原文作者：Mohana Basu

這個(gè)名為“AI-牛頓”（AI-Newton）的模型能從原始數(shù)據(jù)中推導(dǎo)出科學(xué)定律，但離實(shí)現(xiàn)“類人推導(dǎo)”還有一段距離。

研究人員向一個(gè)AI輸入物理實(shí)驗(yàn)數(shù)據(jù)——這些物理實(shí)驗(yàn)涉及類似鐘擺運(yùn)動(dòng)的系統(tǒng)——測(cè)試其是否能推導(dǎo)出物理學(xué)的基本定律。來(lái)源：stefilyn/Getty

大部分人工智能（AI）模型能可靠地識(shí)別數(shù)據(jù)中的模式并進(jìn)行預(yù)測(cè)，但并不善于用這類數(shù)據(jù)來(lái)推導(dǎo)普適的科學(xué)概念，如萬(wàn)有引力定律。如今，一支中國(guó)團(tuán)隊(duì)開發(fā)了一個(gè)名為“AI-牛頓”（AI-Newton）的系統(tǒng)，在喂給它實(shí)驗(yàn)數(shù)據(jù)后，該系統(tǒng)能自主“發(fā)現(xiàn)”重要的物理學(xué)原理，如描述力和質(zhì)量對(duì)加速度作用的牛頓第二定律。

該模型通過(guò)逐步式構(gòu)建一個(gè)概念和規(guī)律的知識(shí)庫(kù)，模擬人類的科研進(jìn)程，參與開發(fā)該系統(tǒng)的北京大學(xué)物理學(xué)家馬滟青表示，成功發(fā)現(xiàn)有用的概念意味著該系統(tǒng)有望在無(wú)需人類預(yù)編程的情況下做出科學(xué)發(fā)現(xiàn)。

美國(guó)哈佛大學(xué)的計(jì)算機(jī)科學(xué)家Keyon Vafa解釋道，“AI-牛頓”使用名為“符號(hào)回歸”（symbolic regression）的方法，讓模型尋找最能描述物理現(xiàn)象的數(shù)學(xué)方程。該方法在科學(xué)發(fā)現(xiàn)方面有很好的應(yīng)用前景，他說(shuō)，因?yàn)樵撓到y(tǒng)的編程方式鼓勵(lì)其推導(dǎo)概念。

這個(gè)北京大學(xué)團(tuán)隊(duì)用一個(gè)模擬器生成來(lái)自46個(gè)物理實(shí)驗(yàn)的數(shù)據(jù)[1]，這些實(shí)驗(yàn)包括球和彈簧的自由運(yùn)動(dòng)，物體間碰撞，以及具有振動(dòng)、振蕩和鐘擺類運(yùn)動(dòng)的系統(tǒng)的行為。該模擬器還會(huì)故意引入統(tǒng)計(jì)學(xué)錯(cuò)誤來(lái)模擬現(xiàn)實(shí)世界數(shù)據(jù)。

比如，研究人員向“AI-牛頓”輸入球在某個(gè)時(shí)間的位置數(shù)據(jù)，并要求其提出一個(gè)能解釋時(shí)間和位置這兩個(gè)變量間關(guān)系的數(shù)學(xué)方程。該模型成功提出了一個(gè)速度方程。它還能儲(chǔ)存這些知識(shí)以用于后續(xù)任務(wù)，并成功利用牛頓第二定律推算出了球的質(zhì)量。研究結(jié)果尚未經(jīng)過(guò)同行評(píng)審。

行星軌跡

科學(xué)家曾用AI模型預(yù)測(cè)過(guò)行星軌道。2019年，蘇黎士聯(lián)邦理工學(xué)院的團(tuán)隊(duì)開發(fā)出“AI哥白尼”（AI Copernicus）——該神經(jīng)網(wǎng)絡(luò)可用地基觀測(cè)數(shù)據(jù)推導(dǎo)出關(guān)于行星軌跡的公式。但這種情況需要人類來(lái)解讀方程并理解它們與太陽(yáng)周圍行星的運(yùn)動(dòng)有何關(guān)系。

