2019年03月23日 | 从神经网络到天体物理，AI是“全能通”

如今，物理学、天文学实验所产生的海量信息是人类团队难以企及的。一些实验每天记录万亿字节的数据，并且不断累积增加。世界最大的射电望远镜项目Square Kilmeter Array预计在2020年开启，它每年产生的数据量将相当于整个互联网的总量。

爆发式的数据让科学家不得不求助AI。在人类输入最少的情况下，AI系统（比如人工神经网络，模仿大脑功能的计算机模拟神经元网络）可以挖掘海量数据、突出异常现象，并检测出人力永远无法发现的东西。

计算机应用于科学研究已经有75年历史，人类对自然数据的观察研究更是伴随着人类的发展史。但是，随着机器学习和AI的发展，科学研究的方法已经发生彻底的革新。其中一种方法称为生成模型（Generative Modeling），对于观测数据的不同解释，它可以仅仅基于数据就辨别出最可信的理论。更重要的是，它不需要关于物理过程的预编程知识。生成模型的支持者认为它非常新颖，可以被视作研究宇宙的“第三类方式”。

传统上，人类通过观察来了解自然。想想十六世纪天文学家约翰尼斯·开普勒正在仔细研究另一位同时期天文学家第谷·布拉赫的行星位置图，开普勒最终推断出行星在椭圆轨道上运动。科学通过模拟而进步。天文学家模拟银河系及其邻近星系仙女座的运动，并预测它们将在几十亿年后发生碰撞。观察和模拟都有助于科学家产生假说，再通过进一步的观察来验证这些假说。但是，生成模型既不是观察也不是模拟。

天体物理学家Kevin Schawinski（供职于苏黎世联邦理工学院）是生成模型的积极倡导者，他说：“这是介于观察和模拟之间的第三类方法，是解决问题的另一种方式。”

虽然一些科学家仍然把生成模型和其它新技术简单地看作是传统科学的补充工具。但大多数人都同意AI正在产生巨大的影响，它在科学研究中的作用必然会越来越大。费米实验室的天体物理学家Brian Nord使用人工神经网络研究宇宙，他担心人类科学家所做的任何事情都可能实现计算机自动化——这有点让人不寒而栗。

生成模型带来的发现

研究生时代，Schawinski就因数据驱动领域的成就而闻名。攻读博士期间，他需要根据星系的外观对它们进行分类。由于没有现成的软件可用，所以Galaxy Zoo众包科学项目诞生了。从2007年开始，普通计算机用户通过猜测记录星系分类来帮助天文学家，服从多数原则一般可以得出正确的分类结果。这个项目无疑是成功的，只不过今时今日的AI技术使它显得过时了。现在，一个有机器学习和云计算背景的优秀科学家可以在一个下午就完成以上任务。

Schawinski在2016年转向强大的生成模型工具。本质上，在给定条件X的情况下，生成模型会询问观察到结果Y的可能性有多大。这种方法已被证明是非常有效且具有通用性。举个例子，假设你提供一组人脸图像给生成模型，并逐一标注年龄。当计算机程序梳理这些训练数据时，会把年长者面部和皱纹增加联系起来。最终，计算机可以根据面部判断年龄，也就是说，它可以通过给定的面部预测其经历的物理变化。

这些人脸都不是真的。A 行和B 列的人脸都是由GAN使用真实面部搭建元素来构建的。然后，GAN结合A行脸部的基本特征（包括性别、年龄、脸形）和B列更精细的脸部特征（例如发色、眼睛颜色），创造出上图中其它的人脸图像。

最著名的生成模型系统是“生成式对抗网络（GAN）”。在充分地暴露于训练数据之后，GAN可以修复已损坏或丢失像素的图像，它也可以使模糊的照片变得清晰。GAN通过博弈（术语称作“对抗”）来学习推断丢失的信息：网络的一部分（称为生成器）生成伪数据，而第二部分（判别器）试图对真伪数据进行区分。随着程序的运行，两个部分都逐渐演化提升。对于最近出现的一些超现实的、GAN制作的“人脸”，有文章评价道：这些计算机创造的诡异假脸跟真人没有分别。

更广泛地说，生成模型采用数据集（通常是图像），并将每个数据集分解为一组基本的抽象构建模块，科学家将其称为数据的“隐空间”。隐空间的概念是抽象的，很难将其视觉化，粗略地类比一下，当你试图确定人脸的性别时，想想你的大脑可能是怎么思考的，也许你会注意到发型、鼻子形状等等，还有的判断模式可能很难用文字表达。相似地，计算机程序也是在数据中寻找突出的特征：虽然它不知道什么是胡子，什么是性别，但如果它接受过数据集的训练，其中一些图像被贴上“男人”或“女人”的标签，一些图像被贴上“胡子”的标签，计算机会很快推演出它们之间的联系。

