将宇宙当作神经网络能解决量子引力问题吗

　　北京时间4月9日消息，近代物理学出现停滞不前的处境，几十年以来，我们没有任何重大的新物理理论突破，我们是否需要一种全新的方式来理解宇宙呢？目前，美国明尼苏达大学物理学教授维塔利·万库瑞称，如果我们将世界当作一个正在学习的神经网络，那么我们就可以更好地理解量子引力、量子计算和人类意识。

　　据悉，万库瑞从事多年的宇宙学、量子引力和机器学习研究。

　　20世纪的物理学家应该得到很大的赞誉，他们提出了两个突破性发现：量子力学和广义相对论，在经典物理学和统计物理学的帮助下，物理学家有一个很好的起点，他们在宇宙学等领域取得了惊人的进步。谁会想到科学家可以用量子力学来描述大爆炸前宇宙膨胀期间的变化，然后用广义相对论的规则来研究大爆炸后的宇宙状况？但如果你做对了（感谢阿列克谢·斯塔罗宾斯基、艾伦·古斯等人），将获得非常具体的预测，这些预测之后先被宇宙背景探索者证实，又获得普朗克实验的证实，但是这段辉煌时期到此结束了。我们仍然不知道是什么驱动了宇宙膨胀，或者是什么暗能量或者暗物质，显然，我们遗漏了一些重要的因素，许多研究人员认为，我们需要一个新的理论框架来统一20世纪的重大发现，无论它是基于弦理论、量子信息还是神经网络，新的理论框架都很可能具有革命性的。

　　无论它是基于弦理论、量子信息还是神经网络，新的理论框架都很可能具有革命性的。

　　我们现在能做些什么来加速这一革命性的发现吗？科学家建议称，当前如果长时间陷入“局部最小值”，我们应当进入任何人工神经网络或者任何学习系统，只要增加“步长”，在科学研究的背景下，“局部最小值”代表无法取得渐进的进展，增加的“步长”代表科学研究范围的扩大。在某种程度上，该情况已经发生了，一些物理学家正在引入新的数学概念，连接物理学的不同领域，拓展跨学科合作，但这还不是在所有层面上都发生的。大多数科学家不愿意在他们的“舒适区”之外进行研究，原因很简单——这意味着更多的工作需要更少的认可，这就是真正的问题所在，有利于个体研究者的策略与有利于整个文明的策略是对立的。

　　我们试图增加“步长”并找到一条走出“局部最小值”的方法，采用了一个非常大胆的想法，即整个宇宙是一个宇宙版的神经网络，它的目的和其他任何神经网络一样，学习它的训练数据集，或者换句话讲，理解它的环境。这可能是微不足道的，但更重要的是，它表明，要想学习有效，就必须在所有尺度上发生——从亚原子到宇宙学。为了验证这一假设，科学家首先开发了一种学习热力学的方法（包括平衡和非平衡学理论），然后将其应用于广泛的尺度上描述自然现象（包括量子物理学和经典物理学）。

　　近期，一篇名为《神经网络的世界》的论文指出，我们周围观察到的量子、经典效应和引力效应可能不是基本的，而是宇宙神经网络学习的突发行为，如果是正确的，那么它告诉我们一些关于自然如何运行的非常深刻的原理。

　　该观点也可以被看作是一种尝试来协调量子力学和广义相对论——“量子引力问题”，换句话讲，神经网络可能是量子力学和广义相对论统一过程中缺失的环节，在最小尺度上，宇宙神经网络处于平衡状态，这在量子力学中可以很好地描述，但在最大的尺度上，神经网络仍然距离平衡状态很远，广义相对论可以更好地描述平衡状态。此外，神经网络模型可能会揭示观察者的问题，量子力学中的“测量问题”和宇宙学中的“测量问题”，但要做到这一点，我们必须首先更好地理解宏观观察，或者还有意识，在这方面，生物学家的意见可能是绝对必要且有用的。

　　神经网络可能是量子力学和广义相对论统一过程中缺失的环节。

　　这是否意味着神经网络将为21世纪的科学研究提供一个改进的理论框架？现在下结论还为时过早，但令人鼓舞的是，越来越多的物理学家、生物学家和计算机科学家正在认真考虑这种可能性，例如：最初并不清楚薛定谔方程何时能正确地描述平衡状态下的学习动力学，但后期我们证明，当神经元的数量发生改变时，该情况就会发生。这也为建造人工量子计算机打开了一扇大门，也就是在一台能够进行量子计算的计算机上运行人工神经网络，这是我们目前正在与机器学习专家讨论的问题。

　　利用人工神经网络进行机器学习的想法最初源自生物学，但是，如果宇宙是一个神经网络，那么我们可能使用机器学习展开研究探索，例如：生物进化分析，生物学家正在研究类似的理论，目前看来颇有希望。

　　我们可以将宇宙视为一个神经网络学习系统，这仅仅是漫长而激动人心的探索旅程的开始。