曾经，阿尔伯特·爱因斯坦把科学理论描述为“人类思想的自由发明”。但是在1980年，剑桥大学著名的宇宙学家斯蒂芬·霍金有了另一个想法。在那年的一次演讲中，他提出所谓的“万有理论”或许是可能的，但它的最终实现可能要靠计算机。
万物理论还没有出现，但是计算机已经开始接管生活中很多琐碎的事情，比如翻译语言，识别人脸，开车，推荐约会等等。这样，想象他们接管世界上的一切就不那么疯狂了。
图片来源:Alex Eben Meyer/纽约时报
像DeepMind的“AlphaGo”这样的计算机程序不断发现在围棋和国际象棋等游戏中击败人类的新方法，人类已经研究了几个世纪。为什么这些令人惊叹的学习机不能发布由大型强子对撞机编译的万亿字节数据，识别一组新的基本粒子，或者在太阳系以外的另一个星系中发现虫洞，就像电影《星际穿越》中的那个星系一样？
至少是可以想象的。如果你不这么认为，你就会陷入物理学家马克斯·泰格马克所说的“碳沙文主义”。11月，泰格马克担任教授的麻省理工学院兑现了美国国家科学基金会的支票，打开了人工智能与基金会互动研究所的大门。
该研究所是该基金会和美国农业部建立的七个研究所之一，是全国促进人工智能努力的一部分。每个地方将在五年内获得2000万美元的资助。
由粒子物理学家杰西·塞勒领导的麻省理工学院的这个研究所是唯一一个专门从事物理研究的机构。它包括来自各个物理领域的20多名科学家，包括麻省理工学院、哈佛大学、东北大学和塔夫茨大学。
“我希望建立一个平台，让来自不同物理领域的研究人员，以及计算机科学，机器学习或人工智能的研究人员能够聚集在一起，进行对话，相互传授知识，”乐在Zoom电话会议上说。最终，我希望制造一个像物理学家一样思考的机器。"
重新认识基本法
他们在这方面的工具是神经网络。与所谓的专家系统(如IBM的Watson)不同，它承载着人类和科学知识，神经网络的设计类似于人脑。通过分析大量数据寻找隐藏模式，他们可以快速学习如何区分狗和猫，识别人脸，复制人类语言，识别财务不当行为等等。
“我们希望发现各种新的物理定律，”特马克说。我们已经证明它可以重新发现物理定律。"
去年，泰格马克博士和一名学生席尔武-玛丽安·乌德瑞斯库从一本著名的教科书中提取了100个物理方程，并用它们生成数据，然后输入到神经网络中。系统对数据进行过滤以找到规则。
“就像人类科学家一样，它会依次尝试许多不同的策略，”研究人员在去年发表在《科学进展》上的一篇论文中写道。“如果它不能一次性解决所有问题，它会试图将问题变成可以单独解决的更简单的部分，并在每个部分上递归地重新启动完整的算法。”
在另一项更具挑战性的实验中，Tegmark和他的同事向网络展示了一段火箭飞来飞去的视频，并要求它预测从一帧到下一帧会发生什么，而不管背景中的棕榈树。最后，计算机可以找到运动的基本方程。
特马克说，在欧洲粒子物理研究所的大型强子对撞机这样的地方很容易找到新粒子。人工智能喜欢大数据，对撞机的数据可以达到每秒几千兆字节。自2012年发现希格斯玻色子以来，尽管多年来人们一直在疯狂地检查数据流中的每一个峰值，但CERN的数据中从未出现过一个新的粒子。
“这些都是人类关注的曲线，”泰格马克说。“未来10年，机器学习对于学习物理来说，将和掌握数学一样重要。”
他承认，目前算法通过递归可以达到的效果有限。虽然这台机器可以从大量的数据中检索出物理学的基本定律，但是仍然无法得到这些公式背后的深层原理，比如量子不确定性或者量子力学中的相对论。
“当人工智能回来告诉你这些的时候，我们已经达到了人工智能的一般水平，你应该对此感到非常害怕或兴奋，”特马克说。说实话，我之所以研究这个，是因为:我发现最危险的是，如果我们构建了超级强大的人工智能，却不知道它是如何工作的，那就太可怕了。"
“人机对话”
乐是麻省理工学院新学院的院长。他说，他以前对人工智能持怀疑态度，但现在是支持者。他意识到，作为一名物理学家，他可以将自己的一些知识编码到机器中，然后机器会给出一个他可以轻松解释的答案。
他说，“这将成为人类和机器之间的一种对话，它将变得比只是一个为你做决定而你不理解的黑匣子更令人兴奋。”
他还说，“我不是特别喜欢把这些技术称为‘人工智能’，因为这种说法掩盖了一个事实，即许多人工智能技术在数学、统计学和计算机科学方面都有严格的基础。”
最近，塞勒和他的同事将大型强子对撞机的大量数据输入到神经网络中，该网络通过碰撞质子来寻找新的粒子和力。质子是原子物质的组成部分，它们本身由称为夸克和胶子的更小的粒子组成。当质子碰撞时，这些更小的粒子将被喷射出来。为了更好地理解这一过程，他的团队要求系统在对撞机数据中区分夸克和胶子。
