高校科研团队助力打造“真正的人工智能科学家”

中国青年报客户端讯（中青报·中青网记者 刘俞希）近日，北京大学与东方理工高等研究院（EIT）的研究团队在深度学习领域取得了突破性进展，张东晓教授和陈云天助理教授研究团队开发了一种全新框架，能够平衡人类知识与训练数据在人工智能模型中的影响，使人工智能更贴近科学家的思维、工作方式，使其能够进一步改进科学实验、解决科学难题。这一研究成果已发表在Cell出版社交叉学科期刊《Nexus》上，并受到海内外多平台的报道。

这一重要成果的背后，实际上涉及到了一个核心问题：如何让人工智能在面对未知或变化的环境时，仍然能够做出符合现实世界的正确的判断和决策。现有的模型大多依赖于海量数据进行训练，缺乏对物理定律等先验知识的融入，这在一定程度上限制了其在解决复杂科学问题时的表现。以OpenAI的文本到视频模型Sora为例，尽管该模型在理解和生成现实世界中的事物方面表现出色，但在一些涵盖重力、浮力等物理规律的场景中，例如模拟摔落的水杯、玻璃破碎时仍显力不从心。

“想象一下，在教一个孩子拼图时，除了让他们通过反复尝试自行找到答案外，还可以给予他们一些基本的规则和提示作为引导。”陈云天说，同样在机器学习中融入先验知识可以使它们更高效，更能反映现实世界。

但在深度学习中评估不同规则的价值是一项具有挑战性的任务。针对这一问题，研究团队提出了这一新框架。该研究的第一作者、北京大学博士生徐浩表示：“将人类知识融入人工智能模型有望提升其效率和推理能力，但关键在于如何平衡数据与知识的影响。我们的框架能评估不同知识和规则，进而提升深度学习模型的预测能力。”

研究团队通过衡量各个规则的重要性，确定了哪些人类先验知识（如物理定律、数学逻辑等）对模型性能的提升最为关键，这些规则可以是函数关系、等式或逻辑关系等，它们被整合到模型中，以提升其预测准确性和泛化能力，从而来指导机器学习。新的框架不仅能够精确计算每个规则对模型预测精度的贡献，同时还考虑到了规则之间的相互作用。

数值实验表明，可以通过调整不同规则的相对影响力来优化模型，过滤掉多余或干扰的规则，只保留对模型性能提升有实质性贡献的规则。为了验证该框架的有效性，研究团队将其应用于多个实际场景。陈云天解释：“我们尝试将物理定律融入人工智能模型，使其更贴近现实，从而在科学和工程领域发挥更大作用。”他们使用框架优化了求解多元方程的模型，以及预测化学实验结果的模型。实验结果表明，融入先验知识的模型在性能上有了显著提升，能够更准确地模拟现实世界的物理过程。

未来，研究团队计划将这一框架开发成可供人工智能开发人员使用的工具，以便更广泛地推广和应用。他们希望通过这一工具，帮助更多的科研人员构建出具有“物理常识”的AI模型，为科学研究和社会发展带来更多的创新和突破。“我们的最终目标是构建一个从知识发现到知识嵌入的完整闭环系统，使人工智能模型能够直接从数据中提取和应用相关知识和规则，实现自我完善，成为真正的‘AI科学家’。”陈云天说。