IA牛顿：物理学中的人工智能

在某些情况下，我们暴露了人工智能平台的逻辑进展，发展了准推理。很大程度上取决于其机器学习的质量，可以根据其能力进行分析和理解。但是，有些法则无法理解，例如物理学法则。因此，麻省理工学院拥有牛顿引以为豪的新型AI。

机器学习

在许多文章中，我们都提到了人工智能平台的这一功能，因此我们希望对此做一个简短的解释。这样，不了解主题的人可以更好地理解本文。

从其定义开始，使用此AI工具的最常见和完整的定义。强调然后解释它以便理解：

机器学习是对算法和统计模型的科学研究，计算机系统不使用显式指令即可执行特定任务，而是基于模式和推理。机器学习算法基于样本数据（称为“训练数据”）创建数学模型，以进行预测或决策，而无需明确编程以执行任务。

将其转换为简单的Castilian机器学习是指一种能够“学习”样本以执行任务的算法。 AI所做的是，他们存储每个评估其成功案例的案例，并在执行更多任务时进行替换。

举一个例子，就是学会走路的AI，您是否想知道涉及到脚步的一切？我们邀请您观看您学会了自行行走，奔跑和摆动的Google AI视频。另一个视频中有该示例的更详细说明。

牛顿

但是，科学家们不想将自己局限于只能学习走路的AI。他们的目标是为平台提供帮助，以帮助他们进行研究并克服人类理解的极限。因此，“推理”人工智能的能力必须达到研究人员的分析和决策水平。

应当指出，自人类开始以来，人类一直在建立和提高这种素质。从伽利略到牛顿，数以百计的名字彻底改变了科学思维方式。认可机构必须达到这些人的理解水平。

令人印象深刻的是他们所取得的成就，是由MIT创建的AI无需研究人员的帮助即可自行设计物理定律。

该系统的昵称为ADEPT，就像人类一样，可以直观地理解某些物理定律。您可以观看视频中的物体，根据对物理定律的了解来预测应采取的行动，然后在看到的物体消失或传送时记录下惊喜。

ADEPT背后的团队表示，其模型将使未来的其他研究人员能够创建更智能的AI，也将使我们对婴儿如何理解周围的世界有更好的了解。

ADEPT的研究者之一凯文·史密斯（Kevin A. Smith）说：“当三个月大的婴儿出生时，他们的观念是物体不会眨眼而过，不会在它们之间移动或移动。” “我们想捕获并正规化这些知识，以将儿童的认知转变为人工智能的推动者。现在，我们正在以模型可以分离难以置信或合理的基本场景的方式来接近人类形式。”