12月10日，人工智能在科研中扮演的角色正在發生質變。北京大學物理學院團隊近日展示了一個具備自主理論構建能力的AI系統，并因成功從實驗數據中獨立推導出經典力學定律而登上《自然》雜志。該成果被視為AI從輔助工具邁向“可獨立認知的科研主體”的重要信號。

據介紹，北大團隊研發的“AI-牛頓”系統在沒有預設任何物理背景知識的條件下，被置于包含小球、彈簧等裝置的46組物理實驗數據中。它不僅能識別實驗中的運動模式，更在迭代推理過程中逐步構建出“力”“質量”“加速度”等基礎概念，并最終得出牛頓第二定律F=ma。整個過程依靠的是一種近似于科學家“先假設、再求證”的合情推理策略，而非傳統大模型的簡單擬合。

研究團隊將實驗裝置與數據生成器預置于“實驗庫”，再讓系統在“理論庫”中不斷積累自身構建的概念與規律。三層結構（符號、概念、定律）讓 AI 得以在繁雜數據與可解釋公式之間建立聯結，使推導路徑可回溯、邏輯鏈條清晰。這也是該系統突破神經網絡“黑箱”困境的關鍵。

外界普遍關注這項嘗試對未來科研方式的潛在影響。《自然》引用哈佛大學學者的觀點指出，這種編程方式能夠鼓勵模型主動逼近核心概念，或將成為未來科學發現的重要方法。相比以往在已知理論框架內驗證假設，“AI-牛頓”展示的是一種面向未知領域的原生探索能力。

北大方面透露，團隊計劃將該方法擴展至更復雜的研究方向，包括嘗試從量子體系中尋找規律。這意味著 AI 從單純的數據分析者，正向“理論生成的參與者”進一步靠攏。

該研究由馬滟青教授課題組完成，參與者包括博士研究生方尤樂、見東山以及李想，并獲得國家自然科學基金與北京大學高性能計算平臺支持。