萬物理論「Theory of Everything」是囊括人類對自然運轉的所有認知的理論，即一切物理定律的統一。

曾經，阿爾伯特·愛因斯坦把科學理論描述為“人類思想的自由發明”。但在1980年，著名的劍橋大學宇宙學家斯蒂芬·霍金有另一種想法。在那年的一次演講中，他提出，所謂的“萬物理論”可能是可以實現的，但它的最後實現可能要靠計算機來完成。

萬物理論還沒有出現，但計算機已經開始接管人類生活中的許多複雜事項，比如翻譯語言、識別人臉、駕駛汽車、推薦約會物件等等。這樣看來，想象它們接管世界上的一切也就不那麼瘋狂了。

像DeepMind的“AlphaGo”這樣的計算機程式，不斷髮現在圍棋和國際象棋等遊戲中擊敗人類的新方法，而這些遊戲已經被人類研究了幾個世紀。為什麼這些厲害的學習機器就不能發現太陽系外另一個星系的蟲洞，就像電影《星際穿越》裡的那個星系呢？至少這是可以想象的。

重新發現基本定律

在這方面的工具是神經網路，不同於所謂的系統，如IBM的沃森，它承載著人類和科學知識，神經網路被設計成就像人類的大腦一樣。透過分析大量資料以尋找隱藏的模式，它們能很快就學會如何區分狗和貓、識別人臉、複製人類語言、識別財務不當行為等等。

去年，泰格馬克博士和一名學生西爾維烏-瑪麗安烏德雷斯庫從一本著名教科書（理查德·費曼、羅伯特·萊頓和馬修·桑茲的《費曼物理學講義》）中提取了100個物理方程，並利用它們生成資料，然後將這些資料輸入神經網路，系統透過篩選資料以尋找規律。

“就像人類科學家一樣，它會依次嘗試許多不同的策略，”研究人員在去年發表在《科學進展》(Science Advances)上的一篇論文中寫道。“如果它不能一下子解決全部問題，就會嘗試將問題轉化成可以單獨解決的更簡單的部分，遞迴地在每個部分上重新啟動完整的演算法。”

在另一項更具挑戰性的實驗中，泰格馬克和他的同事向網路展示了一段火箭四處飛行的影片，並要求它預測從一幀到下一幀會發生什麼，而別管背景裡的棕櫚樹。最終，計算機能夠發現基本的運動方程。

泰格馬克說。“在未來10年裡，對於研究物理，機器學習的重要性將不亞於掌握數學。”

他承認，目前該演算法用遞迴的方法解決問題所能達到的效果有限。雖然這臺機器可以從一大堆資料中檢索出物理學的基本定律，但它還不能得出這些公式背後的深層原理，比如量子力學中的量子不確定性或相對論。

泰格馬克說:“等到人工智慧回來告訴你這一點的時候，我們就已經達到了人工智慧的一般水平，對此你應該會感到非常害怕或非常興奮。老實說，我研究這個的原因是：我發現最危險的是，如果我們構建了超級強大的人工智慧，卻不知道它是如何工作的，這才可怕。”

“人與機器的對話”

塞勒是麻省理工學院新研究所的負責人，他說，他曾經對人工智慧持懷疑態度，但現在成了一名支持者。他意識到，作為一名物理學家，他可以把自己的一些知識編碼到機器中，然後機器就會給出他更容易解釋的答案。

他說，“這將成為人類和機器之間的一種對話，它將變得更加令人興奮，而不僅僅是一個為你做決定而你不理解的黑盒子。”

他還說，“我並不是特別喜歡稱這些技術為‘人工智慧’，因為這種說法掩蓋了一個事實，即許多人工智慧技術都有數學、統計學和計算機科學的嚴格基礎。”

最近，塞勒和他的同事在神經網路中輸入了來自大型強子對撞機(Large Hadron Collider)的大量資料，該對撞機透過對撞質子來尋找新的粒子和力。當質子碰撞時，這些較小的粒子會噴射出來。為了更好地理解這個過程，他的團隊要求系統區分對撞機資料中的夸克和膠子。

研究人員不會告訴計算機任何關於量子場論的東西，我不會告訴你夸克或膠子在基本層面上是什麼，有的只是一堆亂七八糟的資料，然後讓計算機把它們分成兩類。而且它能做到。

也就是說，在不知道夸克和膠子是什麼的情況下，該系統成功地識別並區分了夸克和膠子。塞勒說，如果你問系統資料中是否有第三種類型的物體，系統就會開始發現夸克不僅僅是一種實體，而是以不同的型別存在——即所謂的上夸克和下夸克。

