人工智能与物理学(软体机器人能量角度)的结合思考

前言

  • 好久没有更新我的CSDN博客了,细细数下来已经有了16个月。在本科时期我主要研究嵌入式,研究生阶段对人工智能感兴趣,看了一些这方面的论文和视频,因此用博客记录了一下,后来因为要搞自己的研究方向,就将人工智能和Deep Learning搁浅了。
  • 事实上,我主要研究方向是气动软体机器人,目前已经以第一作者身份发表了5篇SCI和授权了6项国家发明专利,也拿到了校级十佳优秀研究生标兵和五四青年的称号,希望有兴趣的小伙伴可以私聊我多多交流。
  • 最近我看了一些软体机器人双稳态方向的论文,突然对深度学习(人工智能)中的梯度下降法有了更深的理解,在此写个博客记录一下。

双稳态软体机器人

双稳态软体机器人是一种特殊类型的机器人,这些机器人通常由柔软的材料制成,能够在两个稳定状态之间切换。每个状态都对应着一个局部能量极小值,其中一个状态比另一个状态的能量更低,那么系统在这两个状态点会表现出稳定性。能量的示意图大约如下所示

在双稳态系统中,如上所示的势能图会呈现出两个不同的深谷,每个深谷代表一个稳定状态,深谷底部对应着局部能量极小值。系统在这两个深谷之间的能量壁垒较高,使得系统更有可能停留在这两个状态中的一个。

如果这样抽象解释的不够通俗,那么我们可以想象,小时候玩的啪啪圈,或者是那种钢卷尺,常态下是保持伸直状态,受到很大的力的时候,会变成卷曲状态;然后我们再用力给它从卷曲态掰直,就又变成了伸直状态。因此它的伸直状态或者卷曲状态都需要我们用外力提供能力,否则这两种状态之间没法切换。所以这两种状态(例如卷曲和伸直)代表的能量大小,就是局部极小值的能量。

进一步的我们去思考,如果我们只给啪啪圈一点点的力(例如每次我们将啪啪圈绕在手腕上,都需要猛地卡一下才行,如果轻轻地,肯定啪啪圈就不会卷曲了),那么它肯定没法从伸直态变为卷曲态。说白了,施加的外部能量,必须要克服伸直态和卷曲态之间的能量壁垒(可以结合上面的图观察,施加的能量必须要大于它的极大值才能跃迁,如果我们只给了一点点能量肯定是不行的)。

如果我们只给了一点点能量,那么从图中E1点爬升的时候,爬到一半就没能量了,这时候就滑下来了,我觉得这样想很形象,因为滑下来了,所以两个状态就没法切换。

人工智能中的Local Minimum

其实人工智能和双稳态是一样的,人工智能在运算过程中会陷入局部极小值(Local Minimum),但是我们想要的不是局部极小值,而是一个全局最小值,这样才能保证算法的最优化(就像我们高中学数学导数一样,题目要求我们必须要找到一个最小值,但是往往我们容易把极小值当成最小值来算)。

在人工智能中,如果我们计算出来的梯度太小,那么就没办法达到能量跃迁的级别,也就是会陷入局部极小值出不来了,这就导致了算出来的结果是局部最优,而不是全局最优。

感慨

其实人工智能是纯数学计算的产物。但是数学往往都需要有物理学去支撑,否则数学学科的发展就没有现实意义了。今天看到双稳态能量跃迁,突然想到了人工智能中的局部极小值(Local Minimum)。在人工智能中需要通过各种手段去克服局部极小值,而在软体机器人双稳态中,我们也需要通过各种办法增加能量,达到能量跃迁的效果,二者之间是相通的。

这也相当于数学在物理学中的实际应用了,品味知识的乐趣。

相关推荐
厚国兄9 分钟前
AI语音助手自定义角色百度大模型 【全新AI开发套件掌上AI+4w字教程+零基础上手】
人工智能
进取星辰17 分钟前
PyTorch 深度学习实战(39):归一化技术对比(BN/LN/IN/GN)
人工智能·pytorch·深度学习
hello_ejb339 分钟前
聊聊Spring AI Alibaba的ObsidianDocumentReader
java·人工智能·spring
桥Dopey1 小时前
Python常用的第三方模块之【jieba库】支持三种分词模式:精确模式、全模式和搜索引擎模式(提高召回率)
人工智能·python·分词模式
W流沙W1 小时前
bert学习
人工智能·bert
想学好英文的ikun1 小时前
【MCP】第二篇:IDE革命——用MCP构建下一代智能工具链
ide·人工智能·python·ai·个人开发·mcp
码上飞扬2 小时前
深度剖析:GPT-3.5与GPT-4的主要区别及架构解析
人工智能
whuzhang162 小时前
3DGS之齐次坐标
人工智能·3d·自动驾驶
闭月之泪舞2 小时前
《深度神经网络之数据增强、模型保存、模型调用、学习率调整》
人工智能·学习·dnn
掘金詹姆斯2 小时前
LangChain4j快速入门(一)
人工智能·langchain