作者 | Marric Stephens

編譯 | CDA數(shù)據(jù)科學(xué)研究院

上世紀(jì)中葉奠定了機(jī)器學(xué)習(xí)的基礎(chǔ)。但是，正如Marric Stephens所發(fā)現(xiàn)的那樣，功能日益強(qiáng)大的計(jì)算機(jī)（采用了過(guò)去十年改進(jìn)的算法）正在推動(dòng)從醫(yī)學(xué)物理到材料的各種應(yīng)用的爆炸式增長(zhǎng)。

當(dāng)您的銀行打電話來(lái)詢(xún)問(wèn)在奇怪的時(shí)候用您的信用卡進(jìn)行的一筆可疑的大筆交易時(shí)，好心的職員不太可能親自梳理您的帳戶。取而代之的是，一臺(tái)機(jī)器很可能已經(jīng)學(xué)會(huì)了與犯罪活動(dòng)相關(guān)的某種行為，并且在您的陳述中發(fā)現(xiàn)了意想不到的東西。銀行的計(jì)算機(jī)一直在無(wú)聲高效地使用算法來(lái)監(jiān)視您的帳戶中是否存在盜竊跡象。

以這種方式監(jiān)視信用卡是“機(jī)器學(xué)習(xí)”的一個(gè)示例，即在給定的一組示例中接受訓(xùn)練的計(jì)算機(jī)系統(tǒng)通過(guò)該過(guò)程來(lái)靈活，自主地執(zhí)行任務(wù)的過(guò)程。作為更廣泛的人工智能（AI）領(lǐng)域的子集，機(jī)器學(xué)習(xí)技術(shù)可以應(yīng)用在可以挖掘大量復(fù)雜數(shù)據(jù)集以用于輸入和輸出之間關(guān)聯(lián)的任何地方。對(duì)于您的銀行，該算法將分析大量合法和非法交易，以根據(jù)給定輸入（“凌晨3點(diǎn)的高價(jià)訂單”）產(chǎn)生輸出（“可疑欺詐”）。

但是機(jī)器學(xué)習(xí)不僅僅用于金融領(lǐng)域。從醫(yī)療保健和交通運(yùn)輸?shù)叫淌滤痉ㄏ到y(tǒng)，它也被廣泛應(yīng)用于其他領(lǐng)域。王剛（George Wang）是美國(guó)倫斯勒理工學(xué)院（Rensselaer Polytechnic Institute）的生物醫(yī)學(xué)工程師，他是醫(yī)學(xué)成像技術(shù)的先驅(qū)者之一。他相信，在機(jī)器學(xué)習(xí)方面，我們正處于革命的風(fēng)口浪尖。

內(nèi)幕故事

Wang的研究涉及從對(duì)人類(lèi)患者的掃描（輸入）中獲取不完整的數(shù)據(jù)，并“重建”真實(shí)的圖像（輸出）。圖像重建本質(zhì)上是機(jī)器學(xué)習(xí)算法更普遍的應(yīng)用的反面，機(jī)器學(xué)習(xí)算法通過(guò)訓(xùn)練計(jì)算機(jī)來(lái)發(fā)現(xiàn)和分類(lèi)現(xiàn)有圖像。例如，您的智能手機(jī)可能會(huì)使用這些算法來(lái)識(shí)別您的筆跡，而自動(dòng)駕駛汽車(chē)會(huì)使用它們來(lái)識(shí)別車(chē)輛和道路上的其他潛在危險(xiǎn)。

圖像重建不僅是一種醫(yī)療技術(shù)，它還可以在港口和機(jī)場(chǎng)中找到，在那里，安全人員可以使用X射線對(duì)密封的容器進(jìn)行窺視。它在建筑和材料行業(yè)中也很有價(jià)值，在這些行業(yè)中，3D超聲圖像可以在結(jié)構(gòu)失效之前很久就揭示出危險(xiǎn)的缺陷。但是對(duì)于Wang來(lái)說(shuō)，他的目標(biāo)是克服基于不完善和不完整的醫(yī)學(xué)物理數(shù)據(jù)重建對(duì)象（例如患者心臟）的體積圖像時(shí)出現(xiàn)的噪音和偽像。

越少越好：快速進(jìn)行MRI掃描可以避免捕獲內(nèi)部器官的不必要運(yùn)動(dòng)，但會(huì)導(dǎo)致圖像受損。但是，機(jī)器學(xué)習(xí)可以基于不完整的數(shù)據(jù)重建改進(jìn)的圖像。

