当AI学会像爱因斯坦一样思考，我们的科学认知将发生怎样的变革？

在当今时代，人工智能（AI）的发展已经取得了巨大的进步。从简单的数据分类到复杂的自然语言处理，AI的应用领域不断扩展。然而，尽管AI在许多领域表现出色，但在科学研究中，尤其是在物理领域，AI的应用仍然面临许多挑战。因此，德国的科学家们成功训练了人工智能（AI），使其能够像爱因斯坦或牛顿一样思考，这是一项具有重大意义的成果。

德国于利希研究中心的科学家们最近成功训练了人工智能（AI），使其能够像爱因斯坦或牛顿一样思考。通过这种学习，该模型能够识别复杂数据集中的模式，并围绕这些模式形成物理理论。这个成果在科学界引起了广泛关注，因为它为人工智能在科学领域的发展提供了新的可能性。研究结果发表在《Physical Review X.》上。

历史上，像爱因斯坦或牛顿这样的科学家之所以被铭记，是因为他们给了我们新的理论，这些理论不仅解释了他们的观察结果，还解释了可能正在我们周围发生的其他现象。例如，牛顿的万有引力定律不仅帮助我们解释地球上的引力，还帮助我们准确预测其他行星、月球和其他天体的运动。

为了使AI像物理学家一样思考，研究人员们采用了两种主要方法。一种是从已知的领域定律开始，从中推导出新假设；另一种是尝试用新理论解释物体或新现象的行为。然而，困难的部分在于选择正确的方法来得出假设。

在尝试训练AI思考物理问题之前，研究人员们一直在使用物理来理解AI本身的工作原理。研究人员使用神经网络将复杂行为准确映射到更简单的系统中。AI通过简化系统组件之间的复杂交互来实现这一点。

接下来，研究团队使用经过训练的AI简化系统来创建一个逆向映射。当系统从简单组件返回到复杂组件时，它发展出了新理论。这种方法类似于物理学家可能会选择的方法，不同之处在于，交互在AI定义的参数中是可读的。研究人员称这为“AI物理学”。

与其他AI模型相比，这个系统的区别在于它们的训练方式以及我们对其工作原理的理解。通常，AI模型学习用于训练它们的数据的理论。这种学习隐藏在训练系统的参数中。然而，研究人员成功地提取了计算机学到的理论及其用来解释系统组件之间交互的语言，而不是使用AI的物理方法。这可以用来在AI的复杂工作与人类可以理解的理论之间建立桥梁。

这项研究为人工智能在科学领域的发展提供了新的可能性。通过使AI能够像物理学家一样思考，我们或许能够更好地理解复杂的数据集，并从中形成新的理论。这不仅有助于推动科学的发展，还有助于我们更好地理解周围的世界。