這項(xiàng)由荷蘭阿姆斯特丹獨(dú)立研究者Tomek Kaszyński完成的研究發(fā)表于2026年3月，論文編號(hào)為arXiv:2604.03266v1，研究成果令人驚嘆地展示了人工智能如何通過"聊天"的方式自主發(fā)現(xiàn)那些我們?nèi)庋劭床灰姷奈锢硪?guī)律。

當(dāng)我們觀看一個(gè)球從斜坡上滾下來時(shí)，我們能輕易看到球的顏色、大小和運(yùn)動(dòng)軌跡，但有些關(guān)鍵信息是完全隱藏的——比如這個(gè)球究竟有多有彈性，表面摩擦力如何，或者它的質(zhì)量比例。這些看不見的物理屬性決定了球會(huì)如何彈跳、滑動(dòng)或碰撞，就像每個(gè)人都有自己獨(dú)特的性格特征一樣，每個(gè)物體也有自己獨(dú)特的物理"個(gè)性"。

傳統(tǒng)上，科學(xué)家需要通過復(fù)雜的測(cè)量和計(jì)算才能確定這些隱藏屬性。然而，這位荷蘭研究者卻發(fā)現(xiàn)了一個(gè)令人意外的現(xiàn)象：當(dāng)多個(gè)AI系統(tǒng)被迫通過極其有限的"暗號(hào)"進(jìn)行交流時(shí)，它們竟然能夠自發(fā)地開發(fā)出一套完整的"物理語言"來描述這些看不見的屬性。

研究的核心實(shí)驗(yàn)設(shè)置就像一個(gè)精心設(shè)計(jì)的間諜游戲。研究者讓兩個(gè)AI"特工"各自觀察一段物理視頻——比如一個(gè)球在斜坡上滾動(dòng)并彈跳的場(chǎng)景。每個(gè)AI只能看到自己的視頻，無法直接交流，只能通過發(fā)送非常簡(jiǎn)短的數(shù)字密碼來溝通。它們的任務(wù)是判斷哪個(gè)球的彈性更高，哪個(gè)球的摩擦力更大。

關(guān)鍵在于，這些AI從未被告知什么是"彈性"或"摩擦力"，也沒有人教它們?nèi)绾尉幋a這些信息。它們必須在完成任務(wù)的壓力下，自主發(fā)明一套交流密碼。令人驚訝的是，經(jīng)過反復(fù)嘗試和學(xué)習(xí)，這些AI竟然開發(fā)出了一種高度結(jié)構(gòu)化的"物理方言"——密碼的不同位置專門用來描述不同的物理屬性，就像人類語言中不同詞匯有不同含義一樣。

研究者通過大量實(shí)驗(yàn)證實(shí)了這個(gè)發(fā)現(xiàn)的可靠性。在80次獨(dú)立實(shí)驗(yàn)中，有54%的情況下兩個(gè)AI能夠自發(fā)形成這種結(jié)構(gòu)化的交流方式。更令人驚訝的是，當(dāng)增加到4個(gè)AI時(shí)，成功率達(dá)到了100%。這就像一個(gè)小社群中，成員越多，大家就越有動(dòng)力發(fā)展出標(biāo)準(zhǔn)化的交流規(guī)則。

為了驗(yàn)證這種"物理語言"是否真正理解了物理規(guī)律而非簡(jiǎn)單的記憶模式，研究者設(shè)計(jì)了巧妙的測(cè)試。他們故意"破壞"密碼中的特定位置，發(fā)現(xiàn)這確實(shí)會(huì)選擇性地影響對(duì)應(yīng)的物理判斷能力。比如，當(dāng)破壞負(fù)責(zé)編碼彈性的密碼位置時(shí)，AI對(duì)彈性的判斷能力會(huì)顯著下降，但對(duì)摩擦力的判斷卻基本不受影響，這證明了這套密碼系統(tǒng)確實(shí)建立了清晰的概念分工。

