新的人工智能解決“三體問題”比傳統(tǒng)算法快1億倍。

人工智能確實厲害。

基于牛頓力學(xué)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(yù)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(xué)的科學(xué)家利用神經(jīng)網(wǎng)絡(luò)——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(jìn)的計算程序至少快1億倍。天文學(xué)家通常使用Brutus來研究星團的運動和宇宙的演化。通過學(xué)習(xí)9900個已有的簡單方案，神經(jīng)網(wǎng)絡(luò)算法成功地對5000個結(jié)果作出了預(yù)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(jìn)行計算。而神經(jīng)網(wǎng)絡(luò)算法會歸納天體運動方式中的共同點，來預(yù)測可能會出現(xiàn)什么結(jié)果。

這個神經(jīng)網(wǎng)絡(luò)存在一個問題，即必須對它進(jìn)行事先訓(xùn)練。它所學(xué)習(xí)的9900個已有解決方案是科學(xué)家用Brutus生成的。假如要提升復(fù)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(xué)習(xí)素材，而這是極為耗時和耗能的。

此外這個神經(jīng)網(wǎng)絡(luò)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(yù)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(jìn)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(jìn)行一些粗笨的工作，而當(dāng)遇到復(fù)雜的任務(wù)——比如要進(jìn)行模擬時，再請人工智能來幫忙。