有充分的理由來(lái)處理盡可能少的數(shù)據(jù)。例如，在磁共振成像（MRI）中，快速進(jìn)行掃描可以避免患者心臟和肺部不必要的運(yùn)動(dòng)，否則這些運(yùn)動(dòng)會(huì)給所生成的圖片造成不可接受的污點(diǎn)。同時(shí)，在X射線計(jì)算機(jī)斷層掃描（CT）中，您希望最大程度地減少對(duì)患者的輻射劑量，這意味著僅捕獲足夠的數(shù)據(jù)以生成圖像即可，而無(wú)需再進(jìn)行其他操作。

傳統(tǒng)的“分析”重建方法通過(guò)組合從患者周?chē)鱾€(gè)角度獲得的測(cè)量結(jié)果來(lái)生成圖像，這很困難，因?yàn)檫@意味著要獲取完整的數(shù)據(jù)集。盡管近年來(lái)開(kāi)發(fā)的“迭代重建”算法更能容忍數(shù)據(jù)中的差異，但它們需要大量的計(jì)算機(jī)功能。這是因?yàn)檫@些算法會(huì)產(chǎn)生多個(gè)候選圖像，每個(gè)圖像都必須與“正確”數(shù)據(jù)進(jìn)行比較，以便逐漸達(dá)到最終的重建效果。

在短期內(nèi)，Wang設(shè)想使用機(jī)器學(xué)習(xí)技術(shù)來(lái)代替重建過(guò)程中的特定單個(gè)組件。這些技術(shù)將基于“人工神經(jīng)網(wǎng)絡(luò)”（請(qǐng)參見(jiàn)下面的方框），該網(wǎng)絡(luò)近似模擬生物大腦的工作，每個(gè)輸入都由一個(gè)或多個(gè)“隱藏”的人工神經(jīng)元層處理。加權(quán)各層之間的相互作用，以使過(guò)程為非線性，并且這些參數(shù)隨系統(tǒng)的學(xué)習(xí)而變化，從而相應(yīng)地修改輸出。所謂的“深度學(xué)習(xí)”方法是在存在許多隱藏層時(shí)利用“深度”網(wǎng)絡(luò)的方法。

首先，Wang認(rèn)為，改進(jìn)將是微不足道的，而不是革命性的。例如，在迭代重建中，使用神經(jīng)網(wǎng)絡(luò)基于大數(shù)據(jù)集對(duì)圖像進(jìn)行初始“猜測(cè)”，只會(huì)使整個(gè)過(guò)程更高效。另一種替代方法是，神經(jīng)網(wǎng)絡(luò)負(fù)責(zé)確定何時(shí)執(zhí)行了足夠的迭代以產(chǎn)生足夠的輸出。

然而，從長(zhǎng)遠(yuǎn)來(lái)看，Wang的野心更大。他呼吁建立一個(gè)完全集成的系統(tǒng)，在該系統(tǒng)中，機(jī)器學(xué)習(xí)算法（使用原始成像數(shù)據(jù)作為輸入）將重建圖像，然后提取和分類(lèi)癌癥和神經(jīng)疾病等病理特征。這樣的系統(tǒng)甚至可以擴(kuò)展到涵蓋治療計(jì)劃，從而使從數(shù)據(jù)采集到治療的整個(gè)過(guò)程自動(dòng)化。

Wang說(shuō)，盡管取得了成就和希望，深度學(xué)習(xí)仍缺乏一個(gè)體面的總體理論，這意味著該技術(shù)的矛盾之處仍然是神秘的。通過(guò)更改一個(gè)小像素的值，人工神經(jīng)網(wǎng)絡(luò)可以返回奇怪的結(jié)果。這并不總是正確的。因此，未來(lái)的目標(biāo)是開(kāi)發(fā)更容易解釋?zhuān)子诮忉尩腁I，打開(kāi)黑匣子，Wang開(kāi)玩笑說(shuō)，“仍然是一個(gè)灰匣子”。

量子問(wèn)題

機(jī)器學(xué)習(xí)也可能對(duì)量子物理學(xué)產(chǎn)生深遠(yuǎn)的影響，尤其是解決“量子多體問(wèn)題”。當(dāng)您有一組相互作用的對(duì)象時(shí)，只有考慮到它們的量子性質(zhì)，才能理解這些問(wèn)題。“這些問(wèn)題的共同點(diǎn)是，從原理上講，研究它們的特性需要對(duì)多體波函數(shù)有充分的了解，” 美國(guó)西蒙斯基金會(huì)的Flatiron研究所的物理學(xué)家Giuseppe Carleo說(shuō)。