一、AI的"視力"決定了它能"談?wù)?什么

研究中最有趣的發(fā)現(xiàn)之一是，不同類型的AI"眼睛"會(huì)導(dǎo)致完全不同的交流能力。研究者比較了兩種主流的AI視覺系統(tǒng)：一種專門分析靜態(tài)圖片（DINOv2），另一種專門處理動(dòng)態(tài)視頻（V-JEPA 2）。

當(dāng)面對(duì)靜態(tài)可見的物理現(xiàn)象時(shí)，比如球在斜坡上留下的滑痕長短或彈跳高度這樣能從單幀畫面推斷的信息，擅長圖片分析的AI表現(xiàn)更好，準(zhǔn)確率達(dá)到98.3%。但當(dāng)面對(duì)兩個(gè)完全相同外觀的球發(fā)生碰撞，需要通過觀察碰撞后的速度變化來判斷質(zhì)量差異時(shí)，情況就完全顛倒了。這時(shí)，專門處理動(dòng)態(tài)視頻的AI大顯身手，準(zhǔn)確率達(dá)到87.4%，而圖片分析AI只有77.7%。

這個(gè)發(fā)現(xiàn)類似于讓一個(gè)只看過照片的人和一個(gè)經(jīng)?？措娪暗娜巳ヅ袛辔枵叩墓?jié)奏感?？凑掌娜丝赡苣軓撵o態(tài)姿勢(shì)判斷一些信息，但真正理解動(dòng)態(tài)節(jié)奏還是需要觀看連續(xù)動(dòng)作。研究者通過精心控制實(shí)驗(yàn)條件，確保這種差異確實(shí)來自AI的"視覺經(jīng)驗(yàn)"而非其他因素。

他們甚至進(jìn)行了"公平競(jìng)爭(zhēng)"測(cè)試，讓圖片分析AI也處理相同數(shù)量的視頻幀，結(jié)果這種做法反而讓表現(xiàn)變得更差。這說明僅僅增加信息量并不能彌補(bǔ)基礎(chǔ)能力的差異，就像給一個(gè)不會(huì)游泳的人更多的游泳池時(shí)間也不會(huì)讓他自動(dòng)學(xué)會(huì)游泳一樣。

二、團(tuán)隊(duì)合作催生出結(jié)構(gòu)化思維

研究揭示了一個(gè)深刻的社會(huì)學(xué)原理：團(tuán)隊(duì)規(guī)模直接影響交流的復(fù)雜程度和規(guī)范化水平。當(dāng)只有兩個(gè)AI進(jìn)行交流時(shí)，它們發(fā)展出結(jié)構(gòu)化"物理語言"的概率只有54%。但當(dāng)團(tuán)隊(duì)擴(kuò)大到3個(gè)成員時(shí)，這個(gè)概率躍升至100%，而且這種高成功率在4個(gè)成員的團(tuán)隊(duì)中得到了完全維持。

這種現(xiàn)象背后的機(jī)制非常有趣。研究者發(fā)現(xiàn)，關(guān)鍵并非團(tuán)隊(duì)擁有更多的"帶寬"或信息處理能力，而是多成員結(jié)構(gòu)本身創(chuàng)造了一種獨(dú)特的壓力環(huán)境。當(dāng)多個(gè)觀察者必須獨(dú)立地將各自的觀察壓縮成簡(jiǎn)短密碼，接收者又必須整合這些來自不同源頭的信息時(shí)，就自然產(chǎn)生了對(duì)標(biāo)準(zhǔn)化、結(jié)構(gòu)化編碼的強(qiáng)烈需求。

為了證實(shí)這個(gè)理論，研究者進(jìn)行了對(duì)比實(shí)驗(yàn)。他們讓單個(gè)AI使用與4個(gè)AI團(tuán)隊(duì)相同總?cè)萘康拿艽a系統(tǒng)，結(jié)果發(fā)現(xiàn)僅僅增加密碼容量并不能提高結(jié)構(gòu)化程度。這證明了團(tuán)隊(duì)協(xié)作的價(jià)值不在于更多的信息傳輸能力，而在于協(xié)作本身創(chuàng)造的組織壓力。

