不，人工智能没有发现一种新型的物理学

物理学的一名普通本科生比人工智能更好。

HARD SCIENCE — SEPTEMBER 17, 2022

Tom Hartsfield

Credit: Annelisa Leinbach / Big Think / DALL-E

关键要点

经典力学被艾萨克·牛顿第一个建立是物理学的一个基础领域。

认识到适当数量的变量是来解它的问题的关键。

研究人员已经测试了一个“人工智能物理学家“来完成这个的能力。起初，他们的结果似乎承诺的；但更仔细审查这清楚的是一个失败。

一个计算机算法能发现某些关于物理学的新东西吗？这是一个迷人的问题。一篇关于这个话题的新研究论文激发了一个耸人听闻的标题 “一个人工智能刚刚已经可能发明了‘替代’物理学” 。

“替代物理学”这个术语听起来很像“替代事实”一样，但让我们无论怎样调查。这个计算机程序的性能与一个实际的物理学家的相比怎样呢？或甚至那是一名普通的学生？

牛顿力学

艾萨克·牛顿是一个无对手的天才。这位英国博学家不仅统一了运动和引力的研究，而且发明了用它来描述它们的数学语言。被牛顿带来的经典力学的概念支撑自此后物理学发明的大部分。他的概念随后在18世纪被杰出的大陆物理学家约瑟夫-路易斯·拉格朗日和莱昂哈德·欧拉重新以新的数学语言制定。

牛顿力学要求一个作用在大质量物体上的定向力的分析。如果你上了高中或大学的一个物理入门课，你已经看到这些问题：在倾斜面上的盒子、滑轮和小车。你画出走近不同方向中的箭头并试图来平衡力。它对小问题漂亮的起作用。随问题变得更复杂，这种方法继续起作用，但它变得残酷的乏味的。

用拉格朗日公式，如果系统的性质的两个方面能被定义，这个问题能被只用微积分解决。（是的，“只”微积分：倒弄数字的导数是比求解极端复杂的其中箭头在每个位置变化的自由体图远更容易。）

要了解的第一件事是系统的能量，即由系统的构造存储的运动的（动能）能量和（势能）能量。第二件关键的事是为系统的运动选择恰当的坐标或变量。

想象一个简单的钟摆，就像在一个老式的钟中的一样。摆锤有一个从它的摆动运动的动能和一个由于它的在引力场中的位置（高度）的势能。钟摆的位置能被用一个单一的变量描述：它的相对于垂直的的角度。钟摆运动的拉格朗日解能然后被用相对的容易计算。

在力学中解更复杂的问题需要发现能描述这个系统的恰当的变量数量。在简单的情况下这是容易的；在中度复杂的情况下，这是一个学生水平的练习，在极端复杂的系统中，这是一个专家的工作或不可能的。这是人工智能“物理学家”进来的地方。

人工智能物理学家被本科生击败

计算机被设定来分析悬在另一个钟摆上的一个钟摆的问题。这个问题需要两个变量------每个钟摆对垂直的的角度------或者如果一个笛卡尔（xy）坐标系被用四个变量。如果两个钟摆锤都挂在弹簧上而不是刚性杆上，在笛卡尔系统中两个可变的弹簧长度被增加来得到六个变量。

计算机被要求来确定需要来计算上述问题的变量的数量。人工智能物理学家是怎么做的呢？不伟大的。对在一个钟摆上的刚性钟摆它给出了两个答案： 大约7和大约4-5。（正确答案是4个变量）。同样，对双弹簧钟摆它计算了大约8个和大约5-6个。（正确答案是6个变量）。研究人员称赞这些更小的估计值为接近真实答案。

但在深入挖掘这篇论文的补充材料中的细节后，然而这些结果开始来瓦解。计算机实际上没有计算4个变量和6个变量。它的最佳计算是4.71和5.34。这两个答案甚至四舍五入都不是正确的答案。四变量问题是一个中级本科物理学问题，而六变量问题是一个更高级的本科问题。换句话说，一个普通的物理学本科生在掌握这些问题上明显的比人工智能物理学家更好。

人工智能物理学家没有为终身教职准备好

研究人员继续要求该程序来分析复杂的不仅有一个未知数量的变量而且对它是否经典力学毕竟能描述这些系统是不清楚的系统。例子包括一个熔岩灯和火。人工智能在预测这些系统的微小变化上做一个可以接受的工作。它还计算所需变量的数量（分别为7.89和24.70）。对这些问题的正确答案在某种意义上将是“新物理学”，但没有知道是否人工智能是正确的的办法。

用人工智能来分析未知系统是个整洁的想法，但人工智能目前不能让容易的答案正确的。这样，我们没有理由来相信它正在让困难的正确。

https://bigthink.com/hard-science/ai-no-new-physics/