物理学家80页论文证明马斯克「模拟矩阵」：宇宙是个自学成才的计算机

编者按：本文来自微信公众号“新智元”（ID:AI_era），来源：arXiv ，编辑：小匀、LZY ，36氪经授权发布。

与微软合作的理论物理学家团队发表了一个毛骨悚然的启发性理论：和人类一样，宇宙本身也在观察并学习自己的规律与结构，换句话说，我们生活在一台不断学习自身的电脑里。而且在该理论中，我们永远不会统一物理学定律。

别太得意。 

当你试图了解宇宙的时候，宇宙也在「学习」你。 

近日，与微软合作的一组理论物理学家发表了一篇惊人的论文，将宇宙描述为：进化定律的自学成才系统（a self-learning system of evolutionary laws）。 

这篇长达80页的论文名为「自律宇宙（The Autodidactic Universe）」， 论文表示，和人类一样， 宇宙本身也在观察并学习自己的规律与结构 ，并因此作出某些改变。 

换句话说，我们生活在一台不断学习自身的电脑里。 

宇宙自学成才，「演化」出深度学习框架？

如果宇宙是一台计算机，而不是固态的存在，那么它是怎么运作的？ 

论文指出，宇宙的运行有一个类似于机器学习的学习系统。 

正如我们教会机器来执行某些功能一样，本质上，宇宙法则是以学习操作的形式工作的算法。 

根据作者的观点，宇宙也演化出了类似深度学习框架的自发系统。 

我们知道，深度学习框架就是一套积木，各个组件就是某个模型或算法的一部分，你可以自己设计积木的堆叠。 

因此，我们是否可以想象，宇宙演化出法则的操作矩阵架构，其本身是从一个自动教学系统演化而来的，该系统产生于最可能的最小初始条件? 

论文中，作者描述了几个模型，这些模型均实现了「自导自演」： 

有7,088个节点和7,304条边的图，由抽样可能的未来构成 

仔细想想，这是有道理的。 

生活中，物理定律的得出靠的是我们的观察，所以原始物理定律将极其简单，但经过代代更迭，定律有了自我延续并具有学习和发展的能力。 

也许，宇宙不是从大爆炸开始的，而仅仅是粒子之间的简单相互作用。 

研究人员通过指出「架构会放大放大很小数量的粒子的因果关系」来暗示这一渊源。 

宇宙定律不断更新，过程不可逆，统一物理学不可能！ 

作者认为，宇宙不断发展的规律不可逆转。 

这是因为新的状态不是随机的，而是必须满足一定的约束条件，而眼前的过去状态已经满足了约束条件。 

「规律恢复到以前的状态是很常见的，甚至可能比它们找到新的状态更有可能。」 

论文第一作者Stephon Alexander 

一个可逆但不断进化的系统会随机地频繁地探索离它最近的过去。当我们看到一个不断进化的系统表现出稳定期时，它可能是单向进化的。 

在说明这些观点时，研究人员引用了一个例子： 

你可以简单地检查一下硬盘上剩余的磁性标记。这样就会发现程序的结果是可逆的：因为存在之前执行的历史记录。

但是，如果同一位专家试图通过检查CPU来确定程序的结果，那就很难做。因为没有CPU的运行记录。 

根据这篇论文，138亿年前和100万亿年后，支配相对论等概念的规则可能完全不同。 

这意味着物理学并不是一成不变的。 

用物理思维理解机器学习

文章围绕受限玻尔兹曼机（restricted Boltzmann machine, RBM）讨论。 

受限玻尔兹曼机由Hinton等人提出，是一种生成式随机神经网络。 

这个概念非常抽象，是一种类似物理学的机器学习模型。 

然而，受限玻尔兹曼机是最简单的一类深度神经网络结构， 

该架构由两层神经元组成。一个是可见层（绿色），一个是隐藏层（蓝色）。 

在这种模型中，神经元的状态值是以随机的方式确定的，而不像之前介绍的神经网络那样是确定性的。据任务的不同，受限玻兹曼机可以使用 监督学习 或 无监督学习 的方法进行训练。 

