編輯丨coisini

今天談人工智能（AI）做科研已不再是新鮮事，但如果說(shuō) AI 自主「發(fā)現(xiàn)」了牛頓第二定律呢？

我們知道，AI 模型擅長(zhǎng)識(shí)別數(shù)據(jù)模式并進(jìn)行預(yù)測(cè)，但利用數(shù)據(jù)推導(dǎo)廣義科學(xué)概念對(duì) AI 來(lái)說(shuō)仍然是一項(xiàng)挑戰(zhàn)。

最近，《Nature》報(bào)道了一個(gè)由北京大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)的概念驅(qū)動(dòng)型發(fā)現(xiàn)系統(tǒng) ——AI-Newton，該系統(tǒng)能夠從原始數(shù)據(jù)中自主推導(dǎo)物理定律，無(wú)需人工監(jiān)督或先驗(yàn)物理知識(shí)。

研究論文：https://arxiv.org/pdf/2504.01538

AI-Newton 集成了以物理概念為核心的知識(shí)庫(kù)與知識(shí)表征，并配備自主發(fā)現(xiàn)工作流。

作為概念驗(yàn)證，研究團(tuán)隊(duì)將 AI-Newton 應(yīng)用于大量牛頓力學(xué)問(wèn)題。在給定含噪聲實(shí)驗(yàn)數(shù)據(jù)的情況下，該系統(tǒng)通過(guò)自主定義的概念，成功重新發(fā)現(xiàn)了牛頓第二定律、能量守恒定律和萬(wàn)有引力定律等基礎(chǔ)物理定律。這標(biāo)志著 AI 向自主科學(xué)發(fā)現(xiàn)邁出了重要一步。

AI-Newton

神經(jīng)網(wǎng)絡(luò)可以高效學(xué)習(xí)高維空間中的模式，但由于其黑箱特性往往可解釋性有限，加之?dāng)?shù)據(jù)驅(qū)動(dòng)方法外推能力薄弱，導(dǎo)致其在推導(dǎo)物理定律時(shí)，可靠性備受質(zhì)疑。

從機(jī)器學(xué)習(xí)的角度看，符號(hào)模型具有模型緊湊、具備顯式可解釋性、泛化性?xún)?yōu)異等優(yōu)勢(shì)。符號(hào)回歸方法能同時(shí)探索數(shù)學(xué)表達(dá)式結(jié)構(gòu)與參數(shù)以實(shí)現(xiàn)數(shù)據(jù)擬合，在重新發(fā)現(xiàn)支配方程（governing equation）和守恒量方面展現(xiàn)出獨(dú)特優(yōu)勢(shì)?；诖笮驼Z(yǔ)言模型（LLM）的符號(hào)回歸方法能利用其廣博的跨學(xué)科知識(shí)生成合理的候選表達(dá)式，從而高效引導(dǎo)搜索方向。

知識(shí)庫(kù)

AI-Newton 通過(guò)逐步構(gòu)建概念與定律的知識(shí)庫(kù)，模擬了人類(lèi)的科學(xué)發(fā)現(xiàn)過(guò)程。

知識(shí)庫(kù)是 AI-Newton 的核心組件，負(fù)責(zé)存儲(chǔ)和管理結(jié)構(gòu)化知識(shí)。如下圖所示，知識(shí)庫(kù)由實(shí)驗(yàn)庫(kù)與理論庫(kù)構(gòu)成。AI-Newton 采用具有嚴(yán)格定義語(yǔ)法與語(yǔ)義的物理領(lǐng)域特定語(yǔ)言（DSL）進(jìn)行知識(shí)表征。

實(shí)驗(yàn)庫(kù)存儲(chǔ)物理實(shí)驗(yàn)及對(duì)應(yīng)的數(shù)據(jù)模擬生成器。每個(gè)實(shí)驗(yàn)的輸入僅包含涉及的物理對(duì)象、幾何信息、實(shí)驗(yàn)參數(shù)和時(shí)空坐標(biāo)。需要強(qiáng)調(diào)的是，所有其他概念（如質(zhì)量或能量）均無(wú)需先驗(yàn)物理知識(shí)，AI-Newton 可以自主發(fā)現(xiàn)。每個(gè)實(shí)驗(yàn)的輸出為帶有統(tǒng)計(jì)誤差的模擬數(shù)據(jù)。

理論庫(kù)存儲(chǔ)自主發(fā)現(xiàn)的知識(shí)，采用以概念為核心的三層架構(gòu)（符號(hào)、概念與定律）。人類(lèi)物理學(xué)家在構(gòu)建描述復(fù)雜物理現(xiàn)象的簡(jiǎn)潔普適定律時(shí)，概念同樣具有關(guān)鍵作用。AI-Newton 將概念和定律顯式表征為 DSL 表達(dá)式。這不僅增強(qiáng)了可解釋性，還有助于將發(fā)現(xiàn)的知識(shí)應(yīng)用于各類(lèi)問(wèn)題。