更有趣的是，研究者發(fā)現(xiàn)即使隨機(jī)打亂團(tuán)隊(duì)成員觀察的視頻片段順序，不讓他們按照時(shí)間順序分工，結(jié)構(gòu)化交流的效果依然保持不變。這進(jìn)一步證明了團(tuán)隊(duì)結(jié)構(gòu)的重要性超越了具體的信息分布方式。

三、跨領(lǐng)域驗(yàn)證：從彈球到抽象圖形

為了確認(rèn)這種現(xiàn)象的普遍性，研究團(tuán)隊(duì)將相同的實(shí)驗(yàn)框架應(yīng)用到了四個(gè)完全不同的領(lǐng)域，結(jié)果發(fā)現(xiàn)了令人著迷的適應(yīng)性模式。在每個(gè)領(lǐng)域中，AI團(tuán)隊(duì)都能發(fā)展出結(jié)構(gòu)化交流，但專業(yè)化的程度和模式會(huì)根據(jù)信息的可獲取性自動(dòng)調(diào)整。

在模擬彈簧質(zhì)量系統(tǒng)的實(shí)驗(yàn)中，AI團(tuán)隊(duì)展現(xiàn)了近乎完美的專業(yè)化分工，專業(yè)化比率達(dá)到0.95。這是因?yàn)樵谶@個(gè)系統(tǒng)中，不同的物理屬性在不同的時(shí)間點(diǎn)表現(xiàn)得非常清晰——阻尼在初始階段通過衰減速率顯露，而彈性則在后續(xù)振蕩中體現(xiàn)。這種清晰的信息分離讓AI能夠建立明確的專業(yè)領(lǐng)域。

相比之下，在處理抽象幾何圖形的實(shí)驗(yàn)中，專業(yè)化程度降低到0.2，呈現(xiàn)出更加分布式的編碼模式。這是因?yàn)樵趲缀螆D形中，各種屬性（如數(shù)量、大?。┰诳臻g上均勻分布，沒有明顯的分離界限，因此AI采用了更加協(xié)同的策略。

特別引人注目的是，當(dāng)研究者向系統(tǒng)中引入第三個(gè)物理屬性（阻尼）時(shí)，AI團(tuán)隊(duì)的行為發(fā)生了顯著變化。它們沒有繼續(xù)保持每個(gè)位置對(duì)應(yīng)一個(gè)屬性的簡(jiǎn)單模式，而是將所有的編碼資源都集中用來描述最容易提取的那個(gè)屬性。這種行為符合信息論中的速率失真原理——在資源有限的情況下，優(yōu)先處理最可靠的信息源。

四、真實(shí)世界的驗(yàn)證：從實(shí)驗(yàn)室到現(xiàn)實(shí)

為了驗(yàn)證這些發(fā)現(xiàn)是否僅僅適用于計(jì)算機(jī)模擬的理想環(huán)境，研究團(tuán)隊(duì)轉(zhuǎn)向了真實(shí)世界的測(cè)試。他們使用了Physics 101數(shù)據(jù)集，這是一個(gè)包含101個(gè)真實(shí)物體在各種物理場(chǎng)景下的視頻記錄，每個(gè)物體都有實(shí)驗(yàn)室精確測(cè)定的質(zhì)量和體積數(shù)據(jù)。

在這個(gè)更具挑戰(zhàn)性的環(huán)境中，AI系統(tǒng)依然表現(xiàn)出了令人印象深刻的能力。它們能夠在85.6%的情況下正確比較未見過物體的質(zhì)量，而且這種能力明確來自對(duì)動(dòng)態(tài)過程的理解而非靜態(tài)外觀的判斷。當(dāng)研究者將動(dòng)態(tài)信息與靜態(tài)外觀分開測(cè)試時(shí)，發(fā)現(xiàn)動(dòng)態(tài)分析貢獻(xiàn)了11.2%的額外準(zhǔn)確率。

