來自 Archetype AI 的研究人員開發(fā)了一種名為“牛頓 AI 模型”的人工智能基礎(chǔ)模型，該模型僅通過分析傳感器數(shù)據(jù)，就能準確地預(yù)測各種物理現(xiàn)象，甚至包括那些在訓練過程中從未接觸過的現(xiàn)象。這項突破性研究成果或?qū)氐赘淖兾锢硌芯康姆绞剑瑸榭茖W發(fā)現(xiàn)開啟新的篇章。

傳統(tǒng)上，為物理現(xiàn)象構(gòu)建 AI 模型需要將大量的物理定律和專業(yè)知識作為先驗信息輸入模型，這使得模型的應(yīng)用范圍受到限制，難以泛化到其他領(lǐng)域。而“牛頓 AI 模型”則采用了全新的“唯象學”方法，完全不依賴任何物理定律或先驗知識，而是通過分析海量的傳感器數(shù)據(jù)來自行學習和理解物理世界的運行規(guī)律。

研究人員使用來自41個公開數(shù)據(jù)集的5.9億個傳感器數(shù)據(jù)樣本對模型進行了訓練，涵蓋了電流、流體流動、光學等多種物理現(xiàn)象。經(jīng)過訓練的“牛頓 AI 模型”能夠?qū)Ω鞣N物理行為進行編碼和預(yù)測，包括機械運動、熱力學等，甚至可以預(yù)測城市規(guī)模的氣象變化等復(fù)雜的非解析性物理過程。

為了驗證模型的泛化能力，研究人員進行了一系列實驗，包括使用彈簧質(zhì)量系統(tǒng)模擬機械振蕩，以及利用溫差發(fā)電裝置模擬熱力學現(xiàn)象。實驗結(jié)果表明，“牛頓 AI 模型”能夠準確地預(yù)測這些物理系統(tǒng)的未來行為，其預(yù)測精度甚至超過了專門針對特定物理系統(tǒng)訓練的模型。

“牛頓 AI 模型”的出現(xiàn)為物理研究帶來了新的可能性。它可以幫助科學家們更快、更準確地分析實驗數(shù)據(jù)，發(fā)現(xiàn)新的物理規(guī)律，甚至可以用于預(yù)測和控制復(fù)雜的物理系統(tǒng)。此外，該模型還具有“零樣本推理”能力，這意味著它可以對從未接觸過的物理現(xiàn)象進行預(yù)測，這為科學發(fā)現(xiàn)開辟了新的領(lǐng)域。

研究人員表示，“牛頓 AI 模型”只是一個開始，未來他們將進一步擴展模型的訓練數(shù)據(jù)集，并探索其在其他領(lǐng)域的應(yīng)用。這項研究成果為構(gòu)建統(tǒng)一的 AI 基礎(chǔ)模型，以理解和預(yù)測各種物理世界過程帶來了希望。

論文：https://cdn.prod.website-files.com/669fb9b0365257a2d64b9744/671062d53917e78989931495_Phenomenological%20AI%20Foundation%20Model%202024.pdf