看到“神经网络”这个词，不同的人也会有不同反应。
不懂神经网络的凡人：地球终将被人工智能统治！
神经网络中的修行者：它为什么非要把「猫.ipg」说成是狗？
模仿人类大脑运作方式而生的神经网络，被研究者用代码炼成密钥，试图开启人工智能的智慧之锁。
不管是王者荣耀中很会推塔的觉悟 AI，还是公司入口处看人超准的门禁系统，抑或是车技还不错的自动驾驶，你我多少都见识过神经网络的超凡能力。
但如果有人说，他能把代码流动才形成的神经网络，搬到一个现实物体上，比如让一个喇叭识别出手写数字，你猜这是不是在胡扯？
1、有趣的计算每个人接受的计算启蒙，大抵都是从掰着自己肉肉的手指头开始的。
老师问：1 1 等于多少呀？小朋友们争先恐后开始数手指：左手握拳，先伸直大拇指，再伸直食指，右手开始数，1、2。
“老师，我知道，答案是 2。”
摸索出 1 1 的答案，就算推开了计算的大门，当你慢慢长大，一定会发现，在计算这条路上，有太多比数指头好用的方法，比如计算器、电脑...
但你有没有发现一点：不管是数手指头，还是使用计算器、电脑，从计算的逻辑上来看，三者并没有太大区别，都经历了「输入、运算、输出」这三个步骤。
比如数手指，先输入左手大拇指，再输入左手食指，右手数有几根指头伸直是在做运算，最后你朝老师大声喊出 2，就是在输出结果；
又比如计算器，你输入 1 1，内部电路利用通断完成运算，最后屏幕上显示出结果 2；
电脑同样如此。
很好，现在你已经知道了计算的整个流程，那么，我们不妨把目光放远，看看神奇的造物主在创造这个纷繁复杂的世界时，有没有偷偷给它们点亮「计算」这个技能点？
2、万物皆是计算机我们先回想一下自己上学时的情景。
每天按时到校，听老师讲那些或有趣或难懂的知识，睡觉前还必须要完成家庭作业，熬过期中考试，后面还有可怕的期末考试。
在这漫长的一个学期中，我们到底经历了些什么？
猜猜看，那段经历能不能也看作是计算？
答案是：能。
每天上课时，你接收到的各种课本知识，对应的是输入；课后的知识消化、查缺补漏，对应的是运算；期末考试的成绩，对应的就是输出。
我们再来看另外一个例子：风洞测试。
试想一下，如果让一架仅根据理论设计出的飞机直接航行，会发生什么？毫无疑问，它出事的概率极高。
如果想提高安全性能，就必须在飞机投入运行之前，对它进行一系列的性能测试。只有通过测试，才能认为它满足安全要求，就比如动力学性能方面的风洞测试。
风洞是一种能够产生人造气流的管道设备，整机测试时，先将飞机或模型安放在管道中，再通过调节人造气流的速度、压力、温度等因素，模拟飞机在复杂飞行状态下的综合情况，以此来测试飞机的结构、强度等指标是否合格。
图片来源于网络
1901 年，莱特兄弟为了掌握正确的飞行数据，利用风洞进行了 200 多个机翼模型的测试，并依据测试结果，于 1903 年发明了世界上第一架飞机。
那么问题来了，风洞测试能不能看作是计算？
将飞机放置在风洞中，预先设置好气流速度、压力、温度等数据，完成初始输入；飞机在风洞中完成飞行测试，完成运算；根据飞行测试表现判断性能是否达标，得出计算结果。
你瞧，风洞其实就是一台计算机。
从计算器上的计算，再到风洞中的计算，你应该已经感受到了，造物主给世间万物都点亮了「计算」的属性。
换句话说，万物都可以看作是一台计算机。
如此一来，你会发现，计算不仅仅是狭义的 1 1、3856*8947、开根号、求方差，事实上，万物都能计算，只不过与常用的计算机相比，万物中的计算都基于一个物理系统，输入、运算、输出，必须在这个物理系统中完成。
这是抽象的计算，也是广义的计算。
