曲时空结构以产生引力效应。但是,对于原子和亚原子层面上的物理现象,物理学家发现所谓的“量子力学”可以更好解释宇宙。

在这个理论中,能量和动量这类的物理量被限定为具有离散值,而非连续值,也就是“量子”。所有物体都具有粒子性和波动性,并且最后,测量这个行为也会改变物体本身。最后这一个特点叫做海森堡“不确定性原理”,简单来说就是某些关联属性——如物体的位置和速度——无法同时精确测量,于是就有了概率一说。

尽管这些理论在各自的尺度范围内都可以很好地解释宇宙,但物理学家一直希望能有一种方法可以将这些理论协调成一个普遍理论——这个难题有时也被称为“量子引力难题”。如果要结合这两种理论,那么重力(用广义相对论描述即为物质/能量的时空弯曲)可能需要由量子组成,然后也因此具有自己的基本粒子——引力子。

遗憾的是,单个引力子对物质产生的影响将非常非常微弱,这就导致量子引力理论几乎无法验证,因此也就无从判断这个理论到底是不是正确的。但是,神经网络概念却另辟蹊径,不再尝试将广义相对论和量子力学调和成一个基本的普遍理论,而是认为,这种理论中所观察到行为背后,有更深层次的原因。

在新研究中,科学家着手建立了一个模型,观察神经网络在具有大量单个节点的系统中,是如何运作的,在某些(接近平衡的)条件下,神经网络的学习行为可以近似地用量子力学方程式来解释;但是其他时候则需要用经典物理定律来解释。

这个理论或许也可以用来解释所谓的“隐变量”,即一些物理学家提出的物体的未知属性,用以解释大多数量子力学理论中固有的不确定性,在新兴的量子力学中,隐变量是各个神经元的状态,是可训练的变量——就好比偏差矢量和权重矩阵等,是量子变量。

在这样一个神经网络中,从粒子和原子到细胞再到其他的一切,都将以类似于进化/自然选择的过程慢慢出现。微观神经网络的结构更加稳定一些,其他结构则稳定性差一些。越是稳定的结构越能够在进化中生存下来,而不稳定的结构则会被淘汰。

在最小的尺度上,自然可能会选择会产生一些复杂度非常低的结构,像是神经元链,但是尺度越大,结构就越复杂,但这个过程应该被限制在一个特定长度范围内。因此,这个概念意味着,我们周围所看到的一切,例如粒子、原子、细胞、观察者等等——都是自然选择的结果。

至于“宇宙即神经网络理论”是否会得到认可,物理学界的大部分人似乎并不买账。99%的物理学家会告诉你,量子力学是主要理论,一切都应以某种方式从中而来,但是这个原则,又跟量子力学非基本规律的观点相矛盾,物理学和机器学习领域的专家也都对这个新理论持怀疑态度。

责任编辑:xj

原文标题:我们实际上生活在矩阵中吗?整个宇宙都是神经网络?

文章出处:【微信公众号:中科院半导体所】欢迎添加关注!文章转载请注明出处。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4845

    浏览量

    108368
  • 学习
    +关注

    关注

    7

    文章

    31

    浏览量

    29271

原文标题:我们实际上生活在矩阵中吗?整个宇宙都是神经网络?

文章出处:【微信号:bdtdsj,微信公众号:中科院半导体所】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    基于神经网络的负载机械速度估计器实现方案

    本文提出了种基于神经网络(NN)的负载机械速度估计器的实用实现,适用于具有弹性耦合(elastic coupling)的驱动系统,使用可重构FPGA。
    的头像 发表于 05-16 09:07 4549次阅读
    基于<b class='flag-5'>神经网络</b>的负载机械速度估计器实现方案

    神经网络的初步认识

    日常生活中的智能应用都离不开深度学习,而深度学习则依赖于神经网络的实现。什么是神经网络神经网络的核心思想是模仿生物神经系统的结构,特别是大脑中神经
    的头像 发表于 12-17 15:05 526次阅读
    <b class='flag-5'>神经网络</b>的初步认识

    激活函数ReLU的理解与总结

    《The Organization of Behavior》论文中描述了神经元学习法则。 人工神经网络更进步被美国神经学家Frank Rosenblatt所发展。他
    发表于 10-31 06:16

