在一次采访中，好意思国国度科学基金会（NSF）东说念主工智能和基本相互作用议论所（IAIFI）主任杰西·塞勒（Jesse Thaler）空谈了AI和物理学豪阔成效的交叉。他共享了我方从机器学习怀疑者调节为倡导者的念念想调节阅历，并分析了AI与物理学双向互动可能带来新发现的潜在旅途。

杰西·塞勒（Jesse Thaler） 图源：Jared Charney

杰西·塞勒（Jesse Thaler）是麻省理工学院（MIT）表面粒子物理学家[1]，他寻求通过将量子场论和机器学习（machine learning）的时候相不绝，来管制基础物理学中悬而未决的进攻问题。他如故好意思国国度科学基金会（NSF）东说念主工智能和基本相互作用议论所IAIFI（Institute for Artificial Intelligence and Fundamental Interactions）[2]的主任。

IAIFI于2020年设立，得到了NSF为期五年的资助，旨在将波士顿地区探索东说念主工智能（AI）问题、物理学问题偏激交叉界限的东说念主才荟萃在沿路。

最近，FirstPrinciples（以下简称FP）就东说念主工智能与基础物理学交叉界限的挑战与机遇，以及IAIFI议论东说念主员正在进行的使命等问题采访了塞勒（以下简称JT）。他共享说，就在不久前，他的学生还不得不劝服他“从机器学习的‘老学究’形成机器学习的‘布说念者’”。他甚而开打趣说，此次采访的后续问题不错径直向ChatJesseT[3]建议（见下图），这是他的学生和博士后专为愚东说念主节而创作的ChatGPT搞笑版。

为领会起见，采访内容经过删省和裁剪。

FP: 你能谈谈IAIFI的设立以及你是怎样参与其中的吗？

JT：我是又名表面物理学家。我曾在苏黎世参加一个行为，其时一群从理由论粒子物理的一又友刚运转使用机器学习。我开打趣说：“深度学习？咱们是表面物理学家，应该作念深度念念考！”这个打趣最终成了IAIFI的口号：深度学习+深度念念考=更真切的强健（Deep learning + Deep thinking = Deeper understanding）。东说念主工智能和物理学其实是一条双向说念：一方面是AI对咱们议论新物理景观的影响，另一方面是将物理学的念念维方式应用于AI系统的运行。

那是2016年7月，我刚开了这个打趣，同庚9月，两位出色的议论生就带着他们硕士期间写的一篇论文来到我的办公室，试图劝服我。我所作念的那种第一性旨趣议论与高级估计、统计推理（Statistical reasoning）、估计机科学和AI等模范之间如实存在协同效应。

我明确地告诉他们，我认为物理学议论不应该朝着这个主义发展，即只是作念机器学习的现成应用。而他们实践上也得意我的不雅点。他们的博士议论真确存眷的是将物理旨趣注入AI，并陶冶机器像物理学家同样念念考。

从某种真谛真谛上说，IAIFI是为帕特里克·科姑娘克（Patrick Komiske）和埃里克·梅托迪夫（Eric Metodiev）这些学生建立的，因为我鉴定到在AI和物理学之间的交叉界限上，其时并莫得真确的做事发展契机。它曾是（并将不绝是）一个新兴界限。如果有东说念主想真切议论物理学的主题，但也想议论估计和统计学，那么他们在学术生态系统中该怎样定位呢？这即是向NSF苦求资助以创办该议论所的动机。

好意思国国度科学基金会东说念主工智能和基本相互作用议论所于2020年启动 图源：IAIFI

FP：你认为这个交叉界限有哪些令东说念主激动的契机？

JT: 如果只将AI应用于基础物理学议论，那么这一界限靠近着广泛的挑战，咱们正在奋发强健当然界中一些最深档次的问题。

也许并非东说念主尽王人知的是，在2012年发现希格斯玻色子的背后有多量的机器学习算法在知道作用。大型强子对撞机（Large Hadron Collider，LHC）会产生海量数据。为了筛选这些数据，机器学习咫尺是数据分析的一个格外法度的部分。如今，机器学习正渐渐从浅层学习转向深度学习。咱们甚而运转看到生成式（Generative）AI在影响咱们对物理分析的念念考方式。

天下学是另一个领有海量数据的界限，况且运行天下的模拟需要广泛估计资本。如果莫得机器学习这么的时候，咱们压根无法处理这些问题。

中微子实验提供了又一个例子。好意思国正在鼎力投资一种名为“液氩期间投影室”（Liquid Argon Time Projection Chambers, LArTPC）的探伤器时候。这有点像是回到了气泡室（bubble chamber）期间[4]，那时东说念主们会检察粒子相互作用的单个图像——只不外咫尺这些图像（数据）跟着束流（beam）的每一次“流泻”而快速、密集地出现。你不可能东说念主工一一检察这些图像，但你需要访佛东说念主类的推理才气来弄了了发生了什么。在这种情况下，如果莫得机器学习匡助咱们筛选这些信息，这项时候甚而无法运行——这恰是AI在基础物理议论中显得统统必要的一个例子。

