来自 Archetype AI 的研究人员开发了一种名为“牛顿 AI 模型”的人工智能基础模型，该模型仅通过分析传感器数据，就能准确地预测各种物理现象，甚至包括那些在训练过程中从未接触过的现象。这项突破性研究成果或将彻底改变物理研究的方式，为科学发现开启新的篇章。
传统上，为物理现象构建 AI 模型需要将大量的物理定律和专业知识作为先验信息输入模型，这使得模型的应用范围受到限制，难以泛化到其他领域。而“牛顿 AI 模型”则采用了全新的“唯象学”方法，完全不依赖任何物理定律或先验知识，而是通过分析海量的传感器数据来自行学习和理解物理世界的运行规律。
研究人员使用来自41个公开数据集的5.9亿个传感器数据样本对模型进行了训练，涵盖了电流、流体流动、光学等多种物理现象。经过训练的“牛顿 AI 模型”能够对各种物理行为进行编码和预测，包括机械运动、热力学等，甚至可以预测城市规模的气象变化等复杂的非解析性物理过程。
为了验证模型的泛化能力，研究人员进行了一系列实验，包括使用弹簧质量系统模拟机械振荡，以及利用温差发电装置模拟热力学现象。实验结果表明，“牛顿 AI 模型”能够准确地预测这些物理系统的未来行为，其预测精度甚至超过了专门针对特定物理系统训练的模型。
“牛顿 AI 模型”的出现为物理研究带来了新的可能性。它可以帮助科学家们更快、更准确地分析实验数据，发现新的物理规律，甚至可以用于预测和控制复杂的物理系统。此外，该模型还具有“零样本推理”能力，这意味着它可以对从未接触过的物理现象进行预测，这为科学发现开辟了新的领域。
研究人员表示，“牛顿 AI 模型”只是一个开始，未来他们将进一步扩展模型的训练数据集，并探索其在其他领域的应用。这项研究成果为构建统一的 AI 基础模型，以理解和预测各种物理世界过程带来了希望。
论文：https://cdn.prod.website-files.com/669fb9b0365257a2d64b9744/671062d53917e78989931495_Phenomenological%20AI%20Foundation%20Model%202024.pdf