北大團隊的AI模型能推導出牛頓第二定律，下一步呢？

原文作者：Mohana Basu

這個名為“AI-牛頓”（AI-Newton）的模型能從原始數據中推導出科學定律，但離實現“類人推導”還有一段距離。

研究人員向一個AI輸入物理實驗數據——這些物理實驗涉及類似鐘擺運動的系統——測試其是否能推導出物理學的基本定律。來源：stefilyn/Getty

大部分人工智能（AI）模型能可靠地識別數據中的模式并進行預測，但并不善于用這類數據來推導普適的科學概念，如萬有引力定律。如今，一支中國團隊開發了一個名為“AI-牛頓”（AI-Newton）的系統，在喂給它實驗數據后，該系統能自主“發現”重要的物理學原理，如描述力和質量對加速度作用的牛頓第二定律。

該模型通過逐步式構建一個概念和規律的知識庫，模擬人類的科研進程，參與開發該系統的北京大學物理學家馬滟青表示，成功發現有用的概念意味著該系統有望在無需人類預編程的情況下做出科學發現。

美國哈佛大學的計算機科學家Keyon Vafa解釋道，“AI-牛頓”使用名為“符號回歸”（symbolic regression）的方法，讓模型尋找最能描述物理現象的數學方程。該方法在科學發現方面有很好的應用前景，他說，因為該系統的編程方式鼓勵其推導概念。

這個北京大學團隊用一個模擬器生成來自46個物理實驗的數據[1]，這些實驗包括球和彈簧的自由運動，物體間碰撞，以及具有振動、振蕩和鐘擺類運動的系統的行為。該模擬器還會故意引入統計學錯誤來模擬現實世界數據。

比如，研究人員向“AI-牛頓”輸入球在某個時間的位置數據，并要求其提出一個能解釋時間和位置這兩個變量間關系的數學方程。該模型成功提出了一個速度方程。它還能儲存這些知識以用于后續任務，并成功利用牛頓第二定律推算出了球的質量。研究結果尚未經過同行評審。

行星軌跡

科學家曾用AI模型預測過行星軌道。2019年，蘇黎士聯邦理工學院的團隊開發出“AI哥白尼”（AI Copernicus）——該神經網絡可用地基觀測數據推導出關于行星軌跡的公式。但這種情況需要人類來解讀方程并理解它們與太陽周圍行星的運動有何關系。

Vafa和他在麻省理工的同事用多個基礎模型嘗試了一個類似實驗，基礎模型是用超大數據集訓練的AI模型，包括GPT、Claude和Llama等大語言模型。

他們訓練這些模型預測行星在太陽系的位置，再讓模型預測控制行星軌跡的各種力。在一篇預印本論文[2]中，研究團隊發現當用軌道軌跡訓練這些模型時，模型無法利用這些知識執行除預測行星軌跡外的其他任務。當試著將軌道軌跡數據轉換成關于力的行為的定律時，這些基礎AI模型給出了一個毫無意義的引力定律。

“一個被訓練用于預測物理實驗結果的語言模型，是無法以簡明的方式編碼概念的。事實上，它將用某種非人類的方式來近似物理的解?！盫afa說。

澳大利亞弗林德斯大學的計算機和認知科學專家David Powers表示，能推導科學定律的模型非常有用。但為了讓AI完成自主發現，還需要它參與項目的其他環節，如找出值得解決的問題，確定要做哪些實驗，分析生成的數據，提出假說或驗證預測。Powers說：“實驗科學是為了獲得目標變量并開展系統性實驗，以獲得數據并驗證預測。”

馬滟青也認為“AI-牛頓”這類模型離做出真正意義上的自主發現還很遠，但他相信他們的研究有助于訓練未來AI使用現實世界數據發現新的一般物理定律。他的團隊如今正在測試該模型是否能發現量子理論。

參考文獻：

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?標題發表在2025年11月14日《自然》的新聞版塊上

? nature

Doi：10.1038/d41586-025-03659-4

版權聲明：

本文由施普林格·自然上海辦公室負責翻譯。中文內容僅供參考，一切內容以英文原版為準。歡迎轉發至朋友圈，如需轉載，請郵件China@nature.com。未經授權的翻譯是侵權行為，版權方將保留追究法律責任的權利。

? 2025 Springer Nature Limited. All Rights Reserved

星標我們，記得點贊、在看+轉發哦!