人工智能新突破：计算机正在学习从更高维度观察世界(13)_神译局是36氪旗下编译团队

同时，规范CNN在像Cranmer这样的物理学家当中也越来越受欢迎，他们计划用来处理亚原子粒子相互作用的模拟数据。 Cranmer说：“我们正在分析与强[核
力有关的数据，尝试去聊解质子内部。 ” 他说，这种数据是四维的， “因此，我们给具备这种规范等变神经网络提供了一个完美用例。 ”

前物理学家，现在正在研究等变神经网络的Risi Kondor说，规范CNN的潜在科学应用可能比其在AI当中的应用还要重要。

他说：“ 如果你做的是识别YouTube上的猫，但发现自己不太擅长识别上下颠倒的猫，你的感觉也许不太好，但可能还可以忍受。 ” 但是对于物理学家来说，至关重要的是要确保神经网络不会因为方向原因把力场或粒子轨迹识别错。 Kondor说：“这不仅仅是不方便的问题，关键是要尊重基本的对称性。 ”

尽管物理学家的数学启发了规范CNN的诞生，且物理学家可能会为规范CNN找到大量用武之地，但Cohen指出，这些神经网络本身并不能发现任何新的物理规律。他说：“我们现在能够设计出可处理非常奇特数据的网络，但是你必须事先知道这种数据的结构。 ” 换句话说，物理学家之所以可以用规范CNN ，是因为爱因斯坦已经证明了时空可以用四维曲面流形表示。 Cohen的神经网络自己是“看”不出这种结构的。他说：“我们现在不学对称性。 ”不过他希望将来能学会这一本领。