在与同事合著的一篇论文中，Schawinski利用生成模型研究了星系在演化过程中所经历的物理变化。模型创建了人工数据集，以此作为检验物理过程假设的方式。例如，恒星猝熄（恒星形成速度急剧下降）如何与星系环境密度增加相关联。

关键问题在于：有多少关于恒星和银河系的信息可以单独从数据中提取出来。Schawinski说：“让我们抹掉所有关于天体物理学固有的知识。然后仅仅利用数据本身，能在多大程度上重新认知宇宙？”

首先，星系图像被缩小到隐空间，然后，Schawinski可以调整空间的一个元素，使其对应星系环境的特定变化（比如周围的密度）。然后他可以重新生成星系，看看会有什么不同。Schawinski解释说：“所以现在我有了一个假说生成机器。通过这个过程，我可以让原本处于低密度环境中的一整束星系看起来像处于高密度环境中。”研究者发现，随着星系从低密度变为高密度环境，它们的颜色变得更红，恒星分布更集中。这与现有的星系观测结果相吻合。问题是为什么会这样。

对于这个过程，有两种可能的解释：也许星系在高密度环境中颜色更红，因为它们含有更多的尘埃，又或者是因为其范围内的恒星趋于衰退。有了生成模型，这两个想法都可以进行测试：改变隐空间中有关尘埃和恒星形成速率的元素，然后观察星系颜色的变化。结论很清楚，星系颜色更红的地方是“恒星形成速率下降的地方”，而不是“尘埃发生改变的地方”。

通过生成模型，天体物理学家可以研究星系从宇宙的低密度区域到高密度区域是如何变化的，以及是什么物理过程导致了这些变化。

该方法与传统的模拟有关，但存在关键差别。Schawinski说，模拟“本质上是假设驱动的”，对于某种宇宙现象，我首先假设一个可以解释它的物理原则，比如说我们对于暗物质、对于恒星形成都有一套理论假设，然后对照假设运行模拟操作，接着再思考：模拟是否符合现实？但是生成模型则不同，某种意义上来说，它与模拟完全相反。我们什么都不知道也不想做任何假设，只是让数据告诉我们可能会发生什么。

生成模型的成功应用当然不意味着天文学家要失业，但这也确实让我们思考，天体物理学研究多大程度上可以由智能系统完成。Schawinski表示，这不是完全自动化的科学，但它表明我们至少能够部分地构建工具——使科学过程自动化。

生成模型显然是强大的，但它是否真正代表了一种新的科学方法仍有待商榷。David Hogg是纽约大学的宇宙学家，它认为，这仍然只是从数据中抓取模型，数个世纪以来天文学家都是这样进行工作的，只不过如今的技术相当强大。换句话说，生成模型是一种先进的观察加分析的方式。Hogg自己的工作也严重依赖AI。他使用神经网络根据恒星的光谱对它们进行分类，并使用数据驱动模型来推断恒星的其它物理属性。但他不认为生成模型是另类方法。他说：“只是科学家在如何使用数据方面变得更加老练了。特别是在比较数据方面比以前进步很多。但在我看来，我的工作仍处于观察模式。”

勤劳的助手

无可否认，AI和神经网络显然已经在当代天文学和物理学研究中发挥了关键作用。海德堡理论研究所的物理学家Kai Polsterer领导着一个天文信息学小组，专注于以数据为中心的天体物理学新研究方法。最近，他们在使用机器学习算法从星系数据集中提取红移信息，这在以前是很艰巨的任务。

Polsterer将这些基于AI的新系统看作是“勤劳的助手”——可以连续几个小时梳理数据，而不会感到厌烦或抱怨工作条件。他说，这些系统可以完成所有乏味的繁重工作，让你有时间进行有趣的科学研究。

但它们并不完美。特别是算法只能做受过训练的事情。系统对于输入信息是“不可测的”。给它一个星系，这个软件就可以估计它的红移和年龄，但是给它一个自拍照片，或者一张腐烂的鱼的照片，它也会输出一个（非常错误的）年龄。最后，人类科学家的监督仍然是至关重要的。于是问题最终还是回归研究人员——你才是负责解读机器的人。

