科学家总是在不经意间发表一些惊人的理论，然后颠覆人类的世界观，一时间很难说他正确与否。即便是爱因斯坦当年发表了关于相对论的研究，也在许多年后才被人们认可。近来国外的一位科学家表示，宇宙或许是活的，让人摸不着头脑的同时，也令人为之震惊，这究竟是怎么回事？
明尼苏达州的一位科学家表示，他通过神经网络学习和宇宙迭代研究，在他的论文中写道：“整个宇宙在其最基本的层面上是一个神经网络的可能性”。换句话说，宇宙可能是活的。
宇宙的内部表现可能如同人工神经网络
先不说这个论点是否正确，他的消息一经放出已让不少人在重新思考宇宙的本质。有人会问为什么说宇宙是神经网络？而神经网络又是什么东西？这位科学家又是怎样得到该结论的？宇宙如果是神经网络意味着什么？
本文将从维塔利·万丘林的人工神经网络与宇宙研究、人工神经网络、量子引力理论等多个方面来解答这些问题，接下来一起看看为什么该科学家认为宇宙或许是一个巨大的神经网络。
维塔利·万丘林教授
自我学习的宇宙
万丘林教授研究的问题关键在于整个宇宙在其基本层面上属于神经网络的可能性有多大，这一点主要通过人工神经网络中的两种不同类型的动态自由度来检验。即可训练变量，例如偏差向量或者权重矩阵，另一个则是隐藏变量，这块主要有神经元的状态向量。
具有10个输入变量和两个隐藏层的网络
现代物理学有一个最大的问题在于，由于量子物理学的拓展，现代物理和经典物理学之间产生了一条鸿沟。量子物理学能从宇宙微观角度很好地阐释物质运动，而经典物理学则很难解释微观系统的动态变化。
一种神经网络构架的隐藏变量工作图
物理学家一直在尝试把量子物理和经典物理统一起来，以此逐步实现大一统理论。然而实际的结果是，量子现象根本不能与经典观察结果相统一，甚至有明显的理论分歧。
对于量子力学中的各种现象，科学家得到的最终结果有两种解释，一种为“平行世界”，另一种称之为“称其变量”。由于两种理论的不统一，于是万丘林教授希望通过神经网络来对宇宙问题做出一个调和。
前面我们提到了神经网络的两种可训练变量，万丘林教授利用这两种训练变量制作了一个训练模型，然后将先证明神经网络的学习演化接近平衡可以用马德隆方程建模。
其中复波函数的相位具有精确的物理解释，这一部分会作为隐藏变量的统计集合的自由能。隐藏变量描述了单个神经元状态，而统计集合则交由分配函数和相应的自由能给出。
神经网络的方程学习示意图
按照预先的模型设计，人工神经网络先是学习了热力学，这能够保证人工神经网络能够从基础上理解整个模型。然后是熵力学，熵力学的学习同样以马德隆方程近似来表示，并考虑一组可训练变量。
为了描述这种状态，万丘林教授利用到平稳熵产生原理，并将这部分内容添加在学习系统中。这意味着在神经网络的背景下，大熵是有益的，这意味着可以发现新解决方案的更高速率。这个系统后来被证明是神经网络的最佳学习系统，整个分布十分合理。