更重要的是，多Agent結(jié)構(gòu)化交流的核心發(fā)現(xiàn)在真實(shí)環(huán)境中得到了復(fù)現(xiàn)。從單個(gè)AI到4個(gè)AI組成的團(tuán)隊(duì)，結(jié)構(gòu)化交流的出現(xiàn)率從20%上升到90%，這與實(shí)驗(yàn)室模擬的結(jié)果高度一致。

研究者還設(shè)計(jì)了巧妙的"破壞性測(cè)試"來驗(yàn)證真實(shí)環(huán)境中的概念分工。他們故意破壞負(fù)責(zé)質(zhì)量編碼的密碼位置，發(fā)現(xiàn)準(zhǔn)確率下降了7.8個(gè)百分點(diǎn)，而破壞其他位置只造成2.1個(gè)百分點(diǎn)的損失。這種選擇性的影響模式證明了即使在復(fù)雜的真實(shí)環(huán)境中，AI團(tuán)隊(duì)依然建立了清晰的概念邊界。

五、實(shí)用價(jià)值：從密碼到預(yù)測(cè)工具

這項(xiàng)研究的價(jià)值不僅在于揭示了AI如何自主發(fā)展結(jié)構(gòu)化思維，更在于展示了這種"物理密碼"的實(shí)際應(yīng)用潛力。研究團(tuán)隊(duì)發(fā)現(xiàn)，訓(xùn)練好的AI團(tuán)隊(duì)生成的簡(jiǎn)短密碼包含了豐富的物理信息，可以作為高效的中間表示用于其他任務(wù)。

在一個(gè)特別設(shè)計(jì)的測(cè)試中，研究者凍結(jié)了已經(jīng)訓(xùn)練好的AI編碼器，然后用它們生成的40維密碼來訓(xùn)練一個(gè)全新的預(yù)測(cè)系統(tǒng)。這個(gè)新系統(tǒng)的任務(wù)是預(yù)測(cè)物體碰撞后的運(yùn)動(dòng)狀態(tài)，這是原始AI編碼器從未見過的任務(wù)。結(jié)果顯示，這些簡(jiǎn)短的密碼包含了原始高維特征94%的預(yù)測(cè)能力，實(shí)現(xiàn)了25倍的信息壓縮比。

更令人印象深刻的是，這種密碼系統(tǒng)展現(xiàn)出了類似人類概念理解的靈活性。當(dāng)研究者輸入假想的運(yùn)動(dòng)參數(shù)（比如不同的碰撞速度）時(shí)，預(yù)測(cè)系統(tǒng)能夠給出物理學(xué)上正確的響應(yīng)，速度越高預(yù)測(cè)位移越大，而且這種關(guān)系表現(xiàn)出理想的單調(diào)性，相關(guān)系數(shù)達(dá)到0.780。

這種能力特別有價(jià)值的地方在于，下游的預(yù)測(cè)系統(tǒng)可以"選擇性地關(guān)注"密碼的不同部分。當(dāng)預(yù)測(cè)任務(wù)主要依賴質(zhì)量信息時(shí)，系統(tǒng)會(huì)自動(dòng)更多地關(guān)注負(fù)責(zé)質(zhì)量編碼的密碼位置；當(dāng)任務(wù)更依賴彈性時(shí)，注意力會(huì)相應(yīng)轉(zhuǎn)移。這種選擇性注意能力是傳統(tǒng)整體性特征表示無法提供的。