简单理解，就是做个映射，其规律可能会随着时间的推移而演变。 

那么，如何将物理规律理解为学习？ 

作者将建立以下的图谱，在一类物理理论和一类基于神经网络的学习模型。 

模拟理论（上）、规范场论（左）与机器学习（右） 

然后通过与矩阵模型的对应关系来实现： 

随着训练过程的迭代，连接两层的权重会根据优先原则进行更新，直到它们在某个极限集上收敛。但作者考虑的变体情况是，两层的size都非常大，而且每层的神经元数量相等。 

模拟矩阵的「信徒」：从德雷克方程到马斯克 

熟悉马斯克的都知道， 他坚信「矩阵模拟假设（Matrix-style simulation）」。 

2018年，在由喜剧演员Joe Rogan主持的《The Joe Rogan Experience》节目中，马斯克比较全面的阐述了他自己的价值观，他坚信「我们活在模拟（simulation）中」。马斯克的「矩阵模拟假设（Matrix-style simulation）」理论是根据宇宙已经存在138亿年的事实而提出来的。 

让我们引入另一个概念：德雷克方程。

德雷克方程是科学界最著名的研究成果之一，它通过估计我们银河系中可能存在的其他智慧文明的数量，计算出我们在宇宙中并不孤单的可能性。 

德雷克公式又称「绿岸公式」，是用来推算银河系及可观测宇宙能与我们进行无线电通信的高智能文明数目。由美国天文学家德雷克于1960年代在绿岸镇提出。 

德雷克方程 

德雷克方程的含义是: 

银河系内可能与我们通讯的文明数量=银河系内恒星数目×恒星有行星的比例×每个行星系中类地行星数目×有生命进化可居住行星比例×演化出高智生物的概率×高智生命能够进行通讯的概率×科技文明持续时间在行星生命周期中占的比例。 

德雷克方程虽然简单，但却无法求解。该方程还有很多不确定项，比如发展出智慧生命的行星的比例；还有一些可能我们永远都不会知道，比如在被发现之前自我毁灭的比例。

尽管如此，科学家们还是利用德雷克公式对可能出现外星智慧文明的可能性划出了界限。 

从另一个角度来说，我们很可能和外星生物存在某种联系，因为我们的世界可能是他们的某种超级计算机的一个模拟。事实上，很多的科学家、哲学家都认为，这种情况的概率非常接近于1。

换句话说，我们每个个体和周围的环境，一切都可能是计算机的数字化模拟。 

这种说法的准确性我们不得而知，但是我们仍旧希望能有一种更好的方式来判断这种可能性。 

加拿大蒙特利尔大学的Bibeau-Delisle 和 Gilles Brassard等人已经推导出一个类似德雷克方程的公式，用来计算我们生活在模拟世界中的可能性。但是结果却有点反直觉，可能会改变我们对模拟世界的看法。 

Gilles Brassard 

Bibeau-Delisle 和 Brassard 首先对可用于创建模拟世界的计算能力进行了估计。 

如他们所说，一千克的物质，完全用于计算，可以每秒执行10 ^ 50次运算，而相比之下，同等的人类大脑只能进行10 ^ 16次运算。这样一来，一台相当于人脑质量的计算机就有可能模拟出1.4 × 10 ^ 25个虚拟大脑的实时进化过程。 

所以可以合理的假设，在一个足够先进的文明中，一个地外高等文明生物完全可以模拟我们这样充满了自我意识的人类社会。 

两位作者提出了上图的公式来计算茫茫人海中有多少人是被模拟出来的，他们得到了两种结果：要么这个世界完全是被模拟的，要么能够用来模拟大脑的先进计算能力并不存在。 

而第二种结果很可能是正确的。一个只是技术比我们发达的高等文明生物，能够以非常精确的方式模拟人类生物，使得人们有意识，但又同时愚弄了他们，让真正的现实世界隔绝，这种做法是不道德的。 

另一种可能性是，外星文明从没有强大到可以进行这种模拟，他们可能在这之前就因为疾病、战争、气候等原因而消亡了。 

两位作者还提出了一个问题：假设我们存在于模拟世界中，我们是否可以逃跑，或者向高等的造物主隐瞒我们的意图？ 

他们认为模拟技术在本质上是量化的，如果量子现象在传统的计算机中如此难以计算，那么我们的世界很可能是在量子计算机上进行的模拟。 

这是一篇发表在arXiv上文章， 研究人员将努力向其中添加算法和神经网络系统的类型。 

参考链接： 

https://arxiv.org/pdf/2104.03902.pdf 

https://thenextweb.com/news/physicists-working-with-microsoft-think-the-universe-is-a-self-learning-computer 

https://thenextweb.com/news/physicists-working-with-microsoft-think-the-universe-is-a-self-learning-computer