我们实际上生活在矩阵中吗？整个宇宙都是神经网络？
但是，从根本上讲，我们所知的一切可能也是这些系统中的一个。这个概念的提出，是为了协调所谓的“经典”物理学与量子力学这两个领域，这也是困扰了物理学们很久的一个问题。
我们不仅仅是说，人工神经网络可用于分析物理系统或发现物理定律——我们在说的是，我们周围的世界到底是如何运作的，这是一个非常大胆的主张，可以将其视作对一切理论的建议，也正因为如此，它也应该很容易被证伪。所需要做的就是找到一个无法用神经网络来解释的物理现象。然而，这说起来容易，做起来却很难。
当从一个比较大的尺度上考虑整个宇宙的运行时，物理学家通常会使用一组特定的理论作为工具。这些工具是基于牛顿运动定律的“经典力学”以及爱因斯坦的相对论，它们可以用来解释时间与空间的关系，以及质量如何扭曲时空结构以产生引力效应。但是，对于原子和亚原子层面上的物理现象，物理学家发现所谓的“量子力学”可以更好解释宇宙。
在这个理论中，能量和动量这类的物理量被限定为具有离散值，而非连续值，也就是“量子”。所有物体都具有粒子性和波动性，并且最后，测量这个行为也会改变物体本身。最后这一个特点叫做海森堡“不确定性原理”，简单来说就是某些关联属性——如物体的位置和速度——无法同时精确测量，于是就有了概率一说。
尽管这些理论在各自的尺度范围内都可以很好地解释宇宙，但物理学家一直希望能有一种方法可以将这些理论协调成一个普遍理论——这个难题有时也被称为“量子引力难题”。如果要结合这两种理论，那么重力（用广义相对论描述即为物质/能量的时空弯曲）可能需要由量子组成，然后也因此具有自己的基本粒子——引力子。
遗憾的是，单个引力子对物质产生的影响将非常非常微弱，这就导致量子引力理论几乎无法验证，因此也就无从判断这个理论到底是不是正确的。但是，神经网络概念却另辟蹊径，不再尝试将广义相对论和量子力学调和成一个基本的普遍理论，而是认为，这种理论中所观察到行为背后，有更深层次的原因。
在新研究中，科学家着手建立了一个模型，观察神经网络在具有大量单个节点的系统中，是如何运作的，在某些（接近平衡的）条件下，神经网络的学习行为可以近似地用量子力学方程式来解释；但是其他时候则需要用经典物理定律来解释。
这个理论或许也可以用来解释所谓的“隐变量”，即一些物理学家提出的物体的未知属性，用以解释大多数量子力学理论中固有的不确定性，在新兴的量子力学中，隐变量是各个神经元的状态，是可训练的变量——就好比偏差矢量和权重矩阵等，是量子变量。
在这样一个神经网络中，从粒子和原子到细胞再到其他的一切，都将以类似于进化/自然选择的过程慢慢出现。微观神经网络的结构更加稳定一些，其他结构则稳定性差一些。越是稳定的结构越能够在进化中生存下来，而不稳定的结构则会被淘汰。
在最小的尺度上，自然可能会选择会产生一些复杂度非常低的结构，像是神经元链，但是尺度越大，结构就越复杂，但这个过程应该被限制在一个特定长度范围内。因此，这个概念意味着，我们周围所看到的一切，例如粒子、原子、细胞、观察者等等——都是自然选择的结果。
至于“宇宙即神经网络理论”是否会得到认可，物理学界的大部分人似乎并不买账。99%的物理学家会告诉你，量子力学是主要理论，一切都应以某种方式从中而来，但是这个原则，又跟量子力学非基本规律的观点相矛盾，物理学和机器学习领域的专家也都对这个新理论持怀疑态度。（匀琳）
