加入收藏 | 设为首页 |

三原色-人工智能的巨大发现:地球环绕太阳转

海外新闻 时间: 浏览:207 次

现在,依据在地球上观测到的太阳和火星的运转轨迹,一种受大脑启示的机器学习算法核算出了太阳坐落太阳系的中心。而天文学家花了几个世纪才弄了解这个道理。

这一豪举是对一项技能的初次测验,研讨人员期望可以利用它发现新的物理规律,或许还可以经过三原色-人工智能的巨大发现:地球环绕太阳转在大数据会集发现新的形式来从头构建量子力学。相关研讨成果将宣布在即将出书的《物理谈论快报》上。

苏黎世瑞士联邦理工学院的物理学家Renato Renner和他的合作者想要规划一种算法,将很多数据集提炼成几个根本公式,这仿照了物理学家提出简练方程式(例如E=mc2)的思路。

为了做到这一点,研讨人员有必要规划一种新式的神经网络,一三原色-人工智能的巨大发现:地球环绕太阳转种受人类大脑结构启示的机器学习体系。

传统的神经网络经过很多数据集的练习学习辨认物体,例如图画或声响。研讨人员发现一般特征——例如“四条腿”和“尖尖的耳朵”可以用来辨认猫。然后,他们将这些特征编码到数学“节点”中,后者是神经元的人工等效物。

但是,神经网络并没有像物理学家那样,将这些信息提炼成几个易于解说的规矩,而是有点像一个黑匣子,将它们取得的常识以不行猜测且难以解说的方法传播到数千个乃至数百万个节点上。

因而,Renner的研讨团队规划了一种“脑叶三原色-人工智能的巨大发现:地球环绕太阳转切除”式的神经网络——两个仅经过少数链接相互衔接的子网络。榜首个子网将从数据中学习,就像在一个典型的神经网络中一样;而第二个子网将运用这种“经历”做出新的猜曾经的你测并加以测验。

由于衔接两个子网络的链路很少,榜首个子网络被逼以紧缩格局向另一个子网络传递信息。Renner把这比作一个导师怎么把他学到的常识传授给学生。

开始的一项测验是向该神经网络供给从地球上看到的火星和太阳在天空中运转的模仿数据。从这个视点看,火星盘绕太阳的轨迹似乎是不稳定的,比方它会周期性地“逆行”,改动自己的轨迹。

几个世纪以来,天文学家曾一向以为地球是世界的中心——他们以为行星在天球上绕着小圈运转,即所谓的本轮,并以此来解说火星的运转轨迹。但在16世纪,尼古拉哥白尼发现,假如地球和其他行星都环绕太阳运转,那么用一个简略得多的公式体系就可以猜测它们的运转轨迹。

致力于将人工智能应用于科学发现的加拿大多伦多大学物理学家Mario Krenn表明,该研讨团队的神经网络得出了哥白尼式的火星轨迹公式,从头发现了“科学史上最重要三原色-人工智能的巨大发现:地球环绕太阳转的一个范式改变”。

Renner着重,尽管该算法推导出了这些公式,但需要人的眼睛来解说这些方程,并了解它们与行星环绕太阳运转之三原色-人工智能的巨大发现:地球环绕太阳转间的联系。

这项研讨工作很重要,由于它可以找出描绘一个物理体系的要害参数,美国纽约市三原色-人工智能的巨大发现:地球环绕太阳转哥伦比亚大学机器人专家Hod Lipson说。他表明:“我以为这些技能是咱们了解和跟上物理和其他范畴日益杂乱的现象的仅有期望。”