Vafa和他在麻省理工的同事用多個(gè)基礎(chǔ)模型嘗試了一個(gè)類似實(shí)驗(yàn)，基礎(chǔ)模型是用超大數(shù)據(jù)集訓(xùn)練的AI模型，包括GPT、Claude和Llama等大語(yǔ)言模型。

他們訓(xùn)練這些模型預(yù)測(cè)行星在太陽(yáng)系的位置，再讓模型預(yù)測(cè)控制行星軌跡的各種力。在一篇預(yù)印本論文[2]中，研究團(tuán)隊(duì)發(fā)現(xiàn)當(dāng)用軌道軌跡訓(xùn)練這些模型時(shí)，模型無(wú)法利用這些知識(shí)執(zhí)行除預(yù)測(cè)行星軌跡外的其他任務(wù)。當(dāng)試著將軌道軌跡數(shù)據(jù)轉(zhuǎn)換成關(guān)于力的行為的定律時(shí)，這些基礎(chǔ)AI模型給出了一個(gè)毫無(wú)意義的引力定律。

“一個(gè)被訓(xùn)練用于預(yù)測(cè)物理實(shí)驗(yàn)結(jié)果的語(yǔ)言模型，是無(wú)法以簡(jiǎn)明的方式編碼概念的。事實(shí)上，它將用某種非人類的方式來(lái)近似物理的解?！盫afa說(shuō)。

澳大利亞弗林德斯大學(xué)的計(jì)算機(jī)和認(rèn)知科學(xué)專家David Powers表示，能推導(dǎo)科學(xué)定律的模型非常有用。但為了讓AI完成自主發(fā)現(xiàn)，還需要它參與項(xiàng)目的其他環(huán)節(jié)，如找出值得解決的問(wèn)題，確定要做哪些實(shí)驗(yàn)，分析生成的數(shù)據(jù)，提出假說(shuō)或驗(yàn)證預(yù)測(cè)。Powers說(shuō)：“實(shí)驗(yàn)科學(xué)是為了獲得目標(biāo)變量并開展系統(tǒng)性實(shí)驗(yàn)，以獲得數(shù)據(jù)并驗(yàn)證預(yù)測(cè)?！?/p>

馬滟青也認(rèn)為“AI-牛頓”這類模型離做出真正意義上的自主發(fā)現(xiàn)還很遠(yuǎn)，但他相信他們的研究有助于訓(xùn)練未來(lái)AI使用現(xiàn)實(shí)世界數(shù)據(jù)發(fā)現(xiàn)新的一般物理定律。他的團(tuán)隊(duì)如今正在測(cè)試該模型是否能發(fā)現(xiàn)量子理論。

參考文獻(xiàn)：

1. Fang, Y.-L., Jian, D.-S., Li, X. & Ma, Y.-Q. Preprint at arXiv https://doi.org/10.48550/arXiv.2504.01538 (2025).

2. Vafa, K., Chang, P. G., Rambachan, A. & Mullainathan, S. Preprint at arXiv https://doi.org/10.48550/arXiv.2507.06952 (2025).

原文以A Chinese AI model taught itself basic physics — what discoveries could it make?標(biāo)題發(fā)表在2025年11月14日《自然》的新聞版塊上

? nature

Doi：10.1038/d41586-025-03659-4

版權(quán)聲明：

本文由施普林格·自然上海辦公室負(fù)責(zé)翻譯。中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。歡迎轉(zhuǎn)發(fā)至朋友圈，如需轉(zhuǎn)載，請(qǐng)郵件China@nature.com。未經(jīng)授權(quán)的翻譯是侵權(quán)行為，版權(quán)方將保留追究法律責(zé)任的權(quán)利。

? 2025 Springer Nature Limited. All Rights Reserved

星標(biāo)我們，記得點(diǎn)贊、在看+轉(zhuǎn)發(fā)哦!