AI发现“日心说”，大约只花了一天(3)

人工智能·哥白尼的“日心说”

（图源：pexels.com）
设计好神经网络结构之后，研究团队需要对其进行测试。他们测试了四个案例：阻尼摆，角动量守恒，量子比特表征以及太阳系的日心说模型。在测试阶段，他们使用的是已知的物理案例，以便验证算法的正确性。作为原理性证明的研究，团队并不需要海量的数据集，他们只需证明自己的神经网络可以复现简单案例。
在这几个案例中，“日心说”的历史最为人熟知且津津乐道。16世纪的哥白尼测量了相对于遥远的恒星，地球、太阳和火星三者之间的相互角度关系，从而提出了“日心说”的大胆假设。相比复杂不堪的“地心说”，新模型更加简洁，能够解释并预测行星运动，从而开启了现代天文学研究的新篇章。
仿照这一段历史故事，研究人员给神经网络输入了在地球上观测的火星和太阳运动的数据。由于运算量并不大，雷内尔记得大约只花了一天的时间，人工智能就准确得出了和哥白尼一样的结论。
SciNet初长成
能够给出经典物理学理论的SciNet，仅仅是雷内尔团队研究的第一步。经过两年研发，这套系统由于运算量并不大，目前还只是运行在台式电脑上。日后如果进行更加复杂、数据量更加庞大的运算，就需要更强劲的计算能力、规模和更加复杂的神经网络结构。
除此之外，雷内尔还指出，现有的神经网络结构有其功能局限性，如果只是用该网络来进行预测，它的错误率极低，但它无法给出解释。换言之，你可以提问，输入数据，它会给出答案，但是你却无法知道如何得出这样的答案，为什么会是这样的答案。雷内尔解释说，这就好比学骑自行车，我们能够很快地学会正确骑车姿势，但是大部分人其实并不理解我们究竟是怎么学会的。因此，SciNet要成长，还有漫长的学习道路要走。