AI-Newton——能自主发现物理定律的大模型！11月14日，发表在Nature News上的文章，介绍了北京大学开发的一种名为AI-Newton的工具。它可以从原始数据中推导出科学定律，但距离开发出类似人类的推理还有一段距离。大多数人工智能模型能精准识别数据模式并作出预测，却难以从中提炼出广义科学概念，如万有引力定律。然而，中国北京大学研究团队开发的AI-Newton系统，实现了这一跨越——输入实验数据后，它能自主“发现”关键物理原理，例如揭示力、质量与加速度关系的牛顿第二定律。据研发者、北京大学马燕青（音译）介绍，该系统通过逐步构建概念与定律知识库，模拟人类的科学探索过程。其核心价值在于能自主识别有效概念，无需人类预编程即可产生科学见解。AI-Newton采用名为“符号回归”的技术，通过寻找最佳数学方程来描述物理现象。哈佛大学计算机科学家Keyon Vafa指出，这种方法的优势在于系统被设计为能够主动推断概念。研究团队通过模拟46个物理实验验证系统性能，涵盖自由落体、碰撞、振动等场景，并引入统计误差模拟真实数据。在测试中，系统根据小球位置数据成功推导出速度方程，并以此为基础，进一步运用牛顿第二定律计算出小球质量。值得注意的是，当前主流基础模型（如GPT、Claude等）在相似任务中表现局限。MIT研究显示，这些模型虽能预测行星轨迹，却无法将轨道数据转化为有效力学定律，甚至推导出错误的万有引力公式。尽管AI-Newton的研究成果尚未经过同行评审，但其展现出的自主科学发现能力，已为人工智能推动基础科学研究开辟了全新路径。
