
核心思想可以简单总结为:整个神经网络内的每种可观察的现象,都可以通过神经网络进行建模。从这个角度来看,宇宙自身在广义上也可能是个硕大无朋的神经网络。
明尼苏达州德卢斯大学物理学教授Vitaly Vanchurin去年8月在论文预发表平台arXiv上发表了一篇题为《世界即神经网络》的文章,其中的观点可谓惊世骇俗。https://arxiv.org/pdf/2008.01540.pdf)
日前,Futurism杂志记者Victor Tangermann采访了Vanchurin,并就论文内容做出探讨。
中心思想
根据论文观点:
“
我们讨论了整个宇宙在其基本层面上属于神经网络的可能性。我们在其中确定两种不同类型的动态自由度:“可训练”变量(例如偏差向量或者权重矩阵)以及“隐藏”变量(例如神经元的状态向量)。
”
从最基本的层面出发,Vanchurin在论文中尝试对量子物理学与经典物理学之间之间的鸿沟做出一统性解释。我们知道,量子物理学在解释宇宙背景下微观系统内的动态方面相当可靠。例如,在处理单一光子时,我们可以根据量子力学理论实现可观察性、可重复性与可测量性。
但在尝试将量子物理学与经典物理学对接起来时,我们发现这些可观察的量子现象很难与经典观察结果实现统一,甚至可以说出现了明确的理论断裂。
争议
在对宇宙本质的解释理论进行层层剥离之后,我们发现其核心永远是用一种“至高真相”替代另一种“至高真相”。理论家们把从神创论到“缸中之脑”的各种观点都假定为现实,希望借此对量子力学现象做出可行的解读。
最终得到的结果有二:其一为“平行世界”,其二为“称其变量”。而Vanchurin的工作,正是尝试通过自己的“神经网络世界”理论对二者做出调和。
为此,Vanchurin得出以下结论:
“
在本文中,我们讨论了整个宇宙在最基本的层面上属于神经网络的可能性。这是个极为大胆的主张,其中强调的不只是人工神经网络在分析物理体系或者发现物理定律方面的可行性,而是更为直接的结论——神经网络就是我们周遭世界的实际运作方式。从这方面出发,要想证明这一观点的谬误,我们只需要找到那些无法用神经网络原理描述的物理现象。但不幸的是(或者说幸运的是),我们似乎找不到这样的现象。
”
Vanchurin明确提到,他并不会在“平行世界”理论中添加任何额外的解释,而这种不做加工的方法也正是论文当中最有趣的哲学意义所在。
如果Vanchurin的成果成功通过同行评审,或者至少启发人们开始考虑整个宇宙是个具备完备功能的神经网络的现实可能性,那么我们将迎来一条宝贵的线索。这条线索也许会让我们陷入更深层次的困境,但也有可能成为通往终极大一统理论的阶梯。
如果我们都是这个巨大神经网络中的节点,那么这套网络的存在目的是什么?宇宙是个巨大的封闭网络,抑或是某个更大网络中的单一层?也许我们所接触的,只是同一网络当中数万亿个宇宙中的一个。在训练神经网络时,我们会运行数百万乃至数千万次循环,直到AI完成适当“训练”。如果说这个背景性的场域真的是更庞大机器内的组成部分,那我们人类会不会只是无数训练周期中的一轮?
(声明:本文仅代表作者观点,不代表科技行者立场。)
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。