AI看着数据，唰唰写出个F=ma开云体育(中国)官方网站，还能把开普勒三定律原样复刻出来——这事儿当今真不非凡。清华团队最新测试深化，用SRHarness框架的AI，在标志复原率上干到了93.69%，比曩昔的步调超越一大截。它能从一堆行星轨谈坐标里，我方扒拉出椭圆方程；也能从弹簧振动数据里，拎出简谐领会公式。名义看，像极了当年开普勒伏在第谷手稿堆里熬夜推演的容貌。

  可问题来了：写出来≠懂。就像你背下乘法口诀表，不代标赫然“为什么3×4是12”。MechBench这个新基准，特意考AI的“物理直观”——不是让它拟合数据，而是追问：这个公式背后，到底是什么力、什么守恒、什么因果链条在起作用？效果扎心：哪怕用上GPT-5.6-sol这种顶级底座，AI在机制复原率上只拿到13.75%。不到七分之一。比拟之下，它找王法的身手有35%，差了两倍多。说白了，AI当今是个高分“解题家”，但离牛顿那种能讲清“万有引力为何让月亮不飞走”的“讲题东谈主”，还隔着一扫数力学体系的距离。

  这不是AI不成，而是任务性质变了。找公式是形状识别+搜索优化，靠算力和数据够猛就能冲；而交融机制，得调用反事实推理、因果建模、以致物理知识的嵌套考据——这些恰正是现时大模子最薄弱的要领。清华团队提议的“反绎式AI”（Abductive AI）成见，等于在补这一课：不单问“是什么”，更要逼AI自问“淌若不是这么，天下会如何”。这条路没法靠堆参数走通，得把数学结构、物理阻抑、实验可证伪性一层层焊进模子骨头里。实验室里的13.75%，不是特地，是标尺——量出了咱们离真的“科学智能体”还有多远。

  其实这种“知其然不知其是以然”的无语，早就在其他领域露过脸。比如医疗AI能从CT片里精确圈出肺结节，准确率超95%，可一朝医师问“为什么判断这是恶性而非炎性？哪些影像特征扶助这个推测？”，大量模子就地卡壳，只可甩出一串权重热力求，连句完竣因果讲明注解王人组织不出来。MIT昨年发在《Nature Machine Intelligence》上的综述就指出：现时92%的科学向AI讹诈，仍停留在“磋磨性建模”阶段，真的完成因果链闭环考据的不及4%。

  更施行的窘境藏在实验室以外。中科院物理所昨年用AI辅助野心新式超导材料，模子快速筛出37种候选结构，但后续实验考据时，有21种因忽略晶格振动对电子配对的禁绝效应而失败——这恰正是教科书里强调的“声子机制”，东谈主类探讨生翻两页文件就能意志到，AI却没把它编进我方的物理知识库。不是算力不够，是它根蒂没把“原子热领会→晶格畸变→库珀对散射”这条链路当成必须考据的硬阻抑。

  有兴味的是，小孩学物理反而更接近“反绎式”旅途。北京师范大学讲授学部追踪了120名初中生发现：当淳厚不径直给公式，而是先问“淌若重力已而灭绝，抛出去的球会如何？为什么？”学生我方推导出惯性成见的概率，比死记F=ma超越3.2倍。这种“假定-推演-证伪”的想维肌肉，恰正是现时AI最缺的“说明筋膜”。

  是以清华团队没急着升级模子参数，追思和中学物理教研组配合，把东谈主教版讲义里的137个经典实验拆解成“因果积木块”：斜面小车实验对应“外力为零→速率不变”，单摆周期实验绑定“回应力与位移成正比”……这些不是知识碎屑，而是带物理语义的推理锚点。第一批镶嵌该框架的轻量模子，在MechBench上机制复原率已摸到28.4%——没靠更大算力，仅仅让AI开动学着像东谈主相似，先问“凭什么”。

  说到底，让AI懂物理，不是要它复刻牛顿的手稿，而是帮它长出那根能刺破惬心、追问骨子的“手指”。这根手指当今还很稚嫩，但至少开云体育(中国)官方网站，它也曾抬起来了。