量子神经网络可以像人类一样看到视觉错觉

乍一看，视错觉、量子力学和神经网络似乎是毫不相关的话题。然而，在APLMachineLearning发表的新研究中，我利用一种称为“量子隧穿”的现象设计了一个神经网络，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的内克尔立方体和鲁宾花瓶幻觉的感知方面做得很好——事实上，比计算机视觉中使用的一些更大的传统神经网络要好。

这项研究也许能解答人工智能(AI)系统是否真的能够达到类似人类认知的程度。

为什么会产生视觉错觉?

视错觉会诱使大脑看到可能是真实也可能不是真实的东西。我们并不完全了解视错觉是如何产生的，但研究它们可以让我们了解大脑是如何工作的，以及大脑有时是如何失灵的，比如痴呆症和长途太空飞行。

使用人工智能模拟和研究人类视觉的研究人员发现，视觉错觉是一个问题。虽然计算机视觉系统可以识别艺术画作等复杂物体，但它们往往无法理解视觉错觉。(最新模型似乎至少可以识别某些类型的错觉，但这些结果需要进一步研究。)

我的研究利用量子物理学来解决这个问题。

我的神经网络如何工作?

当人脑处理信息时，它会决定哪些数据有用，哪些数据没用。神经网络使用多层人工神经元来模拟大脑的功能，使其能够存储数据并将其分类为有用或无益。

神经元由其邻居发出的信号激活。想象一下，每个神经元都必须翻过一堵砖墙才能被激活，而来自邻居的信号会把它撞得越来越高，直到它最终越过顶峰，到达另一边的激活点。

在量子力学中，电子等微小物体有时可以通过一种称为“量子隧穿”的效应穿过看似无法穿透的障碍。在我的神经网络中，量子隧穿让神经元有时直接穿过砖墙到达激活点并开启，即使它们“不应该”开启。

为什么是量子隧穿?

20世纪初量子隧穿的发现使得科学家能够解释放射性衰变等根据古典物理学看似不可能的自然现象。

在21世纪，科学家面临着类似的问题。现有的理论不足以解释人类的感知、行为和决策。

研究表明，量子力学工具可能有助于解释人类行为和决策。

虽然有些人认为量子效应在我们的大脑中发挥着重要作用，但即使事实并非如此，我们仍然可能发现量子力学定律对于模拟人类思维很有用。例如，对于许多任务来说，量子计算算法比传统算法更有效。

考虑到这一点，我想知道如果将量子效应注入神经网络的运作中会发生什么。

那么，量子隧道网络的性能如何?

当我们看到具有两种可能解释的视错觉(例如模棱两可的立方体或花瓶和面孔)时，研究人员认为我们会暂时同时保留这两种解释，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被关在盒子里的猫，它的生命取决于量子粒子的衰变。根据量子力学，粒子可以同时处于两种不同的状态，直到我们观察到它为止——因此猫也可以同时活着和死去。

我训练了我的量子隧道神经网络来识别内克尔立方体和鲁宾花瓶幻象。当面对幻象作为输入时，它会产生两种解释中的一种输出。

随着时间的推移，它选择的解释会来回摇摆。传统的神经网络也会产生这种行为，但除此之外，我的网络还会产生一些模棱两可的结果，徘徊在两个确定的输出之间——就像我们的大脑可以在确定一个之前将两种解释结合在一起一样。

现在怎么办?

在深度伪造和虚假新闻充斥的时代，了解我们的大脑如何处理幻想并建立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社会网络中观点的激进化。

从长远来看，量子人工智能最终可能会促进有意识的机器人的发展。但目前，我的研究工作仍在继续。