费米实验室的Nord警告说：神经网络输出的结果也会有误差。在科学上，如果你进行一项测量，却不报告误差估计，结果就没有意义。和许多AI研究者一样，Nord也关注神经网络输出结果的不可穿透性。通常情况下，系统会给出一个答案，但并不清楚该结果是如何获得的。然而，并非所有人都认为这是一个问题。法国CEA Saclay理论物理研究所的研究员Lenka Zdeborová指出，人类的直觉往往同样难以理解。你看着照片立刻认出了一只猫——但你不知道自己是怎么知道的。从某种意义上说，人类大脑就是一个黑匣子。

不仅天体物理学家和宇宙学家正在向AI驱动、数据驱动的科学靠拢。滑铁卢大学的量子物理学家Roger Melko也利用神经网络解决了领域中一些最棘手、最重要的问题，比如：如何表示描述多粒子系统的“波函数”。Melko称AI是“维度的指数诅咒”，即波函数形式的可能性随着系统中粒子的数量呈指数增长。困难类似于尝试在国际象棋或围棋中下一步最好的棋：你试着下一步棋，想象你的对手会怎么下，然后选择最好的应对方式，但是每走一步，可能性的数量就会激增。

当然，AI系统已经掌握了这两种棋类游戏。20年前的国际象棋人类就输给了计算机；2016年，AI系统AlphaGo击败了顶尖的人类围棋手。Melko认为这种情况同样适用于量子物理中的问题。

机器的思维

对于AI系统，Schawinski认为这是“第三类”科学研究方法，Hogg则认为不过是传统观察分析法的高级版本，不管你支持哪种观点，有一点是肯定的，AI正在加速改变科学发现的概念。AI革命在科学领域能走多远？

偶尔，人们会对“机器人科学家”的成就大加赞扬。十年前，一位名叫Adam的AI机器人化学家研究了面包酵母的基因组，找出了哪些基因负责制造某些氨基酸。当时的新闻标题是：“机器人独自做出科学发现”。

最近，格拉斯哥大学化学家Lee Cronin在用机器人随机混合化学物质，看看会形成什么样的新化合物。通过质谱仪、核磁共振仪和红外光谱仪实时监测反应，系统最终学会了预测哪种组合反应性最强。Cronin说，即使这不会带来进一步的发现，机器人系统也能让化学家们将研究速度提高约90%。

去年，苏黎世理工的另一个科学家小组使用神经网络从数据集中推导出物理定律。他们的系统是一款机器人开普勒系统，从太阳和火星的位置记录中重新发现了太阳系的日心模型，并通过观察碰撞球发现了动量守恒定律。由于物理定律通常可以用不止一种方式来表达，研究人员想知道系统是否可以提供新的方式（也许是更简单的方式）来思考已知的定律。

这些都是AI启动科学发现过程的例子，虽然不同案例中AI的作用影响各有不同。也许最具争议的问题是，在数据爆炸的今天，单从数据中能收集到多少信息。计算机科学家Judea Pearl和科学作家Dana Mackenzie断言，数据是“极其愚蠢的”。因果关系的问题永远不能单靠数据来回答。Schawinski也支持这种立场，他从未声称数据可以推演因果关系，而只是认为，我们可以比以往更多地利用数据。

另一个经常听到的论点是，科学需要创造力，而且至少到目前为止，我们不知道如何将“创造力”编程到机器中。物理学家Kai Polsterer说：“除了理论和推理，我们还需要创造力——只有人类才具有这项能力。”创造力从何而来？Polsterer怀疑这与“无聊”有关，机器不会感到无聊。要想有创意，你必须讨厌无聊的感觉。另一方面，像创意和灵感这样的词经常被用来形容Deep Blue（战胜人类象棋手的计算机）和AlphaGo这样的智能程序。我们在试图描述计算机思想的时候，实际上是对自己大脑的映射。

Schawinski最近离开学术界去了私营部门。他现在经营着一家名为Modulos的创企，公司雇佣了一些ETH科学家，据其网站称，公司处在AI和机器学习发展的风口浪尖。不管当前AI技术和成熟的人工智慧之间存在什么障碍，Schawinski和同事们都认为机器已经可以接替越来越多人类科学家的工作。

Schawinski说：“在可预见的未来，是否有可能利用生物硬件建造一台机器，它可以完成人类无法独立完成的物理、数学任务？科学的未来最终会不会因为计算机才达到人类难以企及的高度？我不知道。但这是个好问题。”