    NMSIS神经网络库使用介绍

    NMSIS NN 软件库是组高效的神经网络内核,旨在最大限度地提高 Nuclei N 处理器内核上的神经网络的性能并最​​大限度地减少其内存占用。 该库分为多个功能,每个功能涵盖特定类别
    发表于 10-29 06:08

    构建CNN网络模型并优化的般化建议

    :Dropout层随机跳过神经网络模型中某些神经元之间的连接,通过随机制造缺陷进行训练提升整个神经网络的鲁棒性。 6)指定合理的学习率策略:
    发表于 10-28 08:02

    在Ubuntu20.04系统中训练神经网络模型的些经验

    本帖欲分享在Ubuntu20.04系统中训练神经网络模型的些经验。我们采用jupyter notebook作为开发IDE,以TensorFlow2为训练框架,目标是训练手写数字识
    发表于 10-22 07:03

    国际类脑计算科学家Yulia Sandamirskaya教授加盟时识科技

    近日,国际类脑计算与神经形态机器人领域知名科学家Yulia Sandamirskaya 教授,作为科学家顾问正式加入时识科技(SynSense)。
    的头像 发表于 10-13 13:50 1040次阅读

    液态神经网络(LNN):时间连续性与动态适应性的神经网络

    1.算法简介液态神经网络(LiquidNeuralNetworks,LNN)是种新型的神经网络架构,其设计理念借鉴自生物神经系统,特别是秀丽隐杆线虫的
    的头像 发表于 09-28 10:03 1692次阅读
    液态<b class='flag-5'>神经网络</b>(LNN):时间连续性与动态适应性的<b class='flag-5'>神经网络</b>

    神经网络的并行计算与加速技术

    随着人工智能技术的飞速发展,神经网络在众多领域展现出了巨大的潜力和广泛的应用前景。然而,神经网络模型的复杂度和规模也在不断增加,这使得传统的串行计算方式面临着巨大的挑战,如计算速度慢、训练时间长等
    的头像 发表于 09-17 13:31 1378次阅读
    <b class='flag-5'>神经网络</b>的并行计算与加速技术

    【「AI芯片:科技探索与AGI愿景」阅读体验】+AI的科学应用

    AI被赋予了人的智能,科学家们希望在没有人类的引导下,AI自主的提出科学假设,诺贝尔奖级别的假设哦。 AI驱动科学被认为是科学发现的第五
    发表于 09-17 11:45

    如何在机器视觉中部署深度学习神经网络

    图 1:基于深度学习的目标检测可定位已训练的目标类别,并通过矩形框(边界框)对其进行标识。 在讨论人工智能(AI)或深度学习时,经常会出现“神经网络”、“黑箱”、“标注”等术语。这些概念对非专业
    的头像 发表于 09-10 17:38 1129次阅读
    如何在机器视觉中部署深度学习<b class='flag-5'>神经网络</b>

    基于神经网络的数字预失真模型解决方案

    在基于神经网络的数字预失真(DPD)模型中,使用不同的激活函数对整个系统性能和能效何影响?
    的头像 发表于 08-29 14:01 3767次阅读

    无刷电机小波神经网络转子位置检测方法的研究

    摘要:论文通过对无刷电机数学模型的推导,得出转角:与三相相电压之间存在映射关系,因此构建了以三相相电压为输人,转角为输出的小波神经网络来实现转角预测,并采用改进遗传算法来训练网络
    发表于 06-25 13:06

    神经网络专家系统在电机故障诊断中的应用

    摘要:针对传统专家系统不能进行自学习、自适应的问题,本文提出了基于种经网络专家系统的并步电机故障诊断方法。本文将小波神经网络和专家系统相结合,充分发挥了二者故障诊断的优点,很大程度上降低了对电机
    发表于 06-16 22:09

    基于FPGA搭建神经网络的步骤解析

    本文的目的是在神经网络已经通过python或者MATLAB训练好的神经网络模型,将训练好的模型的权重和偏置文件以TXT文件格式导出,然后通过python程序将txt文件转化为coe
    的头像 发表于 06-03 15:51 1594次阅读
    基于FPGA搭建<b class='flag-5'>神经网络</b>的步骤解析