订阅我们的每日和每周通讯，获取最新的更新和独家行业领先人工智能报道内容。了解更多
研究人员在原型AI我们开发了一个基础的人工智能模型，能够直接从传感器数据中学习复杂的物理原理，无需任何预编程的知识。这一突破可能显著改变我们理解和与物理世界互动的方式。
模型命名为牛顿展示了使用原始传感器测量数据作为输入，在不同物理现象（从机械振荡到热力学）中前所未有的泛化能力。今天发布的一篇论文详细介绍了这一成就，标志着人工智能在解释和预测现实世界物理过程的能力上取得了重大进步。
“我们正在询问AI是否能够自行发现物理定律，就像人类通过仔细观察和测量所做到的那样，”Archetype AI 的联合创始人伊万·普乌普列夫在与VentureBeat的独家采访中说道。“我们能否构建一个单一的AI模型，使其能泛化到各种不同的物理现象、领域、应用和传感设备上？”
从摆锤到电力网格：AI出人意料的预测能力
基于来自各种传感器测量的超过五十亿的数据点训练而成，Newton展示了非凡的灵活性。在一个引人注目的演示中，它在实时准确预测了摆的混沌运动，尽管从未接受过关于摆动力学的训练。
该模型的能力还延伸到了复杂的现实世界场景中。在预测城市范围内的电力消耗模式和预测电网变压器的温度波动方面，Newton的表现超过了专门化的AI系统。
普oupuyuev 告诉VentureBeat：“值得注意的是，牛顿并没有经过专门的训练来理解这些实验——他第一次遇到这些实验就能预测出即使对于混沌和复杂行为的结果。”
将人工智能适应工业应用
牛顿能够将知识推广到完全新的领域，这可能显著改变人工智能在工业和科学应用中的部署方式。与其为每个新应用场景定制模型并收集大量数据，一个像牛顿这样的单一预训练基础模型可能只需要少量额外的训练就能适应各种传感任务。
这种方法代表了人工智能应用于物理系统的重要转变。目前，大多数工业人工智能应用需要为每个特定用例进行大量的定制开发和数据收集。这一过程耗时长、成本高，并且往往导致模型过于狭隘，无法适应变化的条件。
相比之下，牛顿的方法提供了更灵活和适应性强的人工智能系统的潜力。通过从广泛的感觉数据中学习物理的一般原理，该模型可以潜在地应用于新的情况，并且只需要最少的额外训练。这可以大大减少在工业环境中部署人工智能的时间和成本，同时也能提高这些系统处理意外情况或变化条件的能力。
此外，在数据稀缺或难以收集的情况下，这种方法可能尤为有价值。许多工业过程涉及罕见事件或独特条件，这些情况用传统人工智能方法建模颇具挑战性。像牛顿这样的系统，可以从广泛的物理知识中进行泛化，或许能够在这些具有挑战性的场景中做出准确的预测。
拓展人类感知：AI作为新的感官能力
牛顿的影响超出了工业应用的范围。通过学习解读陌生的传感器数据，像牛顿这样的AI系统可以以新的方式拓展人类的感知能力。
“我们现在有了可以检测人类无法自然感知的世界方面的传感器，”Poupyrev 告诉VentureBeat。“现在我们可以开始通过人类没有的感官模式来观察世界。我们可以以前所未有的方式增强我们的感知。”
这种能力可能在多个领域产生深远的影响。例如，在医学领域，人工智能模型可以帮助解读复杂的诊断数据，有可能识别出人类医生可能会忽略的模式或异常。在环境科学领域，这些模型可以分析大量的传感器数据，以更好地理解并预测气候模式或生态变化。
该技术也为人机交互带来了引人入胜的可能性。随着人工智能系统在解读各种传感器数据方面变得越来越出色，我们可能会看到新的界面，允许人类“感知”之前无法察觉的世界各个方面。这可能导致从科学研究到艺术表达等各种新工具的出现。
Archetype AI是一家由前谷歌研究人员创立的帕洛阿尔托初创公司，迄今已筹集了1300万美元的风险投资。该公司正在与潜在客户就实际部署进行讨论，重点关注工业设备预测性维护、能源需求预测和交通管理系统等领域。
该方法也有潜力通过揭示实验数据中的隐藏模式来加速科学研究。“我们能否发现新的物理定律？”Poupyrev 沉思道。“这是一个令人兴奋的可能性。”
“我们在Archetype AI的主要目标是理解物理世界，”Poupyrev 告诉VentureBeat。“弄清楚物理世界的意义。”
随着AI系统在解读物理现实背后模式方面的技艺日益精湛，这一目标可能即将实现。这项研究开启了新的可能性——从更高效的工业流程到科学突破以及扩展我们对物理世界理解的新型人机界面。
目前，Newton仍然是一个研究原型。但如果Archetype AI能够成功将该技术推向市场，它可能会开启一个利用人工智能洞察我们周围物理世界的新时代。
目前的挑战是从有前景的研究成果转向可以在现实环境中部署的实际可靠系统。这不仅需要进一步的技术发展，还需要仔细考虑数据隐私、系统可靠性以及人工智能系统在解释和预测物理现象方面可能超越人类能力所带来的伦理问题。