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(tài)和出現(xiàn)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(tài)系統(tǒng)，包括動能和潛在能量的哈密頓函數(shù)。

　　神經網絡，是人工智能中一種粗略地模擬人類大腦復雜工作方式的系統(tǒng)。研究者稱，學習了哈密頓函數(shù)后，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(shù)的過程以鐘擺作類比，好比給予人工智能關于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(tài)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、它下一步將去向哪里，以及此刻的能量值，系統(tǒng)在遇到無序的信息時，也能將它們變成有序的狀態(tài)。

　　不僅如此，它將改善人工智能系統(tǒng)的效率，在無序大量額外神經節(jié)點的情況下，對動態(tài)、預期之外的結果有更好的預見性。為了測驗效果，研究人員將改進后的人工智能系統(tǒng)用標準Henon-Heiles模型進行檢驗，這個模型原先為模擬恒星周圍星體而造。

　　結果顯示，這個武裝了哈密頓函數(shù)的神經網絡，成功通過了測試，在系統(tǒng)有序和無序的狀態(tài)下，都做出了正確的預測性判斷。

　　現(xiàn)在，人工智能已經可以模擬太空、進行醫(yī)學診斷、改善老電影的畫質、協(xié)助科學家開發(fā)新藥。研究人員稱，這些技術都僅是開端，這份研究有助于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(shù)當成了未知數(shù)，那么哈密頓就像給神經網絡加上的‘秘制醬料’，一種讓它快速學習、對有序和無序都具有預測能力的特制調料?！毖芯繂T寫道。這份研究近期發(fā)布在物理評論E刊上。