乍一看，視錯覺、量子力學和神經網路似乎是完全不相關的主題。然而，在新研究發表於APL 機器學習，我使用了一種稱為「量子隧道」的現象來設計一個神經網絡，它可以像人類一樣「看到」視錯覺。

我的神經網路在模擬人類對著名事物的感知方面做得很好頸立方體和魯賓的花瓶幻覺——事實上比一些更大的傳統神經網路用於電腦視覺。

這項工作也可能揭示以下問題：人工智慧（人工智慧）系統可以真正實現類似人類認知的目標。

為什麼會有視錯覺？

視錯覺欺騙我們的大腦，讓它看到可能真實也可能不真實的事物。我們並不完全了解視錯覺是如何運作的，但是研究它們可以讓我們了解我們的大腦如何運作以及它們有時如何失效，例如失智等等長途太空飛行。

研究人員使用人工智慧來模擬和研究人類視覺發現視錯覺造成問題。雖然電腦視覺系統可以辨識複雜的物體，例如藝術畫，他們經常不能理解視錯覺。（最新型號似乎至少能夠識別某些類型的幻覺，但這些結果需要進一步調查。

我的研究利用量子物理學解決了這個問題。

我的神經網路如何運作？

當一個人腦處理訊息，它決定哪些數據有用，哪些數據無用。神經網路模仿了腦使用多層人工神經元，使其能夠儲存資料並將資料分類為有用或無用。

神經元被來自鄰近神經元的訊號活化。想像一下，每個神經元都必須爬過磚牆才能打開，來自鄰居的信號將它推得越來越高，直到最終它越過磚牆並到達另一側的激活點。

在量子力學中，像電子這樣的微小物體有時可以透過一種稱為「量子隧道」的效應穿過看似無法穿透的障礙。在我的神經網路中，量子隧道有時可以讓神經元直接穿過磚牆到達激活點並打開，即使它們「不應該」這樣做。

為什麼要量子穿隧效應？

20 世紀初幾十年量子穿隧效應的發現使科學家得以解釋自然現象例如放射性衰變根據經典物理學，這似乎是不可能的。

在21世紀，科學家面臨類似的問題。現有理論無法解釋人類的感知、行為和決策。

研究表明，量子力學的工具可能有助於解釋人類行為和決策。

雖然有些人建議量子效應 在我們的大腦中發揮重要作用，即使他們不這樣做，我們仍然可以找到規律量子力學對於模擬人類思維很有用。例如，量子計算演算法是更有效率對於許多任務來說，比經典演算法更好。

考慮到這一點，我想知道如果我注射會發生什麼量子效應進入神經網路的運作。

那麼，量子隧道網路的表現如何呢？

當我們看到光學錯覺研究人員認為，有兩種可能的解釋（例如模糊的立方體或花瓶和臉孔），我們暫時持有同時有兩種解釋，直到我們的大腦決定應該看到哪張圖片。

這種情況類似薛丁格貓的量子力學思想實驗。這個著名的場景描述了一隻盒子裡的貓，它的生命取決於量子粒子的衰變。根據量子力學，在我們觀察到它之前，粒子可以同時處於兩種不同的狀態，因此貓同樣可以同時處於生和死狀態。

我訓練了我的量子隧道神經網路來識別內克立方體和魯賓花瓶錯覺。當面對錯覺作為輸入，它產生兩種解釋中的一種或另一種的輸出。隨著時間的推移，它選擇的解釋來回搖擺。

傳統的神經網路也會產生這種行為，但除此之外，我的網路產生了一些模糊的結果，徘徊在兩個特定的輸出之間——就像我們自己的大腦在決定其中一個之前可以將兩種解釋結合在一起一樣。

現在怎麼辦？

在一個時代深度造假和假新聞，了解我們的大腦如何處理幻想並建立現實模型從未如此重要。

在其他研究中，我正在探索量子效應如何幫助我們理解社會行為和觀點激進化在社交網路中。

從長遠來看，量子驅動的人工智慧最終可能有助於發展有意識的機器人。但目前，我的研究工作仍在繼續。

更多資訊：Ivan S. Maksymov，用於視錯覺識別的量子隧道深度神經網絡，APL 機器學習（2024）。DOI：10.1063/5.0225771

本文轉載自對話根據知識共享許可。閱讀原創文章。