據(jù)國外媒體報(bào)道，自牛頓時(shí)代起，如何預(yù)測三個(gè)圍繞彼此旋轉(zhuǎn)的天體的運(yùn)動路徑一直令物理學(xué)家頭痛不已。而如今利用人工智能技術(shù)，片刻時(shí)間便可解決這一問題。

牛頓最早在17世紀(jì)提出了三體問題，但事實(shí)證明，要想用簡單的方法來解決這一問題可謂極其困難。三個(gè)天體（如行星、恒星和衛(wèi)星等等）之間的引力相互作用會形成一個(gè)混沌系統(tǒng)，而這類系統(tǒng)十分復(fù)雜，且對各個(gè)天體的初始狀態(tài)高度敏感。

有研究人員嘗試?yán)密浖鉀Q三體問題，但往往需耗費(fèi)數(shù)周、甚至數(shù)月時(shí)間才能完成計(jì)算。因此研究人員決定試一試神經(jīng)網(wǎng)絡(luò)。這是一種規(guī)律識別類型的人工智能，大致模擬了大腦的運(yùn)作機(jī)制。而他們打造的算法精確求解的速度比目前最先進(jìn)的軟件程序Brutus還要快1億倍。這對研究星團(tuán)行為和宇宙演變過程的天文學(xué)家而言，將是一份“無價(jià)之寶”。這套神經(jīng)網(wǎng)絡(luò)系統(tǒng)若能正常運(yùn)作，得出答案的速度將達(dá)到前所未有的水平。這樣一來，我們就可以進(jìn)一步研究更深層次的問題了，例如“引力波是如何形成的”等等。

神經(jīng)網(wǎng)絡(luò)在具備預(yù)測能力之前，必須先通過輸入大量數(shù)據(jù)進(jìn)行訓(xùn)練。因此，研究人員先用Brutus軟件生成了9900個(gè)簡化版的三體問題情境，用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)。接下來，研究人員再用5000個(gè)新情境對這套神經(jīng)網(wǎng)絡(luò)進(jìn)行測試，看其能否精確預(yù)測出這些情境的演變軌跡。結(jié)果發(fā)現(xiàn)，其預(yù)測結(jié)果不僅與Brutus非常接近，并且轉(zhuǎn)瞬間便可完成計(jì)算。而相比之下，Brutus的平均計(jì)算時(shí)間將近2分鐘。

Brutus之類的程序之所以計(jì)算得這么慢，是因?yàn)樗鼈儾捎昧恕靶U力計(jì)算法”，即窮舉法，對天體軌跡的每一小步都要進(jìn)行計(jì)算。而神經(jīng)網(wǎng)絡(luò)則僅僅分析了由這些計(jì)算產(chǎn)生的運(yùn)動軌跡、并從中歸納出相應(yīng)規(guī)律，借此預(yù)測系統(tǒng)未來的演變結(jié)果。

但對于規(guī)模更大、更復(fù)雜的系統(tǒng)來說，情況就沒這么簡單了。這套算法目前僅處于概念驗(yàn)證階段，只學(xué)習(xí)了一些簡化版情境，但如果要用更復(fù)雜的系統(tǒng)、甚至“四體系統(tǒng)”、“五體系統(tǒng)”進(jìn)行訓(xùn)練，就首先要用Brutus生成大量數(shù)據(jù)，這樣不僅耗時(shí)甚長、且費(fèi)用高昂。這就是這套神經(jīng)網(wǎng)絡(luò)目前遭遇的瓶頸。

要想解決這一問題，可以讓多位研究人員先用Brutus之類的程序打造一個(gè)通用數(shù)據(jù)庫。但這需要先制定一套標(biāo)準(zhǔn)協(xié)議，確保所有數(shù)據(jù)都符合標(biāo)準(zhǔn)、且形式統(tǒng)一。

此外，該神經(jīng)網(wǎng)絡(luò)本身還有一些問題需要解決。比如，它目前只能按規(guī)定時(shí)長運(yùn)行，但我們不可能提前預(yù)知某個(gè)情境需要多久才能完成演化，因此該算法可能在問題得到解決之前，就已經(jīng)“彈盡糧絕”了。

不過，研究人員并未打算讓這套神經(jīng)系統(tǒng)獨(dú)挑大梁，他們認(rèn)為最好讓Brutus之類的程序做大部分“苦力活”，而神經(jīng)網(wǎng)絡(luò)則只負(fù)責(zé)需要進(jìn)行復(fù)雜計(jì)算的模擬部分。

責(zé)任編輯：Ct