“當你給它更多的靈活性去探索時，它就開始學習，”他說。“它還不知道量子場論，但它知道尋找模式。這是我很驚訝機器能做到的事情。他補充說，這項工作將有助於對撞機物理學家理清他們的研究結果。

量子的開端

“AI在解決遊戲問題上如此成功的原因之一是，”塞勒說，“遊戲有一個非常明確的獲勝規則。他還說，“如果我們能定義物理定律的獲勝意味著什麼，那將是一個不可思議的突破。”從現在開始的5到10年裡，我將會做你想做的事情，找到可以取代粒子物理學的標準模型，可以取代愛因斯坦廣義相對論的方程。

一些物理學家認為，隨著人工智慧在量子計算機上的出現，下一個重大飛躍將會到來。與經典計算機操作的位元是0或者1不同，量子計算機中所謂的量子位元可以同時是1或0。根據量子物理學，這是基本粒子在自然界最小尺度上的行為方式，它允許量子計算機同時處理大量資訊。

麻省理工學院(MIT)機械工程師、量子計算專家賽斯·勞埃德(Seth Lloyd)說，這類機器仍處於起步階段，但前景很好。他不是麻省理工學院新成立的人工智慧研究所的成員。

“基本的觀點是，量子系統能夠產生經典系統難以產生的模式，”勞埃德說。“因此，或許量子系統也可以識別經典系統所識別的模式。”

或者，正如伊利諾斯州巴達維亞費米國家加速器實驗室研究副主任喬·呂肯所說：“借用理查德·費曼的話，如果你想用人工智慧來發現量子世界的東西，你應該使用量子人工智慧。”

加州理工學院(California Institute of Technology)的物理學家瑪麗亞·斯皮羅普魯(Maria Spiropulu)指出，“關於量子人工智慧和量子演算法的文獻越來越多，它們可以解決我們以前認為無法解決的問題。”

“它只是一個執行中的演算法”

這件事能走多遠取決於你問的是誰。一臺機器能產生量子理論中深奧而不直觀的原理，或者愛因斯坦的相對論原理嗎？它會產生一種我們人類無法理解的理論嗎？我們會不會像《終結者》系列那樣，以駭客帝國的世界收場？

我隨機調研了一些理論物理學家，問他們是否準備好被取代。現在為微軟工作的計算機工程師杰倫·拉尼爾(Jaron Lanier)說，“你問問題的方式更讓人困惑。”他說，計算機科學領域充斥著對超級智慧機器的力量和威脅的誇張說法。“我們應該從計算的角度來提問題，而不是文學角度。演算法不是像貓一樣的生物，它只是一個執行中的演算法。”

諾貝爾獎得主、德克薩斯大學奧斯汀分校(University of Texas at Austin)教授史蒂文·溫伯格(Steven Weinberg)認為，人類可能不夠聰明，無法理解萬物的最終理論，這是一種“令人不安的想法”。但我懷疑，在那種情況下，”他在一封電子郵件中寫道，“我們也不會聰明到設計出一臺能夠找到最終理論的電腦。”

哈佛大學物理學家麗莎蘭德爾（Lisa Randall）寫道：“我很容易想象計算機找到我們不知道如何解釋的方程式。但這與許多我們無法解釋的測量結果並沒有什麼不同。”

阿卡尼·哈梅德（Arkani-Hamed）是新澤西州普林斯頓高等研究院的一位理論家，他不同意計算機會發現一些人類無法理解的深奧東西的觀點，“這並沒有反映出我們所看到的自然法則的特性，幾個世紀以來，我們所看到的自然法則是建立在更抽象、更簡單、更深刻的數學思想之上的。”

例如，如果艾薩克·牛頓起死回生，阿肯尼·哈米德說，他將毫不費力地趕上當代物理學的進度。

洛杉磯卡弗裡基金會(Kavli Foundation)的宇宙學家邁克爾·特納(Michael Turner)說，我們的想法從何而來最終並不重要，只要這些想法在我們依賴它們之前經過了考驗。

“那麼我們從哪裡得到這些理論或正規化呢？”它可能來自深層的原則——對稱、美、簡單——哲學原則或宗教，”他說。“隨著機器變得越來越智慧，我們可以把它們新增到資源列表中。”

同樣來自普林斯頓高等研究院(Institute for Advanced Study)的愛德華·威滕(Edward Witten)指出，儘管萬物理論機器目前還不存在，但可能在下個世紀就會出現。“如果有一臺機器表現出對物理感興趣和好奇，我肯定會有興趣和它交談。”