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

    4814

    浏览量

    104476
  • 学习
    +关注

    关注

    7

    文章

    30

    浏览量

    29115

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

    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

    BP神经网络与卷积神经网络的比较

    BP神经网络与卷积神经网络在多个方面存在显著差异,以下是对两者的比较: 、结构特点 BP神经网络 : BP神经网络
    的头像 发表于 02-12 15:53 ?825次阅读

    BP神经网络的优缺点分析

    BP神经网络(Back Propagation Neural Network)作为种常用的机器学习模型,具有显著的优点,同时也存在些不容忽视的缺点。以下是对BP神经网络优缺点的分析
    的头像 发表于 02-12 15:36 ?1052次阅读

    什么是BP神经网络的反向传播算法

    BP神经网络的反向传播算法(Backpropagation Algorithm)是种用于训练神经网络的有效方法。以下是关于BP神经网络的反向传播算法的介绍:
    的头像 发表于 02-12 15:18 ?898次阅读

    BP神经网络与深度学习的关系

    ),是种多层前馈神经网络,它通过反向传播算法进行训练。BP神经网络由输入层、或多个隐藏层和输出层组成,通过逐层递减的方式调整
    的头像 发表于 02-12 15:15 ?989次阅读

    BP神经网络的基本原理

    BP神经网络(Back Propagation Neural Network)的基本原理涉及前向传播和反向传播两核心过程。以下是关于BP神经网络基本原理的介绍:
    的头像 发表于 02-12 15:13 ?1033次阅读

    如何训练BP神经网络模型

    BP(Back Propagation)神经网络种经典的人工神经网络模型,其训练过程主要分为两阶段:前向传播和反向传播。以下是训练BP神经网络
    的头像 发表于 02-12 15:10 ?1035次阅读

    深度学习入门:简单神经网络的构建与实现

    深度学习中,神经网络是核心模型。今天我们用 Python 和 NumPy 构建简单的神经网络神经网络由多个
    的头像 发表于 01-23 13:52 ?601次阅读

    人工神经网络的原理和多种神经网络架构方法

    在上篇文章中,我们介绍了传统机器学习的基础知识和多种算法。在本文中,我们会介绍人工神经网络的原理和多种神经网络架构方法,供各位老师选择。 01 人工神经网络 ? 人工
    的头像 发表于 01-09 10:24 ?1404次阅读
    人工<b class='flag-5'>神经网络</b>的原理和多种<b class='flag-5'>神经网络</b>架构方法

    卷积神经网络与传统神经网络的比较

    神经网络,也称为全连接神经网络(Fully Connected Neural Networks,FCNs),其特点是每层的每个神经元都与下
    的头像 发表于 11-15 14:53 ?2041次阅读

    RNN模型与传统神经网络的区别

    神经网络是机器学习领域中的种强大工具,它们能够模拟人脑处理信息的方式。随着技术的发展,神经网络的类型也在不断增加,其中循环神经网络(RNN)和传统
    的头像 发表于 11-15 09:42 ?1273次阅读

    LSTM神经网络的结构与工作机制

    的结构与工作机制的介绍: 、LSTM神经网络的结构 LSTM神经网络的结构主要包括以下几个部分: 记忆单元(Memory Cell) : 记忆单元是LSTM网络的核心,负责在
    的头像 发表于 11-13 10:05 ?1755次阅读

    LSTM神经网络与传统RNN的区别

    神经网络(RNN) RNN的基本结构 RNN是种特殊的神经网络,它能够处理序列数据。在RNN中,每个时间步的输入都会通过循环结构传递到
    的头像 发表于 11-13 09:58 ?1336次阅读

    关于卷积神经网络,这些概念你厘清了么~

    必须通过决策阈值做出决定。 另一个区别是AI并不依赖固定的规则,而是要经过训练。训练过程需要将大量猫的图像展示给神经网络以供其学习。最终,神经网络将能够独立识别图像中是否猫。关键的
    发表于 10-24 13:56

    matlab 神经网络 数学建模数值分析

    matlab神经网络 数学建模数值分析 精通的可以讨论下
    发表于 09-18 15:14