Archetype AI的研究人员开发了一种基础 AI 模型，能够直接从传感器数据中学习复杂的物理原理，而无需任何预编程知识。这一突破可能会极大地改变我们理解和与物理世界互动的方式。
该模型名为Newton，仅使用原始传感器测量值作为输入，就展现出前所未有的能力，能够概括从机械振动到热力学等各种物理现象。今天发布的一篇论文详细介绍了这一成就，它代表了人工智能在解释和预测现实世界物理过程方面取得的重大进步。
Archetype AI 联合创始人 Ivan Poupyrev 在采访时表示：“我们在问，人工智能是否能够像人类一样通过仔细观察和测量自行发现物理定律。我们能否建立一个可以泛化到各种物理现象、领域、应用程序和传感设备的单一人工智能模型？”
从钟摆到电网：人工智能的惊人预测能力
牛顿模型经过来自各种传感器测量的超过 5 亿个数据点的训练，表现出了非凡的多功能性。在一次引人注目的演示中，尽管它从未接受过钟摆动力学方面的训练，但它却准确地实时预测了钟摆的混沌运动。
该模型的功能还扩展到复杂的现实场景。在预测全市电力消耗模式和预测电网变压器的温度波动方面，Newton 的表现优于专门的人工智能系统。
Poupyrev 说：“令人惊讶的是，牛顿并没有接受过专门的训练来理解这些实验——这是它第一次遇到这些实验，但它仍然能够预测即使是混乱和复杂的行为的结果。”
让人工智能适应工业应用
Newton 能够推广到全新的领域，这可能会极大地改变 AI 在工业和科学应用中的部署方式。无需为每个新用例定制模型和大量数据集，像 Newton 这样的单一预训练基础模型只需进行极少的额外训练即可适应各种传感任务。
这种方法代表了人工智能应用于物理系统方式的重大转变。目前，大多数工业人工智能应用需要针对每个特定用例进行大量定制开发和数据收集。这个过程既耗时又昂贵，而且通常会导致模型范围狭窄，无法适应不断变化的条件。
相比之下，牛顿的方法提供了更灵活、适应性更强的人工智能系统的潜力。通过从广泛的传感器数据中学习物理学的一般原理，该模型可以在只需极少额外训练的情况下应用于新情况。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，同时还可以提高这些系统处理意外情况或不断变化的条件的能力。
此外，这种方法在数据稀缺或难以收集的情况下尤其有价值。许多工业过程涉及罕见事件或独特条件，这些情况很难用传统人工智能方法建模。像牛顿这样的系统可以从广泛的物理知识中概括出来，即使在这些具有挑战性的场景中也能做出准确的预测。
拓展人类感知：人工智能作为一种新感觉
牛顿的意义不仅限于工业应用。通过学习解读不熟悉的传感器数据，牛顿之类的人工智能系统可以以新的方式扩展人类的感知能力。
Poupyrev 表示：“我们现在拥有的传感器可以探测到人类无法自然感知的世界的各个方面。现在我们可以开始通过人类没有的感官方式观察世界。我们可以以前所未有的方式增强我们的感知能力。”
这种能力可能对一系列领域产生深远影响。例如，在医学领域，人工智能模型可以帮助解释复杂的诊断数据，有可能识别出人类医生可能忽略的模式或异常。在环境科学领域，这些模型可以帮助分析大量传感器数据，以更好地理解和预测气候模式或生态变化。
这项技术还为人机交互带来了令人着迷的可能性。随着人工智能系统越来越擅长解读各种类型的传感器数据，我们可能会看到新的界面，让人类能够“感知”以前无法察觉的世界。这可能会为从科学研究到艺术表达等各个领域带来新的工具。
Archetype AI 是一家总部位于帕洛阿尔托的初创公司，由前谷歌研究人员创立，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讨论实际部署，重点关注工业设备的预测性维护、能源需求预测和交通管理系统等领域。
该方法还有望通过揭示实验数据中隐藏的模式来加速科学研究。“我们能发现新的物理定律吗？”Poupyrev 沉思道。“这是一个令人兴奋的可能性。”
Poupyrev 说：“Archetype AI 的主要目标是理解物理世界。弄清楚物理世界意味着什么。”
随着人工智能系统越来越擅长解释物理现实背后的模式，这一目标可能触手可及。这项研究开辟了新的可能性——从更高效的工业流程到科学突破，再到拓展我们对物理世界的理解的新型人机界面。
目前，Newton 仍是一个研究原型。但如果 Archetype AI 能够成功将这项技术推向市场，它可能会开启一个由人工智能驱动的洞察我们周围物理世界的新时代。
现在的挑战是将有希望的研究成果转化为可在现实环境中部署的实用、可靠的系统。这不仅需要进一步的技术开发，还需要仔细考虑数据隐私、系统可靠性以及人工智能系统的伦理影响等问题，因为人工智能系统能够以可能超越人类能力的方式解释和预测物理现象。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/archetype-ai-de-niu-dun-mo-xing-wu-xu-ren-lei-bang-zhu-jiu
