人工神經(jīng)網(wǎng)絡(luò)是人工智能深度學(xué)習(xí)算法的基礎(chǔ)結(jié)構(gòu)，大致模仿人類大腦的物理結(jié)構(gòu)。當(dāng)你為神經(jīng)網(wǎng)絡(luò)提供訓(xùn)練樣例時，它會通過人工神經(jīng)元層運行它，然后調(diào)整它們的內(nèi)部參數(shù)，以便能夠?qū)哂邢嗨茖傩缘奈磥頂?shù)據(jù)進(jìn)行分類。舉個簡單的例子，如果你使用貓和狗的樣本圖像訓(xùn)練神經(jīng)網(wǎng)絡(luò)，它將能夠告訴你新圖像是否包含貓或狗。但由于神經(jīng)網(wǎng)絡(luò)過分依賴數(shù)據(jù)，引導(dǎo)了神經(jīng)網(wǎng)絡(luò)的犯錯，一些錯誤對人類來說似乎是完全不合邏輯甚至是愚蠢的，可以說人工智能離人工智障也就是一步之遙。

例如，2018年英國大都會警察局用來檢測和標(biāo)記虐待兒童圖片的人工智能軟件就錯誤地將沙丘圖片標(biāo)記為裸體。

前一陣子引起惶恐的豐巢智能快遞柜刷臉功能就被小學(xué)生破解，一群小學(xué)生只用一張打印照片就能代替真人刷臉，騙過“人工智能”快遞柜，取出父母的包裹，就是典型的人工智障操作，值得一提的是，由于現(xiàn)階段人工智能的技術(shù)局限，經(jīng)常出現(xiàn)人工智障的行為，這也引起了學(xué)界的研究和開發(fā)。如何才能讓人工智能神經(jīng)網(wǎng)絡(luò)預(yù)測或響應(yīng)系統(tǒng)中的混沌狀態(tài)，脫離人工智障的經(jīng)常性行為，對于從改善從醫(yī)療診斷、到無人自動駕駛等的人工智能的應(yīng)用都具有重要意義。

近日，北卡羅萊納州立大學(xué)非線性人工智能實驗室的科學(xué)家發(fā)現(xiàn)，對神經(jīng)網(wǎng)絡(luò)進(jìn)行物理教學(xué)可以使這些網(wǎng)絡(luò)更好地適應(yīng)其環(huán)境中的混亂情況，將可以改善從醫(yī)療診斷、到無人自動駕駛等的人工智能應(yīng)用。其研究的論文成果已發(fā)布在《物理評論E》上。

研究人員通過將物理學(xué)中的哈密頓函數(shù)引入人工智能神經(jīng)網(wǎng)絡(luò)，可以更好地使其“看到”系統(tǒng)中的混亂并做出相應(yīng)的調(diào)整。哈密頓函數(shù)體現(xiàn)了有關(guān)物理系統(tǒng)動態(tài)的完整信息，即存在的所有能量，動能和勢能的總量。

舉例來講，一個擺動的擺錘，它隨著時間在空間中來回移動。如果只是觀察該擺的每一刻的運動，無法告訴您擺錘在擺動將在弧度的哪里或下一步在哪里。常規(guī)的神經(jīng)網(wǎng)絡(luò)是這樣從擺的快照中進(jìn)行操作。然而熟悉哈密頓向量場的神經(jīng)網(wǎng)絡(luò)，會全面了解擺的整個運動，即擺在哪里、將擺在哪里、或可能擺在哪里、以及擺在其中的能量。研究人員認(rèn)為，哈密頓量實際上是賦予神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)秩序和混亂的能力的“特殊調(diào)味品”或“聰明藥”。 有了哈密頓量，神經(jīng)網(wǎng)絡(luò)就能以一種常規(guī)網(wǎng)絡(luò)無法認(rèn)知的方式來理解潛在的動力學(xué)，這是邁向現(xiàn)代物理學(xué)的神經(jīng)網(wǎng)絡(luò)的第一步，也將幫助我們解決人工智能的更多難題。