新时代，高科技越来越发达。相信很多年轻人都看过科技新闻，所以我们在生活中也应该多多使用这些高科技的东西。今天想和大家分享一条科技知识，希翼大家喜欢。

尽管人工智能系统不断取得巨大进步，但它们仍然不太擅长处理混乱或不可预测性。现在，研究人员认为他们已经通过向人工智能教授物理找到了解决这个问题的方法。

更具体地说，他们被教授哈密顿函数，哈密顿函数为人工智能提供了关于整个动态系统的信息：其中包含的所有能量，包括动力学和势能。

【资料图】

神经网络旨在轻松地将人脑模拟为复杂、加权和复杂类型的AI，然后对正在发生的事情有“更大的了解”，这可能为AI解决越来越多的难题提供可能性。

北卡罗来纳州立大学的物理学家约翰林德纳说：“哈密顿量确实是一种特别的调味品，它使神经网络能够学习秩序和混沌。”

“有了哈密顿算符，神经网络可以用传统网络无法理解的方式理解潜在的动力学。这是迈向物理神经网络的第一步，它可以帮助我们解决问题。”

研究人员将汉密尔顿函数的引入与钟摆进行了比较——它为人工智能提供了关于钟摆转速及其行进路径的信息，而不仅仅是向人工智能显示某一时刻钟摆的快照。

新的研究发现，如果神经网络可以理解哈密顿流，那么，在这个类比中，它被放置在哪里，它可能移动到哪里，以及它的能量，那么他们可以更好地治理混沌的有序引入。

不仅如此，还可以提高它们的效率：无需大量额外的神经节点，就可以更好地预测动态和不可预测的结果。有助于AI快速全面地了解世界的实际运行模式。

为了测试他们新改进的人工智能神经网络，研究人员将其与通常被称为黑非海尔斯模型的基准进行了比较，该模型最初是为了模拟恒星环绕太阳的运动而创建的。

汉密尔顿神经网络成功地通过了测试，并正确地预测了系统的有序和混沌动力学。

改进后的人工智能可以用于从诊断医疗状况到驾驶无人驾驶飞机的所有领域。

我们看过AI模拟空间，诊断医疗问题，升级电影，研发新药。相对而言，这项技术才刚刚起步——还在进步。这些新发现应该对此有所帮助。

研究人员在论文中写道：“如果说混沌是一种非线性的‘超级力量’，使得确定性动力学几乎不可预测，那么哈密顿量就是神经网络的‘秘密调味料’，它是一种可以学习和预测秩序和混沌的特别成分。”纸。

标签：