用Carleo的話說(shuō)，多體波函數(shù)是“一個(gè)怪物，它的復(fù)雜性與成分的數(shù)量成指數(shù)關(guān)系”。例如，想像一個(gè)粒子系統(tǒng)，每個(gè)粒子系統(tǒng)都可以順時(shí)針或逆時(shí)針旋轉(zhuǎn)。對(duì)于兩個(gè)粒子，您有四個(gè)可能的狀態(tài)。具有三個(gè)粒子，八個(gè)狀態(tài)，這仍然是可管理的。但是，走得更遠(yuǎn)，事情很快就會(huì)失控。

解決量子多體問(wèn)題的同樣困難也出現(xiàn)在“量子態(tài)層析成像”中。就像層析成像可以通過(guò)不進(jìn)行任何測(cè)量來(lái)重建對(duì)象的內(nèi)部一樣，量子態(tài)層析成像可以通過(guò)對(duì)系統(tǒng)更易接近的部分進(jìn)行的少量測(cè)量來(lái)確定系統(tǒng)的量子態(tài)。與量子多體問(wèn)題一樣，波動(dòng)函數(shù)中編碼的信息隨系統(tǒng)中組件的數(shù)量呈指數(shù)增長(zhǎng)。

描述量子態(tài)的一種方式是糾纏量子計(jì)算機(jī)中的量子位，這使量子態(tài)斷層掃描對(duì)于理解這種計(jì)算機(jī)如何應(yīng)對(duì)噪聲和相干性損失至關(guān)重要。問(wèn)題是，任何值得擁有的量子計(jì)算機(jī)都將包含數(shù)十或數(shù)百個(gè)量子位，因此用蠻力方法確定其量子狀態(tài)將是不夠的。正是在那里，人工神經(jīng)網(wǎng)絡(luò)才得以解救，卡爾雷發(fā)現(xiàn)了這一點(diǎn)，從而有可能有效地重建包括100個(gè)量子比特的量子計(jì)算機(jī)的狀態(tài)。相反，標(biāo)準(zhǔn)方法僅限于大約8個(gè)量子位。

新的學(xué)習(xí)方式：人工神經(jīng)網(wǎng)絡(luò)近似模擬真實(shí)生物大腦的工作，每個(gè)輸入都由一個(gè)或多個(gè)“隱藏”的人工神經(jīng)元層處理。

還有更多。機(jī)器學(xué)習(xí)方法僅在最近才應(yīng)用于該領(lǐng)域，這意味著研究人員使用的技術(shù)仍處于原理驗(yàn)證階段。確實(shí)，Carleo及其同事演示的方法通常涉及僅具有一或兩個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)，而更成熟的商業(yè)應(yīng)用程序（例如Google和Facebook之類(lèi)的應(yīng)用程序）可以采用更深層次的體系結(jié)構(gòu)，并在專(zhuān)用硬件上運(yùn)行已經(jīng)針對(duì)這項(xiàng)工作進(jìn)行了優(yōu)化。

不幸的是，量子物理學(xué)臭名昭著的怪異性意味著這些更復(fù)雜的神經(jīng)網(wǎng)絡(luò)不能簡(jiǎn)單地直接轉(zhuǎn)換為量子態(tài)。Carleo和其他人幾乎不得不從頭開(kāi)始重寫(xiě)算法，并且還無(wú)法與機(jī)器學(xué)習(xí)應(yīng)用程序最前沿看到的復(fù)雜性相提并論。趕上那些成熟的系統(tǒng)將使人工神經(jīng)網(wǎng)絡(luò)能夠解決更復(fù)雜的量子問(wèn)題?！拔艺J(rèn)為在接下來(lái)的幾年中，這種方法和技術(shù)上的差距將會(huì)越來(lái)越小，導(dǎo)致我們現(xiàn)在無(wú)法想象的應(yīng)用，” Carleo說(shuō)。

