物理学家通过仔细的观察、实验和精确的测量，对自然的基本规律进行深刻的研究和理解。然而，如果人工智能（AI）是否可以通过自己分析数据来发现物理世界的支配规律呢？

Archetype AI的研究人员开发了一种基础人工智能模型，称为“牛顿人工智能模型”（Newton AI），能够直接从原始传感器数据中学习复杂的物理原理。这个可能改变游戏规则的模型可以准确地预测各种物理现象，包括那些在训练中从未遇到过的现象。

Archetype AI是一家位于帕洛阿尔托的初创公司，由前谷歌研究人员创立。

与依赖于数据集预编程知识的典型人工智能模型不同，Newton AI依赖于分析传感器测量，如温度、振动和压力，来建立自己对物理系统如何工作的理解。

Newton AI代表了人工智能在物理学中的重大飞跃，但它不仅仅局限于科学。Newton AI可以在一系列环境和系统中学习和预测行为，而这些环境和系统并没有被明确训练过。

Newton AI能够准确预测以前从未遇到过的数据，这种能力被称为零概率学习（zero-shot learning）。虽然其他几个模型也展示了类似的零概率学习能力，但Newton AI的独特之处在于它在物理和复杂物理系统中的具体应用。

Archetype声称，Newton AI在预测城市范围内的电力消耗或预测电力变压器的油温等现实物理应用中优于专业人工智能模型。

当你根据基本的物理定律（比如能量守恒定律）训练人工智能基础模型时，你可能会引入“归纳偏差”。这些偏差可能会将模型限制在现有的知识和理解范围内，潜在地阻碍其从数据中得出新结论的能力。

根据Archetype AI的说法，NewtonAI直接从数据中发现新的物理现象的方法是人类在历史上发现自然基本定律的方式。

一些最重要的物理定律，如电学定律或行星运动定律，是在对其基本原理一无所知的情况下发现的。科学家们通过观察、测量和分析物理系统来揭示规律，我们现在认为这些规律就是自然规律。

Archetype AI团队意识到将GenAI原理应用于复杂的物理数据领域以及预测不同物理系统的未来行为所面临的挑战。为了应对这一挑战，Archetype AI赋予Newton AI双重能力，即预先训练和零概率学习能力。

Newton AI在5.9亿个开源数据集的样本上进行了预训练。利用基于Transformer深度神经网络，Newton分析原始传感器数据以发现隐藏的模式。这使得Newton AI能够有效地处理实时和记录的传感器数据。

Archetype AI团队的一篇博客强调说：“令人兴奋的是，即使Newton只在目标数据集上进行了专门的训练，零概率预测也始终优于预期。换句话说，Newton接受了来自世界各地的大量物理传感器数据的训练，比我们专门用数据训练Newton时更有效。”

“这表明，像Newton这样的基础模型具有强大的泛化能力，使它们能够理解远远超出最初训练时使用的特定数据的物理行为。”Newton AI的泛化能力在数据稀缺或难以收集的情况下尤其有利。利用其广泛的物理知识基础，Newton AI可以在数据有限的各种情况下提供有价值的见解。

Newton AI提供的功能还可以增强人类的感知能力，使我们能够检测到我们无法察觉的物理世界的那些方面。这有望推动医学等领域的突破。目前，Newton人工智能只是一个研究原型，但随着进一步的发展，它有可能被推向市场，迎来一个人工智能驱动的新时代，洞察我们的物理环境。