乍一看，视错觉、量子力学和神经网络似乎是完全不相关的主题。然而，在新研究发表于APL 机器学习，我使用了一种称为“量子隧道”的现象来设计一个神经网络，它可以像人类一样“看到”视错觉。

我的神经网络在模拟人类对著名事物的感知方面做得很好颈立方体和鲁宾的花瓶幻觉——事实上比一些更大的传统神经网络用于计算机视觉。

这项工作也可能揭示以下问题：人工智能（人工智能）系统可以真正实现类似人类认知的目标。

为什么会有视错觉？

视错觉欺骗我们的大脑，让它看到可能真实也可能不真实的事物。我们并不完全了解视错觉是如何运作的，但是研究它们可以让我们了解我们的大脑如何工作以及它们有时如何失效，例如失智等等长途太空飞行。

研究人员使用人工智能来模拟和研究人类视觉发现视错觉造成问题。虽然计算机视觉系统可以识别复杂的物体，例如艺术画，他们经常不能理解视错觉。（最新型号似乎至少能够识别某些类型的幻觉，但这些结果需要进一步调查。）

我的研究利用量子物理学解决了这个问题。

我的神经网络如何工作？

当一个人脑处理信息，它决定哪些数据有用，哪些数据无用。神经网络模仿了脑使用多层人工神经元，使其能够存储数据并将数据分类为有用或无用。

神经元被来自邻近神经元的信号激活。想象一下，每个神经元都必须爬过砖墙才能打开，来自邻居的信号将它推得越来越高，直到最终它越过砖墙并到达另一侧的激活点。

在量子力学中，像电子这样的微小物体有时可以通过一种称为“量子隧道”的效应穿过看似无法穿透的障碍。在我的神经网络中，量子隧道有时可以让神经元直接穿过砖墙到达激活点并打开，即使它们“不应该”这样做。

为什么要量子隧道效应？

20 世纪初几十年量子隧道效应的发现使科学家能够解释自然现象例如放射性衰变根据经典物理学，这似乎是不可能的。

在21世纪，科学家们面临着类似的问题。现有理论无法解释人类的感知、行为和决策。

研究表明，量子力学的工具可能有助于解释人类行为和决策。

虽然有些人建议量子效应 在我们的大脑中发挥重要作用，即使他们不这样做，我们仍然可以找到规律量子力学对于模拟人类思维很有用。例如，量子计算算法是更有效率对于许多任务来说，比经典算法更好。

考虑到这一点，我想知道如果我注射会发生什么量子效应进入神经网络的运作。

那么，量子隧道网络的表现如何呢？

当我们看到光学错觉研究人员认为，有两种可能的解释（例如模糊的立方体或花瓶和面孔），我们暂时持有同时有两种解释，直到我们的大脑决定应该看到哪张图片。

这种情况类似于薛定谔猫的量子力学思想实验。这个著名的场景描述了一只盒子里的猫，它的生命取决于量子粒子的衰变。根据量子力学，在我们观察到它之前，粒子可以同时处于两种不同的状态，因此猫同样可以同时处于生和死状态。

我训练了我的量子隧道神经网络来识别内克立方体和鲁宾花瓶错觉。当面对错觉作为输入，它产生两种解释中的一种或另一种的输出。随着时间的推移，它选择的解释来回摇摆。

传统的神经网络也会产生这种行为，但除此之外，我的网络产生了一些模糊的结果，徘徊在两个特定的输出之间——就像我们自己的大脑在决定其中一个之前可以将两种解释结合在一起一样。

现在怎么办？

在一个时代深度造假和假新闻，了解我们的大脑如何处理幻想并构建现实模型从未如此重要。

在其他研究中，我正在探索量子效应如何帮助我们理解社会行为和观点激进化在社交网络中。

从长远来看，量子驱动的人工智能最终可能有助于发展有意识的机器人。但目前，我的研究工作仍在继续。

更多信息：Ivan S. Maksymov，用于视错觉识别的量子隧道深度神经网络，APL 机器学习（2024）。DOI：10.1063/5.0225771

本文转载自对话根据知识共享许可。阅读原创文章。