2024 年度诺贝尔物理学奖得到者约翰·霍普菲尔德（John Hopfield）和杰弗里·辛顿（Geoffrey Hinton）图源：Ill. Niklas Elmehed © Nobel Prize Outreach

至于物理学怎样应用于AI，这少量可能并不那么可想而知。为什么物理学能够匡助咱们强健AI系统呢？虽然，跟着最近诺贝尔奖的揭晓[5]，这种权衡八成更容易解释了。咱们至少看到了四种物理学对AI产生影响的方式。

第一种是将物理学融入现存的AI系统。举例，如果你想让一个机器东说念主在某个环境中导航，你会但愿教它一些对于物理系统、三维空间以及旋转对称性等方面的常识。甚而一些专揽AI罢了的坚强估计机图形后果，也依赖于光泽跟踪（ray tracing）时候，它基于形色光怎样传播的物理学旨趣。

第二种是物理学为AI提供复旧，源自物理学的成见不错匡助你构建更好的AI器用，即便并不是径直议论物理系统。你不错筹算出镶嵌了物理学念念维方式的机器学习架构，而这些成见被证据是格外坚强的。

然后，还有AI的物理学（physics of AI），即把AI行动一个真确的物理系统来念念考。举例，相变（phase transitions）是物理学家格外熟识的一个成见。AI并非只是一种单一的存在。由于你不错通过颐养机器学习算法中的超参数（hyperparameter）来改动其步履，因此AI不错进展出不同的“相”（phase）。跟着对这些超参数的颐养，AI会阅历不同的“相”，学习方式也会随之改动。IAIFI的议论东说念主员正在探索这方面，他们接洽使用物理学分析器用来强健AI。

终末，物理学正在鼓舞AI罢了一些连AI群众都未尝想过其算法能够作念到的事情。天下学是一个多模范（multi-scale）问题，其能源学发生于天下作为一个合座的层面，还要渐渐聚焦，直到个体星系的层面。怎样处理这些不同模范上的景观？这如实是将 AI 算法推向了极限，因为好多AI都是为文本处理或图像识别而筹算的，这种多模范的性质并不那么涌现。

FP：与物理学的某些子界限比较，IAIFI 科学家所从事的界限正在以惊东说念主的速率发生变化。这种快速变化，带来了哪些独到的挑战或机遇？

JT: 嗯，这统统需要咱们以不同的方式念念考问题。作为又名表面物理学家，我的主要器用箱是量子场论。你可能会问，“量子场论何如可能从AI中受益？”量子场论基于严格的估计，而对于AI的固有印象往往是，“哦，AI会产生幻觉。”在需要严格估计的气象中何如使用AI呢？

你必须创造性地念念考怎样作念到这少量。我的一位IAIFI共事正在议论简化表面表述。人所共知，估计量子散射振幅（quantum scattering amplitude）的传统模范需要成堆的草稿纸，但如果简化它们，（这些估计）不错压缩到一瞥。实践上，弄了了这种压缩是格外具有挑战性的，因为你面对的是具有格外复杂性质的荒芜函数。

有了大型话语模子，咱们依然知说念怎样追思文本。专揽这种文本追思的模范来进行方程的追思也并责异事。因为你知说念其中的法例，你不错让AI输出它用于简化方程的法例，然后考证这些法例是否真确有用。机器学习为咱们提供了一种启发式的模范，使咱们能够在有限的估计期间内得到合理的谜底。

盲东说念主摸象 图源：wiki

在我的议论中，我一直在尝试整合不同类型的表面估计。这有点像盲东说念主摸象的故事，只不外这里的“象”是一个寰球争相追赶的基础物理估计。你可能无法径直估计它，但不错在特定极限情况下作念一些估计——你不错估计大象鼻子，也不错估计大象尾巴，然后找到一种模范将它们打得火热。

我能否将这种整合历程滚动为一个优化问题（optimization problem）？如果不错，而且能够用这种话语从头抒发我的问题，那么机器学习就提供了一种管制决策。而我的背负在于弄了了这个管制决策意味着什么。这条目我得像机器同样念念考。如果我能作念到这少量，那么我就能完成一些仅靠纸笔估计无法完成的事情。

FP：创造力并不是时常与AI权衡在沿路的东西。

JT：是的。咱们时常认为创造力是东说念主类大脑的一种荒芜才气。但我认为，从ChatGPT哪里咱们学到，通过穷举搜索（exhaustive search）也不错得到一种创造力。我其实果真不太明白它是怎样使命的。但也许，咱们需要念念考昔日的发现，哪怕只是作为一个念念想实验，包括像爱因斯坦的广义相对论这么基础性的表面。咱们是否不错通过对表面可能性空间（space of theoretical possibilities）的穷举搜索来发现它？对这个问题，是否存在一种管制决策，而不需要这种灵光乍现的洞致力飞跃？