六、連續(xù)與離散：編碼方式的根本差異

研究中的一個(gè)重要對(duì)比實(shí)驗(yàn)揭示了離散編碼相對(duì)于連續(xù)編碼的獨(dú)特優(yōu)勢(shì)。當(dāng)研究者用相同維度的連續(xù)數(shù)值替代離散符號(hào)時(shí)，雖然任務(wù)表現(xiàn)相當(dāng)，但結(jié)構(gòu)化程度和訓(xùn)練穩(wěn)定性都出現(xiàn)了明顯下降。

離散編碼的優(yōu)勢(shì)主要體現(xiàn)在兩個(gè)方面。首先是更強(qiáng)的結(jié)構(gòu)化約束力。在離散系統(tǒng)中，每個(gè)位置只能取有限的幾個(gè)值，這種約束迫使系統(tǒng)發(fā)展出更加明確的專業(yè)化分工。用一個(gè)生動(dòng)的比喻來說，這就像用有限的詞匯寫詩比用無限的音調(diào)哼唱更容易形成清晰的表達(dá)結(jié)構(gòu)。

其次是訓(xùn)練過程的穩(wěn)定性。在連續(xù)編碼的20個(gè)獨(dú)立實(shí)驗(yàn)中，有25%出現(xiàn)了"表示坍塌"現(xiàn)象，即編碼器退化為產(chǎn)生無意義的輸出。而離散編碼的實(shí)驗(yàn)中沒有出現(xiàn)任何坍塌現(xiàn)象。這種穩(wěn)定性對(duì)于實(shí)際應(yīng)用至關(guān)重要，特別是在需要可靠性的工程環(huán)境中。

不過，研究者也發(fā)現(xiàn)了離散編碼的局限性。當(dāng)任務(wù)從連續(xù)物理屬性比較轉(zhuǎn)換為分類識(shí)別時(shí)，系統(tǒng)的表現(xiàn)急劇下降。在CIFAR-100圖像分類任務(wù)中，通信系統(tǒng)在已見類別上表現(xiàn)尚可，但對(duì)未見類別的泛化能力幾乎降到隨機(jī)水平。這表明這種通信壓力機(jī)制特別適合處理連續(xù)變化的屬性，但不擅長處理離散的類別標(biāo)簽。

七、對(duì)人工智能發(fā)展的深層啟示

這項(xiàng)研究的發(fā)現(xiàn)對(duì)我們理解人工智能的發(fā)展路徑提供了新的視角。傳統(tǒng)上，我們傾向于通過增大模型規(guī)?；蚋倪M(jìn)算法來提升AI能力，但這項(xiàng)研究顯示，合適的結(jié)構(gòu)約束和協(xié)作壓力可能同樣重要。

研究結(jié)果強(qiáng)烈支持了一個(gè)觀點(diǎn)：感知能力決定了智能系統(tǒng)能夠理解和交流的內(nèi)容邊界。無論通信系統(tǒng)多么精巧，如果底層的感知模塊無法提取相關(guān)信息，整個(gè)系統(tǒng)就無法形成對(duì)應(yīng)的概念。這個(gè)發(fā)現(xiàn)對(duì)設(shè)計(jì)多模態(tài)AI系統(tǒng)具有重要指導(dǎo)意義——選擇合適的感知基礎(chǔ)比優(yōu)化通信協(xié)議更為關(guān)鍵。

同時(shí)，多Agent協(xié)作產(chǎn)生的結(jié)構(gòu)化壓力機(jī)制為理解人類語言和概念形成提供了新的計(jì)算模型。人類語言的組合性和結(jié)構(gòu)化特征可能部分源自類似的社會(huì)協(xié)作壓力，而不僅僅是生物進(jìn)化的偶然產(chǎn)物。

研究還暗示了一種新的AI系統(tǒng)設(shè)計(jì)哲學(xué)。與其追求單一的超大規(guī)模模型，也許更有效的方式是設(shè)計(jì)多個(gè)相對(duì)簡(jiǎn)單的專門化模塊，通過結(jié)構(gòu)化的通信協(xié)議進(jìn)行協(xié)作。這種架構(gòu)不僅可能更加高效，還能提供更好的可解釋性和模塊化特性。

