【卡城华人网】AI 快速学会宇宙法则，反而看不见新物理现象？

>>返回【卡城华人网】主页

卡城新闻加国新闻即时新闻娱乐八卦最新科技读者文摘养生保健美食饮品居家生活移民茶馆艺术中心风筝专辑
房屋租赁求职招聘便民广告定居指南城市介绍房产动态留学移民华人故事教育话题财经信息精华旅游难得一笑

最新科技

卡城华人网信息中心

最新科技

AI 快速学会宇宙法则，反而看不见新物理现象？

AI 快速学会宇宙法则，反而看不见新物理现象？
【卡城华人网 www.calgarychina.ca】 2026-06-20 11:06

免责声明：本消息未经核实，不代表网站的立场、观点，如有侵权，请联系删除。

【卡城华人网】AI 快速学会宇宙法则，反而看不见新物理现象？

发表于《宇宙学与天文粒子物理期刊》的最新研究指出，人工智慧有望大幅加速人类寻找宇宙新法则的脚步，但也带来出乎意料的难题：AI 有时懂太多，反而学不了新事物。

宇宙的标准答案还不够完整

目前科学家描述宇宙的主流理论为「ΛCDM 模型」，它能解释宇宙膨胀、星系分布等大范围现象，是当代宇宙学的基石。然而，科学家认为这个模型并非最终答案，近年天文观测暗示，巨质量微中子、重力修正效应、随时间变化的暗能量，都可能指向超越现有理论的新物理。

问题在于：要探索这些可能性，研究员必须建立数量庞大的「虚拟宇宙」电脑模拟，每个都对应不同物理假设，运算资源耗费量极其惊人，往往需要超大型电脑丛集跑好几周。

「迁移学习」：让AI 先读入门书

普林斯顿大学与弗莱特隆研究所尝试用称之为「迁移学习」（transfer learning）的机器学习突破这道瓶颈。概念很直接：不要让AI 一开始就硬啃最复杂的教材，而是先用相对简单的ΛCDM 模拟训练它打好基础，再逐步让它学习包括新物理的复杂模型。

共同作者、宇宙学家Adrian Bayer 生动比喻：「就像你要学一门困难学科，会先读入门书建立概念，再去读真正艰深的专门著作。」第一作者、普林斯顿大学大学部学生Veena Krishnaraj 也说，这能避免AI 一次「消化太多东西」。

但结果相当惊人：某些情形，迁移学习让团队昂贵模拟数量减少超过十倍，大幅降低运算成本与时间。

懂太多的代价：「负迁移」问题

然而，研究揭示一个隐藏陷阱，研究员称之为「负迁移」（negative transfer）。还是用Bayer 的比喻：想像从入门课本学医的学生，某天遇到一种罕见疾病，症状和常见病极为相似。过去累积的知识通常有帮助，但有时反而让人做出错误判断，先入为主将罕见病当成常见病处理。

AI 也会犯同样毛病。团队测试包含巨质量微中子模拟时就发现，微中子质量在宇宙留下的观测讯号，和ΛCDM 模型名叫「σ8」的参数（衡量物质在宇宙聚集程度的指标）效果非常相似。由于两者「长相」几乎一样，预训练过的神经网路起初根本分不清楚，常把新物理的讯号误判为已知现象。

Krishnaraj 解释：「负迁移并非随机发生，而是源自模型背后的物理缩并性（degeneracy）。」换句话说，不同物理过程可能留下几乎相同的宇宙印记，让AI 很难正确辨认哪个才是真正的原因。「这是我们必须留意并设法解决的问题。」

谨慎使用，因潜力巨大

此研究也像双面刃，迁移学习确实能让AI 更快学习新宇宙模型，但如果运用不当，却让AI 被旧知识束缚，错过真正的新发现，正如论文所述：「预训练能加速推理，但也可能阻碍学习新物理。」

这套方法仍在模拟阶段验证。团队下步是用于真实天文观测数据。下代宇宙巡天计画即将生产前所未有的海量精确数据，若能谨慎运用迁移学习，科学家或许能用更少资源、更快速度，在浩瀚宇宙找到超越现有理论的新物理。

来源：TechNews

编辑(Edit) 删除(Delete)

>>返回【卡城华人网】主页