【大紀元2020年07月24日訊】（大紀元記者高文森編譯）一份新研究認為，教授人工智能物理學，將增強其應對無序狀態和出現預期之外狀況的能力。
具體來說，這份研究建議教授人工智能可以完整地描述一個動態系統，包括動能和潛在能量的哈密頓函數。
神經網絡，是人工智能中一種粗略地模擬人類大腦複雜工作方式的系統。研究者稱，學習了哈密頓函數後，神經網絡將能站在「更高的層面」看問題，能夠解決更難的問題。
研究人員將引入哈密頓函數的過程以鐘擺作類比，好比給予人工智能關於鐘擺整個過程的速度和路線的信息，而不是鐘擺在某一個位置狀態的剪影。
這份來自北卡羅來納州立大學的研究稱，如果神經網絡了解鐘擺的位置、它下一步將去向哪裡，以及此刻的能量值，系統在遇到無序的信息時，也能將它們變成有序的狀態。
不僅如此，它將改善人工智能系統的效率，在無序大量額外神經節點的情況下，對動態、預期之外的結果有更好的預見性。
為了測驗效果，研究人員將改進後的人工智能系統用標準Henon-Heiles模型進行檢驗，這個模型原先為模擬恆星周圍星體而造。
結果顯示，這個武裝了哈密頓函數的神經網絡，成功通過了測試，在系統有序和無序的狀態下，都做出了正確的預測性判斷。
現在，人工智能已經可以模擬太空、進行醫學診斷、改善老電影的畫質、協助科學家開發新藥。研究人員稱，這些技術都僅是開端，這份研究有助於人工智能拓展更大的能力。
「如果無序是一種非線性的『超能力』，把確定的變數當成了未知數，那麼哈密頓就像給神經網絡加上的『祕製醬料』，一種讓它快速學習、對有序和無序都具有預測能力的特製調料。」研究員寫道。
這份研究近期發表在物理評論E刊（Physical Review E）上。◇
責任編輯：朱涵儒
