|
選自symmetry 機(jī)器之心編譯 參與：Jane W,、吳攀
當(dāng)你向 Facebook 上傳了一張你朋友的照片后,，這張照片就進(jìn)入了一個復(fù)雜的幕后處理過程,。算法迅速行動并分析照片的每一個像素，直到將朋友的名字和這張照片匹配起來,。這類型的前沿技術(shù)也被用在了自動駕駛汽車上,，使得自動駕駛汽車能夠從背景中區(qū)分行人和其它車輛。 這項(xiàng)技術(shù)也可以用來區(qū)分μ介子和電子嗎,？很多物理學(xué)家相信這一點(diǎn),。在該領(lǐng)域的研究人員正著手運(yùn)用它來分析粒子物理數(shù)據(jù)。 支持者們希望利用深度學(xué)習(xí)節(jié)省實(shí)驗(yàn)時間,、金錢和人力,，讓物理學(xué)家們做其它不太繁瑣的工作。另一些人希望能提高實(shí)驗(yàn)的結(jié)果,，相比以前使用的任何算法,，這個算法能使他們更好地識別粒子和分析數(shù)據(jù)。盡管物理學(xué)家們不認(rèn)為深度學(xué)習(xí)是萬能的,，但一些人認(rèn)為它可能在應(yīng)對即將到來的數(shù)據(jù)處理危機(jī)中起到關(guān)鍵作用,。 神經(jīng)網(wǎng)絡(luò) 直至今日，計算機(jī)科學(xué)家們?nèi)越?jīng)常人工編寫算法,，一個任務(wù)往往需要無數(shù)個小時的復(fù)雜計算機(jī)語言工作,。「我們?nèi)匀蛔鲋诲e的科學(xué)工作,，」費(fèi)米國立加速器實(shí)驗(yàn)室的科學(xué)家 Gabe Perdue 說,，「但是我認(rèn)為科學(xué)工作還可以做得更好?！?/p> 而如果要使用深度學(xué)習(xí)，我們則需要一種不同的人類輸入,。 一種實(shí)現(xiàn)深度學(xué)習(xí)的方法是使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）,。CNN 是模擬人類視覺感知建模的。人類用自身的神經(jīng)元網(wǎng)絡(luò)處理圖像,；CNN 通過輸入層節(jié)點(diǎn)（node）來處理圖像,。人們通過向網(wǎng)絡(luò)送入預(yù)處理的圖像來訓(xùn)練 CNN。通過學(xué)習(xí)這些輸入,，算法會不斷調(diào)整各節(jié)點(diǎn)的權(quán)重并因此學(xué)會識別模式和相關(guān)點(diǎn),。由于算法不斷修正這些權(quán)重,，預(yù)測結(jié)果會變得越來越準(zhǔn)確，甚至超越人類,。 卷積神經(jīng)網(wǎng)絡(luò)以通過將多個權(quán)重綁在一起的方式來縮短分解數(shù)據(jù)處理的步驟,，這意味著必須調(diào)整的算法元素更少。 CNN 出現(xiàn)于 90 年代末,。但是近年來隨著許多方面的突破（如處理圖形的硬件價格降低,、訓(xùn)練數(shù)據(jù)集不斷擴(kuò)增以及 CNN 架構(gòu)本身的創(chuàng)新），越來越多的研究人員開始使用它們,。 CNN 的發(fā)展導(dǎo)致語音識別,、翻譯以及其它傳統(tǒng)上由人類完成的任務(wù)的進(jìn)步。一家 Alphabet（谷歌母公司）旗下位于倫敦的公司 DeepMind 使用 CNN 創(chuàng)建了 AlphaGo,，這個計算機(jī)程序在 3 月份打敗了世界排名第二的圍棋選手,，圍棋是比國際象棋更復(fù)雜的策略棋盤游戲。 CNN 使得我們可以更從容地處理大量的基于圖像的數(shù)據(jù),，而之前我們對這些數(shù)據(jù)束手無策——高能物理學(xué)中經(jīng)常會碰到這種圖像數(shù)據(jù),。 進(jìn)入物理學(xué)領(lǐng)域 隨著大數(shù)據(jù)和具有處理大量信息所必需的計算能力的圖形處理單元（GPU）的出現(xiàn)，CNN 在 2006 年開始得到大規(guī)模運(yùn)用,。Perdue 說：「從那之后,，精確度有了很大的提高，人們也還一直在繼續(xù)高速地創(chuàng)新,?！?/p> 大約一年前，各類高能物理實(shí)驗(yàn)的研究人員開始考慮將 CNN 引入他們的實(shí)驗(yàn)的可能性,?！肝覀儼盐锢韱栴}變成了：『我們能否分辨一輛自行車和汽車？』」SLAC 國家加速器實(shí)驗(yàn)室研究員 Michael Kagan 說,，「我們只想弄清楚如何以正確的方式重組問題,。」 在大多數(shù)情況下,，CNN 將用于粒子識別和分類以及粒子軌跡重建,。一些實(shí)驗(yàn)已經(jīng)使用 CNN 來分析粒子的相互作用，其準(zhǔn)確性很高,。例如,，NOvA 中微子實(shí)驗(yàn)的研究人員已經(jīng)將 CNN 應(yīng)用到了其數(shù)據(jù)上。 「CNN 本來是用于識別動物和人的圖片,，但它也能很好的用于物理領(lǐng)域的識別,，」費(fèi)米實(shí)驗(yàn)室科學(xué)家 Alex Himmel 說，「預(yù)測結(jié)果非常好——相當(dāng)于我們的檢測器多產(chǎn)生了 30％ 的數(shù)據(jù),?！?