最近，北京大学物理学院马滟青教授带领的课题组所取得的研究成果受到了众多关注。
他们开发的“AI-牛顿”（AI-Newton）系统，能够在无需人工监督、不借助先验物理知识的条件下，从46组物理实验的原始噪声数据里，独立挖掘出经典力学的核心定律——牛顿第二定律（F=ma）。
相关进展于11月14日获《自然》（Nature）新闻栏目以长篇专题形式报道。
和传统AI仅能识别数据模式或进行预测不同，“AI-牛顿”创新性地运用“大胆猜想、小心求证”的合情推理策略，模拟人类科学家的认知过程。
该系统依托实验库产出物理数据，运用符号回归、微分代数等技术手段，从时空坐标、几何信息这类基础符号里提炼出相关概念。
再逐步搭建起涵盖符号、概念、定律的三层知识框架，最终自主推导出力、质量、加速度之间的关联规律，甚至还同步发现了能量守恒等关键物理法则。
此次研究是AI从科研辅助工具转向“自主发现主体”进程中的关键一步。
课题组称，他们打算把“AI-牛顿”运用到更具挑战性的领域，比如尝试去理解和发现量子理论里的复杂规律。
