近日，《自然》新闻聚焦一项来自北京大学团队的重磅研究——名为“AI-牛顿”的智能系统成功突破传统科学发现模式，在无需人工监督、不依赖任何先验物理知识的前提下，仅通过分析原始实验数据，便自主推导出了牛顿第二定律等经典物理核心原理。该成果已正式发表于预印本文库arXiv，为AI驱动的自主科学发现领域开辟了全新路径，引发全球科研界广泛关注。
传统科学发现依赖科研人员的经验积累、逻辑推理与反复实验验证，往往需要投入大量时间精力梳理数据关联、提出假设并验证。而“AI-牛顿”系统彻底颠覆了这一模式，其核心优势在于“无监督自主学习”能力。
研究团队为系统输入的仅是纯粹的原始实验数据——例如物体运动的位置、速度、受力等未经加工的观测信息，未嵌入任何物理公式、理论框架或人为设定的规则。系统通过内置的先进算法，自主对数据进行筛选、关联、建模与迭代优化，最终独立提炼出隐藏在数据背后的核心规律，精准复现了“力等于质量乘以加速度（F=ma）”这一奠定经典力学基础的牛顿第二定律。
这一突破意味着AI首次实现了“从零开始”的基础物理原理发现，摆脱了对人类已有知识体系的依赖，展现出自主挖掘自然规律的潜力。
“AI-牛顿”系统的技术核心在于其创新的数据分析与规律提炼框架。该系统能够自动识别数据中的关键变量，排除无关干扰因素，构建起变量间的数学关联，并通过逻辑自洽性验证，筛选出最具普适性的核心规律。
与此前依赖标注数据或领域知识的AI模型不同，“AI-牛顿”的无监督学习模式使其具备更强的通用性。研究团队表示，该系统不仅适用于经典力学领域，未来还可拓展至流体力学、电磁学等更多物理分支，甚至有望应用于生物学、化学等跨学科研究，帮助科研人员从海量未解析数据中快速捕捉隐藏规律，缩短科学发现的周期。
这一成果的发表，不仅验证了AI在基础科学研究中的核心价值，更标志着人类在自主科学发现领域迈出了关键一步。长期以来，如何让机器像科学家一样“思考”、自主探索未知规律，是AI研究的重要目标之一，而“AI-牛顿”的突破为这一目标提供了可行的技术方案。
《自然》新闻评价称，该研究打破了“AI仅能作为数据分析工具”的传统认知，让AI成为主动参与科学发现的“合作者”。其价值不仅在于复现了已知物理定律，更在于证明了AI具备自主探索未知规律的能力——未来面对宇宙学、量子物理等领域的复杂未解析数据，类似系统有望帮助人类突破认知边界，发现此前未被察觉的自然奥秘。
