讓 AI 發現物理規律已經不是什么新鮮事，前段我們報道過「給 GNN 一堆數據，它自己就能發現萬有引力定律」的消息，但如果我們連變量都不給它呢？哥倫比亞大學的一項研究表明，AI 僅通過攝像機觀察現象就能自己提取出變量，而且有些變量可能是人類還沒有發現的。如果借助這種方式來發現新的變量，我們是不是可以發現新的物理規律？

E = mc2 是闡述能量與質量間相互關系的質能方程，其中 E 表示能量，m 代表質量，而 c 則表示光速（常數，c=299792458m/s，有時取 3.00×108 m/s）。質能方程由愛因斯坦提出，主要用來解釋核變反應中的質量虧損和計算高能物理中粒子的能量，并促成了波動力學的誕生。

一百多年前，愛因斯坦在提出這個方程之前顯然已經有了能量、質量和速度這些基本變量。如果沒有這些變量，即使是愛因斯坦，也無法發現相對論。但令人驚訝的是，人工智能現在可以自動發現這些變量，而且有些變量還超出了人類已知的范圍，這將大大加快科學發現的速度。

這是來自哥倫比亞大學的一項新研究，研究者試圖讓一種人工智能程序通過攝像機觀察物理現象，然后嘗試搜索能夠完全描述觀察現象的最小基本變量集。研究論文于 7 月 25 日發表在《Nature Computational Science》雜志上。

論文地址：https://www.nature.com/articles/s43588-022-00281-6

如下圖所示，該研究讓 AI 觀察運動的混沌搖桿驅動系統的視頻，從這些高維視頻片段中識別和提取描述此類系統所需的最少狀態變量。

科學家們首先向系統提供他們已經知道解決方案的物理現象的原始視頻片段。例如，他們提供了一個擺動雙擺的視頻，已知該雙擺具有 4 個「狀態變量」——兩個臂中每一個的角度和角速度。經過幾個小時的分析，人工智能輸出了答案：4.7。

「我們認為這個答案已經足夠接近了，」論文作者之一、機械工程系創意機器實驗室（Creative Machines Lab）主任 Hod Lipson 說。「特別是考慮到所有 AI 可以訪問的都是原始視頻片段，沒有任何物理或幾何知識。但我們想知道它用的變量具體有哪些，而不僅僅是一個數字。」

然后，研究人員繼續可視化 AI 程序識別出的實際變量。提取變量本身很困難，因為程序無法以任何人類可以理解的直觀方式描述它們。經過一番調查研究，程序選擇的兩個變量似乎與兩個擺臂的角度大致對應，但另外兩個仍然是個謎。

「我們嘗試將另外兩個變量與我們能想到的所有已知變量聯系起來：角速度和線速度、動能和勢能，以及已知量的各種組合，」論文一作、剛從哥倫比亞大學拿到博士學位的現杜克大學助理教授陳博源（Boyuan Chen）解釋說。「但似乎沒有一個已知變量能夠完美匹配 AI 程序所識別出的那兩個變量。」該團隊相信 AI 已經找到了一組有效的由四個變量組成的變量集，因為它做出了很好的預測，「但我們還無法理解它所用到的數學語言，」他解釋說。

在用已知解決方案驗證了許多其他物理系統后，科學家們輸入了他們不知道明確答案的系統的視頻。其中一個視頻展示了一個隨風搖擺的氣球。經過幾個小時的分析，程序返回了 8 個變量。同樣，有關熔巖燈的視頻也產生了 8 個變量。當視頻換成關于壁爐的視頻時，程序返回了 24 個變量。

一個特別有趣的問題是：AI 程序為每個系統所找到的變量集是唯一的嗎？或者說，在每次重啟程序之后，它所找到的下一個變量集還和原來一樣嗎？

「我一直在想，如果我們能遇見一個特別聰明的外星物種，他們會不會也已經發現了我們所發現的一些物理規律？或者，他們是否會以一種不同的方式描述宇宙？」Lipson 說，「或許有些現象之所以看起來非常復雜，是因為我們一直試圖用錯誤的變量集來描述它們。」

在實驗中，AI 每次重啟時所提取的變量數量是相同的，但每次的具體變量是不同的。所以說，在常規方式之外，我們確實還有其他方式可以描述宇宙，而我們現在選擇的這種方式未必就是完美的。

研究人員表示，這種 AI 可以幫助科學家發現生物學、宇宙學等學科中復雜的現象，在這種現象的研究中，理論理解跟不上海量數據的步伐。「雖然我們在這項工作中使用了視頻數據，但其實，任何類型的陣列數據源都可以使用——例如雷達陣列或 DNA 陣列，」論文合著者 Kuang Huang 解釋說。

這項工作是 Lipson 和哥倫比亞大學傅氏基金會應用數學講席教授杜強（Qiang Du）幾十年來研究興趣的一部分，他們致力于創造可以將數據提煉成科學規律的算法。過去的軟件系統，如 Lipson 和 Michael Schmidt 的 Eureqa 軟件，可以從實驗數據中提取任意的物理定律，但前提是預先確定變量。但如果我們連變量都還不知道呢？

Lipson 認為，科學家們有時候誤解或無法理解某種現象可能僅僅是因為他們沒有一組很好的變量來描述這種現象。「幾千年來，人們一直都有物體運動快慢的概念，但直到速度和加速度的概念被正式量化后，牛頓才發現了著名的牛頓第二定律：F=MA，」Lipson 說。這些變量是理論得以形成的前置條件。基于這一點，杜強想知道，「還有哪些定律是因為缺乏變量而沒被我們發現呢？」

作者介紹

論文一作陳博源現任杜克大學助理教授，負責領導通用機器人實驗室（General Robotics Lab）。他博士畢業于哥倫比亞大學計算機科學專業，主修計算機視覺、機器學習和機器人專業，師從世界機器人、數據科學、3D 打印先驅 Hod Lipson 教授。他曾在國際人工智能和機器人領域頂級會議（NeurIPS、IROS、GECCO、Humanoids 等）發表多篇論文，擔任多個國際會議審稿人（CVPR、ICML、ICLR、PRCV 等）。此外，他還曾獲 ACM GECCO 學生獎學金、中國政府獎學金、中國科學院空間科技創新獎學金等。