以往,AI会根据被赋予的数据总集创造一个整合度极高的大模型,在分析具体案例时,将案例与模型数据相匹配。但是,如果你教导AI识别一只猫时,AI 用来识别的图像数据是猫在森林里漫步的场面,那么当你给AI一张猫在沙发上睡觉的照片,它很可能识别失败。如今,科学家常常采用另一种更有效的方法——创建适用于观测数据子集的小模型或理论,将它们叠加后集成出一个“万物之理”。
但这种方法非常有难度,为了实现这一目标,MIT的两名研究者采取了四种策略,用以产生适应于复杂观测的理论,包括:分而治之(生成多个理论,每个理论只适用于部分数据)、奥卡姆剃刀理论、统一整合和“终身学习”(尝试将理论应用于未来的问题)。在将这些策略编码到机器学习算法中之后,研究者向AI展示了一系列越来越复杂的虚拟环境,其中蕴含着一些奇怪的物理定律,在超过90%的情况下,AI能够理解这些理论,它还能由此推导出实际应用理论,因此研究者将其称为“AI物理学家”。