未來(lái)幾年，人工神經(jīng)網(wǎng)絡(luò)將能夠解決更復(fù)雜的量子問(wèn)題

尋找新材料

人工神經(jīng)網(wǎng)絡(luò)通常必須先輸送大量數(shù)據(jù)，然后才能產(chǎn)生有用的結(jié)果，而在美國(guó)弗吉尼亞大學(xué)，Prasanna Balachandran所使用的工具并不那么耗數(shù)據(jù)。他的研究的目的是從廣闊的多維空間中識(shí)別出能夠產(chǎn)生具有良好性能的材料的相對(duì)較少的配方。通過(guò)反復(fù)試驗(yàn)來(lái)探索這樣的空間將花費(fèi)太長(zhǎng)時(shí)間，并且映射的區(qū)域（對(duì)應(yīng)于其特性已知的材料）在整體中只占很小的一部分。

從谷殼中選出小麥：統(tǒng)計(jì)學(xué)習(xí)可用于將大量可能的物質(zhì)結(jié)構(gòu)篩選為可管理的數(shù)量以進(jìn)行實(shí)驗(yàn)。

Balachandran用于解決此問(wèn)題的方法是一種特殊的機(jī)器學(xué)習(xí)形式，稱(chēng)為統(tǒng)計(jì)學(xué)習(xí)。通過(guò)假設(shè)數(shù)據(jù)中的模式遵循嚴(yán)格的統(tǒng)計(jì)規(guī)則，這種方法可以滿足對(duì)大型訓(xùn)練集的需求。他解釋說(shuō)：“我們訓(xùn)練機(jī)器學(xué)習(xí)模型來(lái)了解我們已經(jīng)知道的事情，然后將這些模型應(yīng)用于預(yù)測(cè)我們不知道的事情?！?/span>

在這種情況下，我們知道某些材料組合的行為，而我們本質(zhì)上希望預(yù)測(cè)的是其他所有可能配方的特性。但是，可以預(yù)測(cè)給定材料的屬性的置信度取決于對(duì)周?chē)徲虻牧私獬潭?，因?對(duì)于每次預(yù)測(cè)-Balachandran也會(huì)量化與每個(gè)預(yù)期值相關(guān)的誤差線。

因此，可以識(shí)別缺乏知識(shí)的區(qū)域，并且系統(tǒng)可以建議接下來(lái)要進(jìn)行的最有利可圖的實(shí)驗(yàn)。這是一種新穎的方法。Balachandran說(shuō)：“通常，在材料科學(xué)中，進(jìn)行實(shí)驗(yàn)的方式因進(jìn)行實(shí)驗(yàn)的科學(xué)家的直覺(jué)而有偏差?！?/span>

美國(guó)和中國(guó)的Balachandran及其同事最近通過(guò)從將近一百萬(wàn)種可能的成分中發(fā)現(xiàn)了一套高性能的“形狀記憶合金”，證明了這種方法的有效性。這樣的材料是有用的，因?yàn)樗鼈冊(cè)诩訜峄蚶鋮s時(shí)隨著相變而變形。相變的溫度取決于轉(zhuǎn)變的方向，這種差異（熱滯后）決定了合金適合的應(yīng)用。Balachandran的小組特別熱衷于使用具有盡可能小的熱滯現(xiàn)象的材料，并且發(fā)現(xiàn)，根據(jù)機(jī)器的預(yù)測(cè)，他們合成的幾十種合金中，幾乎有一半的合金是迄今為止最好的樣品。

探索材料特性的無(wú)限空間可能是歐內(nèi)斯特·盧瑟福（Ernest Rutherford）嘲笑為僅僅是“郵票收集”的活動(dòng)之一，但這可能是發(fā)現(xiàn)新物理學(xué)的關(guān)鍵。Balachandran說(shuō)：“在接下來(lái)的五到十年中，我們希望超越關(guān)聯(lián)，開(kāi)始考慮因果關(guān)系?！?“您需要使用正確的數(shù)據(jù)來(lái)探討因果關(guān)系本身的概念。在我看來(lái)，我們已經(jīng)解決了難題的這一部分，而且我們知道如何快速找到針對(duì)我們感興趣的任何給定問(wèn)題的代表性樣本?！?/span>

統(tǒng)計(jì)，統(tǒng)計(jì)，統(tǒng)計(jì)

雖然機(jī)器學(xué)習(xí)技術(shù)已經(jīng)在醫(yī)學(xué)，量子和材料物理領(lǐng)域取得了具體的成果和見(jiàn)解，而在其他方面則是不可能的，但統(tǒng)計(jì)物理領(lǐng)域的進(jìn)展卻不那么明顯?！拔覀?nèi)栽诘却粋€(gè)偉大的榜樣，即社區(qū)會(huì)同意沒(méi)有機(jī)器學(xué)習(xí)就不會(huì)做的事情，” 在法國(guó)巴黎薩克萊大學(xué)研究機(jī)器學(xué)習(xí)理論的LenkaZdeborová承認(rèn)。