我合计还莫得东说念主真确收效作念到这少量。但依然有迹象标明，数值和文本数据之间的权衡可能比东说念主们遐想的关键密得多。不错遐想咱们进行这么的对话，在异日——尚不了了是1年后如故10年后——东说念主们通过用AI的话语来表述问题，从而建议新的成见性冲破。那将是格外令东说念主激动的。

FP：你提到了ChatGPT，生成式AI已成为公众鉴定中普遍存在的话题。这种风趣的激增使IAIFI议论东说念主员的使命更纵容，如故更长途？

JT: 因为咱们所作念的使命与议论自己更压根的酷爱心权衡，是以咱们莫得（至少径直地）靠近一些对于AI的社会担忧，尽管咱们格外了了咱们为基础物理学应用招引的时候可能会干与社会应用界限。

伦理学中也存在算法的一面，即通过估计器用来作念出决策。我的一位从事实验议论的共事曾尝试筹算一种算法，使其能够作念到无偏（unbiased）网罗LHC数据。虽然，这种去偏（de-biasing）的模范也适用于更平凡的社会应用。他实践上将他的器用应用于一些基准医学影像和幽囚数据集（incarcerationdata sets）[6]，并发现其性能优于其他模范。

我认为最难向东说念主们解释的是，这些算法骨子上是概松弛的（probabilistic）。每次在ChatGPT中输入一个辅导词（prompt），你都会得到不同的谜底。作为又名物理学家，这对我来说黑白时常见的。我的真谛是，量子力学即是这么的。统计推理是咱们所作念使命的中枢，至少在当代物理学中是这么。

好多时候，最大的停止来自咱们物理学界。许多物理学家并不经受AI，部分原因是他们不了解它能作念什么，或者只将其与深度视频伪造（deepfake video）权衡在沿路。现成的AI并不顺应物理学的应用。但通过安妥的颐养，你不错领有与传统模范同样肃穆的AI系统。

至于要劝服他们，最佳的模范和当初劝服我的方式同样。需要一个年青东说念主走进你的办公室，展示AI能作念什么——它能欢叫咱们习尚的科学严谨性的法度，况且它还能回应你从未想过能用传统模范管制的问题。咱们果真需要通过一次又一次的沟通来劝服那些捏怀疑格调的共事。

我不认为东说念主工智能会隐匿。作为科学家，咱们不成像鸵鸟同样把头埋在沙子里。咱们需要运转强健这些系统的使命旨趣，非常是为科学界筹算AI系统。现成的AI并不完全适用于科学发现，但它依然很接近了。咱们不错通过与估计机科学界的联结，鼓舞两个界限的发现。

FP：你能谈谈IAIFI与政府和产业界的权衡吗，为什么这些权衡很进攻？

JT：IAIFI的议论东说念主员主要议论的是酷爱心驱动的问题。可是，酷爱心驱动的科学和应用名堂驱动的科学之间存在着一个贯穿体，从黑板上运转的想法最终不错干与滥用者手中。

咫尺，AI关联的究诘主要由滥用级应用或行业应用鼓舞，但与其他界限的群众交谈不错获益良多——不单是是物理学，还有形而上学、历史、天下学、化学、生物学以及地球和行星科学等等。它们中每一个界限都有我方的数据框架和相应的强健，如果它们参与到对话中，则不错得到故意的视力。

我去了国会山并与使命主说念主员进行了沟通。每个东说念主都需要对AI有所了解，但也需要明白AI在不同界限有着不同的进展款式。至少，咱们统统东说念主都必须从陶冶的角度去念念考它。我有一个12岁的女儿，是以我格外了了他可能会启动一个聊天机器东说念主来完成他的功课。领有不同界限的视角是格外进攻的。咱们正在奋发让物理学界的声息被听到，而不单是是那些大型公司的声息。

FP: IAIFI起原的五年投资大致依然进行了四年。你认为该议论所到咫尺戒指取得了哪些树立？你对它的异日有何遐想？

2024 IAIFI 暑期学校的学员 图源：IAIFI

我果真很高慢咱们依然将“AI+物理”建造为东说念主们招供的界限。咱们的IAIFI博士后奖学金取得了广泛的收效。实践上，咱们的第一轮议论员，也有咱们第二轮的部分议论员将不绝在工业界和学术界使命。他们正在从事的使命是以前并不真确存在的。有两个具有物理学配景的议论员被估计机科学系聘任的例子，看到这么的发展果真很令东说念主激动。我但愿物理系最终也能雇用具有更多估计机科学配景的东说念主。它需如果一条双向的说念路。

具体而言，咱们正在奋发争取让IAIFI得到NSF的续期资助。更平凡地说，咱们的愿景是将咱们依然开展的“AI+物理学”的使命延迟到“AI+科学”，强调科学发现的方式将会改动，每个界限都有才气为这一变革作念出孝敬。

至于到底会是什么款式呢？咱们将翘首企足开yun体育网，望望是捏续的政府复旧，如故来自基金会复旧或私东说念主慈善捐赠。但我的但愿是，五年后，你会看到在这个跨学科界限中出现更多的职位（以及更多的冲破）。