自主發(fā)現(xiàn)工作流

AI-Newton 將合情推理（plausible reasoning）與符號(hào)方法相結(jié)合，構(gòu)建出自主發(fā)現(xiàn)工作流。該工作流能持續(xù)從實(shí)驗(yàn)數(shù)據(jù)中提煉知識(shí)，并將其表述為物理概念與定律。

需要說(shuō)明的是，合情推理是一種基于局部證據(jù)進(jìn)行理性推斷的方法。與演繹邏輯不同，它產(chǎn)生的是語(yǔ)境合理的結(jié)論而非普遍必然的定論，這映射了科學(xué)實(shí)踐中先提出假設(shè)再?lài)?yán)格驗(yàn)證的研究范式。

工作流每次啟動(dòng)試驗(yàn)時(shí)，會(huì)從知識(shí)庫(kù)中選擇一項(xiàng)實(shí)驗(yàn)和若干概念。這一過(guò)程通過(guò)推薦引擎實(shí)現(xiàn)，該引擎融合了受 UCB 算法啟發(fā)的價(jià)值函數(shù)，并在科學(xué)發(fā)現(xiàn)過(guò)程中采用動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)適配。

為避免工作流在積累足夠知識(shí)前陷入復(fù)雜實(shí)驗(yàn)，研究團(tuán)隊(duì)提出了 era-control 策略：限定每次試驗(yàn)在特定 era 的掛鐘時(shí)間內(nèi)完成。若經(jīng)過(guò)充分嘗試后仍未獲得新知識(shí)，推薦引擎將增加分配時(shí)間并進(jìn)入新 era。這種推薦機(jī)制模擬了人類(lèi)在利用與探索之間進(jìn)行平衡的決策傾向。

實(shí)驗(yàn)測(cè)試

作為概念驗(yàn)證，研究團(tuán)隊(duì)將 AI-Newton 應(yīng)用于牛頓力學(xué)問(wèn)題，重點(diǎn)關(guān)注 46 項(xiàng)預(yù)定義實(shí)驗(yàn)，涉及三類(lèi)主要物理對(duì)象：小球（包括普通小球與天體）、彈簧與斜面。實(shí)驗(yàn)設(shè)計(jì)涵蓋孤立系統(tǒng)與耦合系統(tǒng)，具體包括：

1. 單個(gè)小球與彈簧的自由運(yùn)動(dòng)

2. 小球的彈性碰撞

3. 呈現(xiàn)平動(dòng)振動(dòng)（translational vibrations）、轉(zhuǎn)動(dòng)振蕩（rotational oscillations）與類(lèi)擺運(yùn)動(dòng)（pendulumlike motions）的耦合系統(tǒng)

4. 重力相關(guān)問(wèn)題（如拋體運(yùn)動(dòng)與斜面運(yùn)動(dòng)）及復(fù)雜彈簧 - 小球系統(tǒng)

5. 涉及引力相互作用的天體力學(xué)問(wèn)題

通過(guò)改變物理對(duì)象的數(shù)量和空間維度，研究團(tuán)隊(duì)系統(tǒng)性地增加了實(shí)驗(yàn)的復(fù)雜度。為模擬真實(shí)實(shí)驗(yàn)條件，模擬器還引入了統(tǒng)計(jì)誤差以模擬現(xiàn)實(shí)世界的數(shù)據(jù)特征。

在最大試驗(yàn)次數(shù)設(shè)定為 1200 次的條件下，AI-Newton 展現(xiàn)出穩(wěn)健的知識(shí)發(fā)現(xiàn)能力，在各測(cè)試案例中平均識(shí)別出約 90 個(gè)物理概念與 50 條普適定律。如下圖所示，這些發(fā)現(xiàn)包括能量守恒定律、牛頓第二定律等重要普適定律及其相關(guān)概念，為從簡(jiǎn)單系統(tǒng)到高自由度復(fù)雜構(gòu)型的全部實(shí)驗(yàn)提供了完整解釋。

研究團(tuán)隊(duì)向 AI-Newton 提供小球在特定時(shí)刻的位置數(shù)據(jù)，要求其建立描述時(shí)間與位置變量關(guān)系的數(shù)學(xué)方程。實(shí)驗(yàn)結(jié)果表明：AI-Newton 不僅成功推導(dǎo)出速度方程，還將這一知識(shí)儲(chǔ)備用于后續(xù)任務(wù)，借助牛頓第二定律準(zhǔn)確計(jì)算出小球質(zhì)量。

總的來(lái)說(shuō)，AI-Newton 不僅突破了先前研究中的部分局限，更展現(xiàn)出顯著的擴(kuò)展?jié)摿?。例如，引入更?qiáng)大的數(shù)學(xué)工具將顯著增強(qiáng) AI-Newton 的推導(dǎo)與證偽能力；其核心框架本身具備與自然語(yǔ)言融合的兼容性，可提供更多元的知識(shí)表征與更靈活的合情推理。AI-Newton 還有望在助推前沿科學(xué)發(fā)現(xiàn)的同時(shí)，為邁向通用人工智能開(kāi)辟可行路徑。

參考內(nèi)容：

https://www.nature.com/articles/d41586-025-03659-4