IT之家 12 月 10 日消息，當(dāng)下，AI 技術(shù)輔助科研已經(jīng)屢見不鮮；但是，AI 能否自主發(fā)現(xiàn)科學(xué)理論呢？據(jù)北京大學(xué)官方微信公眾號(hào)消息，三百多年前，牛頓整理并發(fā)展前人成果，匯總發(fā)表為《自然哲學(xué)的數(shù)學(xué)原理》，系統(tǒng)闡述了經(jīng)典力學(xué)的基本原理，提出“F=ma”；近期，一個(gè)北大課題組創(chuàng)造了“AI 學(xué)者”，并引導(dǎo)它依靠自主學(xué)習(xí)，再次發(fā)現(xiàn)了這一力學(xué)基本定律。

2025 年 11 月 14 日，《自然》（Nature）新聞欄目以《一個(gè)中國(guó)人工智能模型自主學(xué)到了基礎(chǔ)物理學(xué) —— 它能發(fā)現(xiàn)什么》（“A Chinese AI model taught itself basic physics — what discoveries could it make?”）為題，長(zhǎng)篇專題報(bào)道了北京大學(xué)物理學(xué)院馬滟青教授課題組在人工智能驅(qū)動(dòng)科學(xué)發(fā)現(xiàn)領(lǐng)域取得的新進(jìn)展。

報(bào)道截圖“AI-Newton”的重要一步：實(shí)驗(yàn)數(shù)據(jù) + 合情推理 → 自主發(fā)現(xiàn)科學(xué)理論

當(dāng)前的人工智能大模型雖然能夠可靠地識(shí)別數(shù)據(jù)模式并進(jìn)行預(yù)測(cè)，但難以利用這些數(shù)據(jù)提出具有簡(jiǎn)潔性和普適性的可解釋科學(xué)原理，一個(gè) AI 模型可以被訓(xùn)練來精確預(yù)測(cè)行星的運(yùn)行軌跡，但它很可能無法自行歸納出背后的萬有引力定律。

馬滟青課題組實(shí)現(xiàn)了一個(gè)重要的突破。他們開發(fā)了名為“AI-牛頓”（AI-Newton）的系統(tǒng)，在基于涉及小球、彈簧等物體的 46 個(gè)物理實(shí)驗(yàn)中，它如同人類科學(xué)家一樣，從基礎(chǔ)概念逐步構(gòu)建復(fù)雜理論，從帶噪聲模擬數(shù)據(jù)中，最終自主“發(fā)現(xiàn)”了力、質(zhì)量和加速度等重要概念，以及它們之間構(gòu)成的著名物理定律 —— 牛頓第二定律（F=ma）。

該系統(tǒng)能夠從諸多實(shí)驗(yàn)的原始數(shù)據(jù)中自主發(fā)掘物理定律，無需人工監(jiān)督或先驗(yàn)物理知識(shí)，這意味著 AI 向自主科研發(fā)現(xiàn)邁出了重要一步。

論文截圖

“AI-牛頓”并非一次性完成任務(wù)，而是采用“大膽猜想、小心求證”的合情推理策略（plausible reasoning），通過逐步構(gòu)建概念和規(guī)律的知識(shí)庫，模仿人類科學(xué)家的認(rèn)知過程，自主建立了完整的科學(xué)理論。

實(shí)驗(yàn)庫中預(yù)先設(shè)定了存儲(chǔ)物理實(shí)驗(yàn)及對(duì)應(yīng)的數(shù)據(jù)模擬生成器。理論庫存儲(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）。

論文截圖

該系統(tǒng)突破了神經(jīng)網(wǎng)絡(luò)系統(tǒng)的算法黑箱，綜合符號(hào)回歸模型與合情推理的優(yōu)勢(shì)，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，既保留了數(shù)學(xué)公式的可解釋性和邏輯可回溯性，又提升了數(shù)據(jù)模式識(shí)別的效率與精度。

哈佛大學(xué)的計(jì)算機(jī)專家 Keyon Vafa 認(rèn)為，“該技術(shù)的編程方式鼓勵(lì)推導(dǎo)重要的概念，是一種有前景的科學(xué)發(fā)現(xiàn)方法。”

“AI+ 科學(xué)”研究新范式：從科研工具，到“超級(jí)大腦延伸”

“AI-牛頓”所體現(xiàn)的迭代式學(xué)習(xí)和知識(shí)構(gòu)建過程，既保留了人類的理論概括能力，又克服了研究周期長(zhǎng)的局限，可以助力彌補(bǔ)人類科學(xué)研究的短板。

本次嘗試不僅突破了先前研究中的部分局限，也展現(xiàn)出顯著的擴(kuò)展?jié)摿Γ型谥魄把乜茖W(xué)發(fā)現(xiàn)的同時(shí)，為邁向通用人工智能開辟可行路徑。當(dāng) AI 不僅能模擬數(shù)據(jù)，還能尋找規(guī)律，科學(xué)家將得以從繁瑣的試錯(cuò)中解放，聚焦于更富創(chuàng)造性的思考。

馬滟青在采訪中表示，他們計(jì)劃將“AI-牛頓”應(yīng)用于更具挑戰(zhàn)性的領(lǐng)域，例如嘗試?yán)斫夂桶l(fā)現(xiàn)量子理論中的復(fù)雜規(guī)律。

馬滟青課題組的方尤樂（北京大學(xué)物理學(xué)院 2024 級(jí)在讀博士研究生）、見東山（北京大學(xué)物理學(xué)院 2022 級(jí)在讀博士研究生）和李想（北京大學(xué)物理學(xué)院 2025 屆博士畢業(yè)生，現(xiàn)為北京大學(xué)博士后）直接參與了文中所述研究，為取得新進(jìn)展作出重要貢獻(xiàn)。

此項(xiàng)研究得到了國(guó)家自然科學(xué)基金及北京大學(xué)高性能計(jì)算平臺(tái)的大力支持。