12月10日消息，人工智能在科研领域的角色正迎来质的飞跃。近日，北京大学物理学院团队展示了一套具备自主理论构建能力的AI系统，其成果因成功从实验数据中独立推导出经典力学定律，并登上了国际顶级期刊《自然》。这一突破被视为AI从辅助工具迈向“可独立认知的科研主体”的重要信号。

据介绍，北大团队研发的“AI-牛顿”系统，在未预设任何物理背景知识的条件下，被置于包含小球、弹簧等装置的46组物理实验数据中。它不仅能够识别实验中的运动模式，更在迭代推理过程中，逐步构建出“力”“质量”“加速度”等基础概念，并最终得出牛顿第二定律F=ma。整个过程所依赖的，是一种近似于科学家“先假设、再求证”的合情推理策略，而非传统大模型的简单拟合。

研究团队将实验装置与数据生成器预置于“实验库”中，再让系统于“理论库”内不断积累自身构建的概念与规律。这种三层结构（符号、概念、定律）使得AI得以在繁杂数据与可解释公式之间建立联结，让推导路径可回溯、逻辑链条更清晰。这也是该系统突破神经网络“黑箱”困境的关键所在。

这项开创性尝试对未来科研方式的潜在影响，普遍受到外界关注。《自然》杂志援引哈佛大学学者的观点指出，这种编程方式能鼓励模型主动逼近核心概念，或将成为未来科学发现的重要方法。相比以往在已知理论框架内验证假设，“AI-牛顿”所展现的是一种面向未知领域的原生探索能力。

北大方面透露，团队计划将该方法扩展至更复杂的研究方向，包括尝试从量子体系中寻找规律。这意味着，AI正从单纯的数据分析师，进一步向“理论生成的参与者”靠拢。

该研究由马滟青教授课题组完成，参与者包括博士生方尤乐、见东山以及李想，并获得了国家自然科学基金与北京大学高性能计算平台的支持。