研究人员不会告诉计算机任何关于量子场论的东西。我不会告诉你基本层面上的夸克或胶子是什么。只有一堆乱七八糟的数据，然后让电脑把它们分成两类。它能做到。
也就是说，在不知道夸克和胶子是什么的情况下，系统成功地识别和区分了夸克和胶子。塞勒说，如果你问系统数据中是否存在第三种类型的物体，系统会开始发现夸克不仅仅是一个实体，而是以不同的类型存在——所谓的上夸克和下夸克。
“当你给它更多探索的灵活性时，它就开始学习，”他说。“它还不知道量子场论，但它知道寻找模式。这是我很惊讶机器能做到的事情。他补充说，这项工作将有助于对撞机物理学家整理他们的研究成果。
在一次Zoom talk中，塞勒展示了夸克-胶子项目中使用的神经网络，他称之为“一幅愚蠢的漫画”。它看起来像一堆五颜六色的橡皮筋，但它实际上代表了几层处理，涉及大约3万个节点或“神经元”，信息在其中收集和传输。
他说，“如果你不介意长时间跑步，你也可以在笔记本电脑上训练这个小网络。”
量子的开始
“AI在解决游戏问题上如此成功的原因之一是，”塞勒说，“游戏有非常明确的获胜规则。他还说，“如果我们能够定义赢得物理定律意味着什么，这将是一个不可思议的突破。“从现在起的五到十年内，我会做你想做的事情，找到可以替代粒子物理的标准模型和爱因斯坦广义相对论的方程。
一些物理学家认为，随着量子计算机上人工智能的出现，下一次重大飞跃将会到来。与经典的计算机运算中比特为0或1不同，量子计算机中所谓的量子比特可以同时为1或0。根据量子物理学，这是基本粒子在自然界最小尺度上的行为，这使得量子计算机可以同时处理大量信息。
麻省理工学院的机械工程师和量子计算专家塞思·劳埃德(Seth Lloyd)表示，这种机器还处于初级阶段，但前景很好。他不是麻省理工学院新成立的人工智能研究所的成员。
“基本的想法是，量子系统可以产生经典系统难以产生的模式，”劳埃德说。“因此，或许量子系统也能识别经典系统所识别的模式。”
或者，正如伊利诺伊州巴达维亚费米国家加速器实验室副研究主任乔·鲁肯所说:“借用理查德·费曼的话，如果你想用人工智能来发现量子世界里的东西，你应该使用量子人工智能。”
加州理工学院物理学家Maria Spiropuru指出，“关于量子人工智能和量子算法的文献越来越多，它们可以解决我们以前认为无法解决的问题。”
“这只是一个运行的算法”
这件事能走多远，看你问谁了。一台机器能否产生量子理论中深奥的、非直觉的原理，或者爱因斯坦的相对论原理？会不会产生一种我们人类无法理解的理论？我们会像终结者系列一样在黑客帝国的世界里终结吗？
我随机调查了一些理论物理学家，问他们是否做好了被取代的准备。现在，在微软工作的计算机工程师jaron lanier说，“你问问题的方式更加令人困惑。”他说，计算机科学领域充满了关于超级智能机器的力量和威胁的夸张说法。“我们应该从计算的角度提问，而不是从文学的角度。算法不是像猫一样的生物，它只是一个运行的算法。”
诺贝尔奖得主、德克萨斯大学奥斯汀分校教授史蒂文·温伯格(Steven weinberg)认为，人类可能还没有聪明到能够理解万物的最终理论，这是一个“令人不安的想法”。但我怀疑，在那种情况下，”他在一封电子邮件中写道，“我们不会聪明到设计出一台可以找到最终理论的计算机。"
哈佛大学的物理学家丽莎·蓝道尔写道:“我可以很容易地想象，计算机找到了我们不知道如何解释的方程。但这和许多我们无法解释的测量结果并无不同。”
新泽西州普林斯顿高等研究所的理论家卡尼·哈迈德(Carney Hamed)不同意计算机会发现一些人类无法理解的深奥事物的观点。“这并没有反映出我们所看到的自然法则的特征。几个世纪以来，我们所看到的自然法则都是基于更抽象、更简单、更深刻的数学思想。”
例如，如果艾萨克·牛顿死而复生，茜·哈米德说他会毫不费力地赶上当代物理学的进步。
洛杉矶卡弗利基金会的宇宙学家迈克尔·特纳(Michael turner)表示，我们的想法最终来自哪里并不重要，只要在我们依赖它们之前经过测试就行。
"那么我们从哪里得到这些理论或范例呢？"它可能来自深层原则——对称、美丽、简单——哲学原则或宗教，他说。随着机器变得更加智能，我们可以将它们添加到资源列表中。"
同样来自普林斯顿高等研究院的爱德华·威滕(Edward witten)指出，虽然万物机器理论目前不存在，但它可能会在下个世纪出现。“如果有一台机器对物理学表现出兴趣和好奇，我肯定会有兴趣和它说话。”