那么问题又来了：我们能不能像使用计算机一样，使用、或者叫操纵某个物理系统呢？
事实上，当然可以。
3、“智慧黏菌君”2000 年，日本的几位科学家，做了一个有趣的迷宫实验。
他们把黏菌培养在一个迷宫中，并在起点和终点处提前放了黏菌最爱的食物：燕麦。
迷宫中，有 4 条长短不同的路线能够连通起点和终点。
起初，科学家们发现，黏菌会伸展自己的细胞质，几乎将整个迷宫覆盖住。
可当黏菌成功找到位于起点和终点处的燕麦后，它们就会慢慢缩回不必要的部分。最后，它们覆盖的路线，总是最短的那条。
图片来源于网络
无论实验重复多少次，黏菌们总能找到最优解：体力消耗最少，同时还能获得食物。
在这个实验中，科学家们掌握了黏菌物理系统中的运算规则，成功完成了计算。
2004 年，研究团队又验证了黏菌的道路规划能力：通过食物源的布置，黏菌竟然模拟出了整个日本东京的铁路网，而东京的铁路系统，是世界上布局最合理、最高效的系统之一。
图片来源于网络
谁能想到，黏菌这种没有脑袋的单细胞生物，在研究人员的食物操控下，没用太多时间，就复刻出了日本顶尖设计师的呕心之作，令人震惊。
“智慧黏菌君”的实验，证明了只要找到物理系统中的对应规则，就可以操控系统的输入、运算、输出，也就是初始状态、规则演化，以及最终形态。
这下我们知道了两点：1、物理系统其实也是一台计算机；2、可以利用规则操纵物理系统进行计算。
那么，现在是时候去看看文章开头说「把神经网络运行在物理系统中」的哥们，究竟是怎么实现的？
4、物理神经网络提出要把神经网络运行在物理系统中的人，是几位来自康奈尔大学的物理学家。
他们不仅说了这话，还动手做了实物演示，顺便还在 Nature 上发了篇论文。
我们都知道，作为机器学习的方法之一，要想让神经网络表现优异，离不开大量的调参和优化。而对于一个物理系统来说，神经网络的调参优化，对应的就是物理系统中的规则演化。
只要找到对应规则，就可以实现将神经网络搭载到物理系统中，一如前面提到的“智慧黏菌君”。
物理系统分为很多种，研究人员选取了三种，即机械系统、光学系统和模拟电子系统，分别构建了神经网络，每种系统中包含五个处理层：
1、机械系统中，每一层都使用扬声器振动小金属板，并用麦克风记录输出结果；
2、光学系统中，研究人员利用光穿过晶体，实现神经网络的搭建；
3、模拟电子系统中，研究者让电流通过微小的电路来搭建神经网络。
以上三种搭载了神经网络的物理系统，有一个共同的名字：物理神经网络系统，即 PNNs (physical neural networks)。
借助这三种物理神经网络，研究人员成功实现了手写数字的识别：PNNs 识别出 7 个元音，准确率从 87% 到 97% 不等。
研究者表示：未来可能不会通过调整计算机参数来优化系统表现，而是通过物理调整，比如弯曲金属板等方式来提高识别准确率。
至于为什么要研究 PNNs，几位研究者给出的原因是：摩尔定律已死，该物理系统登场拯救机器学习了。
这怎么说呢，倘若真如研究所示，PNNs 有可能倍数级提升机器学习的效率和速度，那么，在扫清人工智障的道路上，我们就能走的顺畅一些了。
参考资料：
1、https://www.nature.com/articles/s41586-021-04223-6
2、https://news.cornell.edu/stories/2022/01/physical-systems-perform-machine-learning-computations
文 | 木子Yanni
嗨，这里是浅黑科技，在未来面前，我们都是孩子。
想看更多科技故事，欢迎戳→*浅黑科技。
