一个中国AI模型自学了基础物理——它能发现什么？

大多数人工智能（AI）模型能识别数据规律并预测，但难以提出如万有引力定律这类广泛科学概念。中国团队研发的AI-Newton系统，在输入实验数据后，可自主‘发现’关键物理原理，例如牛顿第二定律。

该系统由北京大学物理学家马艳青（音译）等人研发，通过逐步构建概念和定律的知识库模仿人类科学研究过程。马艳青表示，其识别有用概念的能力，使其可能无需人类预编程即可实现科学洞察。

哈佛大学计算机科学家Keyon Vafa指出，AI-Newton采用符号回归方法，即寻找最贴合物理现象的数学方程。这种技术利于科学发现，因系统编程鼓励概念推导。

北京大学团队用模拟器生成46项物理实验数据，涵盖球与弹簧自由运动、物体碰撞、振动、振荡及类摆运动等，并引入统计误差模拟真实数据。例如，输入球在不同时间的位置数据，AI-Newton能推导出速度方程，存储该知识后，又用牛顿第二定律成功算出球的质量（结果尚未经同行评审）。

此前，2019年瑞士苏黎世联邦理工学院的‘AI哥白尼’神经网络，虽能利用地面观测数据推导出行星轨迹公式，但需人类解读方程与行星绕日运动的关系。而麻省理工学院团队用GPT等基础模型做类似实验时，发现这些模型仅能预测行星轨道，尝试推导支配轨迹的力时，却得出无意义的引力定律。