该系统展示了其对开普勒行星运动第三定律、爱因斯坦相对论时间膨胀定律和朗缪尔气体吸附方程的处理能力。

新AI科学家AI-笛卡尔成功复现诺贝尔奖获奖作品，运用逻辑推理和符号回归寻找精确方程。该系统对现实世界的数据和小型数据集很有效，未来的目标包括自动构建背景理论。

1918 年，美国化学家 Irving Langmuir 发表了一篇论文，研究了气体分子粘附在固体表面上的行为。在仔细实验的结果以及他关于固体为气体分子填充提供离散位置的理论的指导下，他制定了一系列方程式来描述在给定压力的情况下有多少气体会粘附。

现在，大约一百年后，由 IBM Research、Samsung AI 和马里兰大学巴尔的摩分校 (UMBC) 的研究人员开发的“AI 科学家”重现了 Langmuir 获得诺贝尔奖的工作的关键部分。该系统——作为科学家发挥作用的人工智能 (AI)——还重新发现了开普勒行星运动第三定律，该定律可以计算出一个空间物体在给定间隔距离的情况下绕另一个空间物体运行所需的时间，并得出一个很好的爱因斯坦相对论时间的近似值- 膨胀定律，表明对于快速移动的物体，时间会变慢。

该研究得到了国防高级研究计划局 ( DARPA ) 的支持。描述结果的论文将于今天(4 月 12 日)发表在《自然通讯》杂志上。

一种可以推理的机器学习工具

这位被研究人员称为“AI-笛卡尔”的新 AI 科学家加入了 AI Feynman 和其他最近开发的旨在加速科学发现的计算工具之列。这些系统的核心是一个称为符号回归的概念，它可以找到适合数据的方程。给定基本运算符(例如加法、乘法和除法)，系统可以生成数百万个候选方程，搜索最准确地描述数据关系的方程。

AI-Descartes 提供了一些优于其他系统的优势，但它最显着的特点是它的逻辑推理能力，英国剑桥三星 AI 的研究科学家 Cristina Cornelio 说，她是该论文的第一作者。如果有多个候选方程可以很好地拟合数据，系统会识别哪些方程最适合背景科学理论。推理能力也使该系统有别于 ChatGPT 等“生成式 AI”程序，后者的大型语言模型逻辑能力有限，有时会搞乱基础数学。

Cornelio 说：“在我们的工作中，我们正在将第一性原理方法与机器学习时代更常见的数据驱动方法相结合，这种方法几个世纪以来一直被科学家用来从现有背景理论中推导出新公式。” . “这种结合使我们能够利用这两种方法，并为广泛的应用创建更准确和有意义的模型。”

AI-Descartes 这个名字是对 17世纪数学家和哲学家 René Descartes的致敬，他认为自然世界可以用一些基本的物理定律来描述，逻辑推论在科学发现中发挥了关键作用。