當(dāng)然，統(tǒng)計(jì)物理學(xué)已經(jīng)有了令人鼓舞的發(fā)展，但是Zdeborová說(shuō)，到目前為止，這些技術(shù)尚未在該領(lǐng)域的前沿部署。她指出了數(shù)十篇使用神經(jīng)網(wǎng)絡(luò)研究諸如2D Ising模型之類(lèi)的論文的模型，該模型描述了2D晶格上旋轉(zhuǎn)的粒子之間的相互作用，但到目前為止，還沒(méi)有任何一篇告訴我們?nèi)魏胃旧系男轮R(shí)。

令人失望的是，機(jī)器學(xué)習(xí)尚未推動(dòng)統(tǒng)計(jì)物理學(xué)的進(jìn)步，但是知識(shí)和見(jiàn)識(shí)肯定正在以另一種方式流動(dòng)。例如，想象一下識(shí)別圖像所需的神經(jīng)網(wǎng)絡(luò)。每個(gè)圖像將包含大量數(shù)據(jù)（像素）并且嘈雜（因?yàn)槿魏谓o定圖像都將被大量不相關(guān)的特征掩蓋）；并且網(wǎng)絡(luò)中不同權(quán)重之間也會(huì)存在相關(guān)性。

令人高興的是，自上世紀(jì)中葉以來(lái)，多維，嘈雜和相關(guān)的問(wèn)題就是統(tǒng)計(jì)物理學(xué)家一直在學(xué)習(xí)的方法。茲德伯羅瓦（Zdeborová）說(shuō)：“只需考慮物理學(xué)在無(wú)序系統(tǒng)中發(fā)展的理論，”他的背景是一種特殊的無(wú)序磁體，即自旋玻璃。這樣的系統(tǒng)具有很多粒子（即很多尺寸），一個(gè)有限的溫度（即熱噪聲）和許多粒子間的相互作用（即很多相關(guān)性）。實(shí)際上，在某些情況下，描述機(jī)器學(xué)習(xí)模型的方程與用于處理統(tǒng)計(jì)物理學(xué)中系統(tǒng)的方程完全相同。

這種見(jiàn)解可能是發(fā)展全面理論的關(guān)鍵，該理論解釋了為什么這些方法如此有效。機(jī)器學(xué)習(xí)的進(jìn)步可能比幾十年前的普遍預(yù)期要高，但是它的成功仍然主要來(lái)自經(jīng)驗(yàn)的試錯(cuò)法。Zdeborová總結(jié)道：“我們希望能夠預(yù)測(cè)最佳架構(gòu)，如何設(shè)置參數(shù)以及算法是什么?！?“目前，我們不知道如何在不付出巨大努力的情況下得到那些。”

機(jī)器學(xué)習(xí)術(shù)語(yǔ)

人工智能（AI）

機(jī)器表現(xiàn)出的智能行為。但是智能的定義是有爭(zhēng)議的，因此最能滿足AI要求的更籠統(tǒng)的描述是：一個(gè)系統(tǒng)的行為，該行為根據(jù)其環(huán)境和先前的經(jīng)驗(yàn)來(lái)適應(yīng)其行為。

機(jī)器學(xué)習(xí)

作為為機(jī)器賦予人工智能的一組方法，機(jī)器學(xué)習(xí)本身就是一門(mén)廣泛的類(lèi)別。從本質(zhì)上講，這是系統(tǒng)從培訓(xùn)集中學(xué)習(xí)的過(guò)程，以便系統(tǒng)可以自動(dòng)對(duì)新數(shù)據(jù)做出適當(dāng)?shù)捻憫?yīng)。

人工神經(jīng)網(wǎng)絡(luò)

機(jī)器學(xué)習(xí)的子集，其中，學(xué)習(xí)機(jī)制是根據(jù)生物大腦的行為建模的。輸入信號(hào)經(jīng)過(guò)神經(jīng)元的網(wǎng)絡(luò)層之前會(huì)被修改，然后再作為輸出出現(xiàn)。通過(guò)改變網(wǎng)絡(luò)中神經(jīng)元之間的交互強(qiáng)度來(lái)編碼經(jīng)驗(yàn)。