12月10日，人工智能在科研中扮演的角色正在發(fā)生質(zhì)變。北京大學(xué)物理學(xué)院團隊近日展示了一個具備自主理論構(gòu)建能力的AI系統(tǒng)，并因成功從實驗數(shù)據(jù)中獨立推導(dǎo)出經(jīng)典力學(xué)定律而登上《自然》雜志。該成果被視為AI從輔助工具邁向“可獨立認知的科研主體”的重要信號。

據(jù)介紹，北大團隊研發(fā)的“AI-牛頓”系統(tǒng)在沒有預(yù)設(shè)任何物理背景知識的條件下，被置于包含小球、彈簧等裝置的46組物理實驗數(shù)據(jù)中。它不僅能識別實驗中的運動模式，更在迭代推理過程中逐步構(gòu)建出“力”“質(zhì)量”“加速度”等基礎(chǔ)概念，并最終得出牛頓第二定律F=ma。整個過程依靠的是一種近似于科學(xué)家“先假設(shè)、再求證”的合情推理策略，而非傳統(tǒng)大模型的簡單擬合。

研究團隊將實驗裝置與數(shù)據(jù)生成器預(yù)置于“實驗庫”，再讓系統(tǒng)在“理論庫”中不斷積累自身構(gòu)建的概念與規(guī)律。三層結(jié)構(gòu)（符號、概念、定律）讓 AI 得以在繁雜數(shù)據(jù)與可解釋公式之間建立聯(lián)結(jié)，使推導(dǎo)路徑可回溯、邏輯鏈條清晰。這也是該系統(tǒng)突破神經(jīng)網(wǎng)絡(luò)“黑箱”困境的關(guān)鍵。

外界普遍關(guān)注這項嘗試對未來科研方式的潛在影響。《自然》引用哈佛大學(xué)學(xué)者的觀點指出，這種編程方式能夠鼓勵模型主動逼近核心概念，或?qū)⒊蔀槲磥砜茖W(xué)發(fā)現(xiàn)的重要方法。相比以往在已知理論框架內(nèi)驗證假設(shè)，“AI-牛頓”展示的是一種面向未知領(lǐng)域的原生探索能力。

北大方面透露，團隊計劃將該方法擴展至更復(fù)雜的研究方向，包括嘗試從量子體系中尋找規(guī)律。這意味著 AI 從單純的數(shù)據(jù)分析者，正向“理論生成的參與者”進一步靠攏。

該研究由馬滟青教授課題組完成，參與者包括博士研究生方尤樂、見東山以及李想，并獲得國家自然科學(xué)基金與北京大學(xué)高性能計算平臺支持。