在實(shí)際應(yīng)用層面，這種"物理概念壓縮"技術(shù)可能在機(jī)器人學(xué)、自動(dòng)駕駛和物理仿真等領(lǐng)域發(fā)揮重要作用。當(dāng)機(jī)器人需要向人類或其他機(jī)器人描述物體的物理屬性時(shí)，這種結(jié)構(gòu)化的概念編碼比傳統(tǒng)的高維特征向量更加直觀和高效。

說到底，這項(xiàng)研究最令人興奮的地方在于它展示了智能的一種可能的涌現(xiàn)機(jī)制。結(jié)構(gòu)化的概念理解并非必須通過復(fù)雜的監(jiān)督學(xué)習(xí)來獲得，而可能自然地從合適的協(xié)作壓力中產(chǎn)生。這為我們思考如何培養(yǎng)真正理解世界而不僅僅是記憶模式的AI系統(tǒng)提供了新的方向。

當(dāng)我們站在人工智能發(fā)展的十字路口時(shí)，這項(xiàng)研究提醒我們，也許答案不在于制造更大的模型，而在于設(shè)計(jì)更好的協(xié)作機(jī)制。就像人類文明通過分工合作創(chuàng)造出了遠(yuǎn)超個(gè)體能力的集體智慧一樣，AI系統(tǒng)的未來可能也在于學(xué)會(huì)如何更好地合作和交流。

有興趣深入了解這項(xiàng)研究技術(shù)細(xì)節(jié)的讀者，可以通過論文編號(hào)arXiv:2604.03266v1查詢完整的原始論文。這項(xiàng)工作不僅在理論上具有重要意義，其實(shí)驗(yàn)方法和發(fā)現(xiàn)對(duì)于相關(guān)領(lǐng)域的研究者也具有很高的參考價(jià)值。

Q&A

Q1：這種AI物理語言系統(tǒng)如何判斷球的彈性和摩擦力？

A：AI系統(tǒng)通過觀察球的運(yùn)動(dòng)視頻來判斷物理屬性。對(duì)于彈性，它們主要觀察球碰到地面后的彈跳高度；對(duì)于摩擦力，它們分析球在斜坡上滑動(dòng)時(shí)的速度變化。關(guān)鍵是不同的AI只能看到自己的視頻片段，必須通過簡(jiǎn)短的數(shù)字密碼來交流各自的觀察結(jié)果，最終協(xié)作完成判斷任務(wù)。

Q2：為什么4個(gè)AI比2個(gè)AI的成功率更高？

A：這是因?yàn)閳F(tuán)隊(duì)規(guī)模創(chuàng)造了更強(qiáng)的標(biāo)準(zhǔn)化壓力。當(dāng)有更多成員需要相互理解時(shí)，大家就有更強(qiáng)的動(dòng)機(jī)發(fā)展出統(tǒng)一的"語言規(guī)則"。研究發(fā)現(xiàn)關(guān)鍵不在于更多的信息容量，而在于多成員協(xié)作本身產(chǎn)生的組織壓力，迫使系統(tǒng)發(fā)展出更加結(jié)構(gòu)化和規(guī)范化的交流方式。

Q3：這項(xiàng)技術(shù)能應(yīng)用到哪些實(shí)際場(chǎng)景中？

A：這項(xiàng)技術(shù)最直接的應(yīng)用是在機(jī)器人協(xié)作、自動(dòng)駕駛車輛間的信息交換，以及物理仿真系統(tǒng)中。比如多個(gè)機(jī)器人可以用這種方式快速交流物體的物理屬性，避免重復(fù)的物理測(cè)試。在工業(yè)檢測(cè)中，不同傳感器系統(tǒng)也可以用類似的結(jié)構(gòu)化編碼來高效共享關(guān)于材料屬性的信息，大幅提升檢測(cè)效率和準(zhǔn)確性。