人工智能確實厲害。
基于牛頓力學的“三體問題”講述了在一個由三個天體構(gòu)成的天體系統(tǒng)中，如何預測天體的運動趨勢。使用傳統(tǒng)的計算方式得出結(jié)果有時候需要幾個星期甚至幾個月。而最近劍橋大學的科學家利用神經(jīng)網(wǎng)絡——一種所謂的“模式識別”人工智能，用了不到一秒鐘就破解了。
該人工智能算法比Brutus——此前在推演“三體問題”方面最先進的計算程序至少快1億倍。天文學家通常使用Brutus來研究星團的運動和宇宙的演化。通過學習9900個已有的簡單方案，神經(jīng)網(wǎng)絡算法成功地對5000個結(jié)果作出了預言。在這個過程中最引人注目的是，得出這5000個結(jié)果所用的時間只有若干分之一秒——相比之下，傳統(tǒng)的Brutus得出相同的結(jié)果需要2分鐘。
Brutus之所以速度比較慢，是因為它使用的算法相對比較簡單粗暴。它會對天體運行軌跡的每一步逐一進行計算。而神經(jīng)網(wǎng)絡算法會歸納天體運動方式中的共同點，來預測可能會出現(xiàn)什么結(jié)果。
這個神經(jīng)網(wǎng)絡存在一個問題，即必須對它進行事先訓練。它所學習的9900個已有解決方案是科學家用Brutus生成的。假如要提升復雜度，或增加天體的數(shù)量，則必須事先使用Brutus為其提供更多的學習素材，而這是極為耗時和耗能的。
此外這個神經(jīng)網(wǎng)絡算法只能在事先設(shè)定好的時間周期內(nèi)運行。由于無法預知得出一個結(jié)果究竟需要多長時間，因此它有可能會在得出結(jié)果之前就停止運行。
但是研究人員相信，通過讓傳統(tǒng)算法和人工智能算法進行協(xié)同工作，可以解決這些問題。我們可以讓傳統(tǒng)算法來進行一些粗笨的工作，而當遇到復雜的任務——比如要進行模擬時，再請人工智能來幫忙。