/p> 從事大型強(qiáng)子對撞機(jī)（LHC/Large Hadron Collider）實(shí)驗(yàn)的科學(xué)家們希望借助深度學(xué)習(xí)來使他們的實(shí)驗(yàn)更自動化,，CERN 物理學(xué)家 Maurizio Pierini 說：「我們正試圖在一些任務(wù)上取代人。用人來看管比用計算機(jī)看管要昂貴得多,?！?/p> 在檢測器物理學(xué)以外，CNN 也被證明是有用的,。在天體物理學(xué)方面,，一些科學(xué)家正在開發(fā)可以發(fā)現(xiàn)新的引力透鏡的 CNN；引力透鏡是指可以扭曲來自它們后面的遙遠(yuǎn)星系的光的大型天體（如星系團(tuán)（galaxy clusters））,。對望遠(yuǎn)鏡數(shù)據(jù)掃描以尋找引力透鏡扭曲現(xiàn)象的過程是非常耗時的,，并且普通的模式識別程序難以區(qū)分它們的特征。 「公平地說,，在使用這些工具時,，我們僅僅涉及了很淺的部分，」在費(fèi)米實(shí)驗(yàn)室的 NOvA 實(shí)驗(yàn)項(xiàng)目工作的威廉瑪麗學(xué)院博士后研究員 Alex Radovic 說,。 未來的數(shù)據(jù)盛宴 一些科學(xué)家認(rèn)為神經(jīng)網(wǎng)絡(luò)可以幫助應(yīng)對他們預(yù)見的即將到來的數(shù)據(jù)處理危機(jī)。 計劃于 2025 年推出的升級版大型強(qiáng)子對撞機(jī)將產(chǎn)生大約 10 倍的數(shù)據(jù),。暗能量光譜儀（Dark Energy Spectroscopic Instrument）將收集大約 3500 萬個宇宙物體的數(shù)據(jù),，大型綜合巡天望遠(yuǎn)鏡（Large Synoptic Survey Telescope）將捕獲近 400 億個星系的高分辨率視頻。 數(shù)據(jù)量一定會飛速增長,，但從前計算機(jī)芯片處理能力的指數(shù)級增長預(yù)計將會陷入停頓,。這意味著處理更大量的數(shù)據(jù)將越來越昂貴。 「對于 10 倍的碰撞次數(shù),，你可能需要超過 100 倍的處理能力,，」Pierini 說?！赣脗鹘y(tǒng)的做事方式,，我們會走入死胡同?！?/p> 然而,，并不是所有的實(shí)驗(yàn)都適用于該技術(shù)。 「我認(rèn)為有時這會是正確的工具,，但它不會一直是正確的,，」Himmel 說，「數(shù)據(jù)與自然圖像越不相似,，神經(jīng)網(wǎng)絡(luò)的有用性越低?！?/p> 大多數(shù)物理學(xué)家都同意,，CNN 不適合剛剛啟動的實(shí)驗(yàn)中的數(shù)據(jù)分析,，因?yàn)樯窠?jīng)網(wǎng)絡(luò)對于計算過程不是很透明?！高@會很難說服人們相信他們已經(jīng)發(fā)現(xiàn)了新的東西,，」Pierini 說，「我認(rèn)為用紙和筆做事情仍然是有價值的,?！?/p> 在某些情況下，運(yùn)用 CNN 的挑戰(zhàn)將超過獲益,。例如,，如果數(shù)據(jù)尚未轉(zhuǎn)換為圖像格式，則需要將其轉(zhuǎn)換為圖像格式,。并且神經(jīng)網(wǎng)絡(luò)需要大量的數(shù)據(jù)用于訓(xùn)練——有時不得不模擬數(shù)百萬的圖像,。即使這樣，模擬也不如真實(shí)數(shù)據(jù)那么好,。因此,，神經(jīng)網(wǎng)絡(luò)必須用實(shí)際數(shù)據(jù)和其它交叉檢查進(jìn)行測試。 「一個高標(biāo)準(zhǔn)的物理學(xué)家能夠接受任何新事物,，」德克薩斯大學(xué)阿靈頓分校的物理學(xué)副教授 Amir Farbin 說,，「需要跨越很多障礙去說服大家這是對的?！?/p> 展望未來 對于那些相信 CNN 結(jié)果的人,，CNN 意味著更快的物理學(xué)和值得期待的未知。 一些人希望用神經(jīng)網(wǎng)絡(luò)來檢測數(shù)據(jù)中的異常,，這可以指示檢測器中的缺陷或者為新發(fā)現(xiàn)指引線索,。為了尋找新發(fā)現(xiàn)，研究人員可以只是讓 CNN 遍歷數(shù)據(jù)并試圖找到突出點(diǎn),，而不是一定要找到具有特定標(biāo)志的新事物,。「不必指定要搜索的新物理的領(lǐng)域,，」Pierini 說,，「這里獲取數(shù)據(jù)的方式更開放?！?/p> 日后,，研究人員甚至可能開始采用無監(jiān)督學(xué)習(xí)來處理物理數(shù)據(jù)。無監(jiān)督學(xué)習(xí),，顧名思義,，是指可以無需人工指導(dǎo)就訓(xùn)練大量數(shù)據(jù)的算法。科學(xué)家可以傳輸給該算法相應(yīng)的數(shù)據(jù),，然后該算法就能從中得出結(jié)論,。 「如果你足夠聰明，你可以使用它來做所有類型的事情,，」Perdue 說,，「如果它能夠推斷新的自然規(guī)律或類似定律，這將是驚人的,?！?/p> 「但是，」他補(bǔ)充道,，「那樣的話,，我也要去尋找新的工作了?！?/p> |
|
|
