沒(méi)有人類(lèi)或人類(lèi)團隊可能能夠跟上當今許多物理學(xué)和天文學(xué)實(shí)驗所產(chǎn)生的大量信息。他們中的一些人每天記錄數TB的數據 - 洪流只會(huì )增加。Square Kilometer Array是一臺預定在20世紀20年代中期開(kāi)啟的射電望遠鏡，每年將產(chǎn)生與整個(gè)互聯(lián)網(wǎng)一樣多的數據流量。
大洪水讓許多科學(xué)家轉向人工智能尋求幫助。人工神經(jīng)網(wǎng)絡(luò )(人工神經(jīng)網(wǎng)絡(luò ) - 模擬大腦功能的神經(jīng)元的計算機模擬網(wǎng)絡(luò ))等人工智能系統可以通過(guò)最少的人工輸入，在大量數據中掠過(guò)，突出異常并檢測人類(lèi)永遠無(wú)法發(fā)現的模式。
當然，使用計算機來(lái)輔助科學(xué)研究大約可以追溯到75年前，并且手工研究數據以尋找有意義的模式的方法起源于數千年前。但是一些科學(xué)家認為機器學(xué)習和人工智能的最新技術(shù)代表了一種全新的科學(xué)方法。一種這樣的方法，即生成建模，可以幫助在僅基于數據的觀(guān)察數據的競爭性解釋中找出最合理的理論，并且重要的是，沒(méi)有任何預編程的知識，可以在所研究的系統中起作用的物理過(guò)程。 。生成模型的支持者認為它足夠新穎，被認為是學(xué)習宇宙的潛在“第三條道路”。
傳統上，我們通過(guò)觀(guān)察了解了自然。想想約翰內斯·開(kāi)普勒(Johannes Kepler)在第谷布拉赫(Tycho Brahe)的行星位置表上仔細研究，并試圖辨別出潛在的模式。(他最終推斷出行星在橢圓軌道上運動(dòng)。)科學(xué)也通過(guò)模擬推進(jìn)。一位天文學(xué)家可能會(huì )模擬銀河系及其鄰近星系仙女座星系的運動(dòng)，并預測它們將在數十億年內發(fā)生碰撞。觀(guān)察和模擬都有助于科學(xué)家產(chǎn)生假設，然后可以通過(guò)進(jìn)一步的觀(guān)察進(jìn)行測試。生成建模不同于這兩種方法。
“它基本上是觀(guān)察和模擬之間的第三種方法，” 天文物理學(xué)家和生成模型最熱情的支持者之一Kevin Schawinski說(shuō)道，他最近在瑞士聯(lián)邦理工學(xué)院(蘇黎世聯(lián)邦理工學(xué)院)工作。“這是解決問(wèn)題的另一種方式。”
一些科學(xué)家將生成建模和其他新技術(shù)視為傳統科學(xué)的動(dòng)力工具。但大多數人都認為人工智能正在產(chǎn)生巨大影響，而且它在科學(xué)中的作用只會(huì )增長(cháng)。Fermi國家加速器實(shí)驗室的天體物理學(xué)家Brian Nord使用人工神經(jīng)網(wǎng)絡(luò )來(lái)研究宇宙，他們擔心人類(lèi)科學(xué)家沒(méi)有什么可以實(shí)現自動(dòng)化。“這是一個(gè)令人不寒而栗的想法，”他說(shuō)。
按代發(fā)現
自研究生畢業(yè)以來(lái)，Schawinski一直以數據驅動(dòng)的科學(xué)為名。在攻讀博士學(xué)位期間，他面臨著(zhù)根據外表對數千個(gè)星系進(jìn)行分類(lèi)的任務(wù)。因為這份工作沒(méi)有現成的軟件，所以他決定對其進(jìn)行眾包 - 因此銀河動(dòng)物園公民科學(xué)項目誕生了。從2007年開(kāi)始，普通計算機用戶(hù)通過(guò)記錄他們對哪個(gè)星系屬于哪個(gè)類(lèi)別的最佳猜測幫助天文學(xué)家，多數規??則通常導致正確的分類(lèi)。該項目取得了成功，但是，正如Schawinski指出的那樣，人工智能已經(jīng)過(guò)時(shí)了：“今天，具備機器學(xué)習和云計算訪(fǎng)問(wèn)背景的才華橫溢的科學(xué)家可以在一個(gè)下午完成整個(gè)工作。”
Schawinski在2016年轉向了生成建模的強大新工具。從本質(zhì)上講，生成建模會(huì )詢(xún)問(wèn)在條件X的情況下，你會(huì )觀(guān)察到結果Y的可能性。這種方法已被證明是非常有效和多才多藝的。例如，假設您為生成模型提供一組人臉圖像，每張臉都標有人的年齡。當計算機程序梳理這些“訓練數據”時(shí)，它開(kāi)始在較舊的面部之間建立聯(lián)系并增加皺紋的可能性。最終，它可以“老化”它所給予的任何面孔 - 也就是說(shuō)，它可以預測任何年齡的特定面部可能經(jīng)歷的物理變化。
