物理第一性AI：从物理通向智能

本文由清华大学物理系罗迪副教授撰写，提出“物理第一性AI”研究范式，探讨从物理学基本原理出发重构人工智能模型设计、训练目标与计算推理的路径。背景方面，2024年诺贝尔物理学奖授予霍普菲尔德与辛顿，表彰其基于物理思想推动人工神经网络发展的贡献，表明物理与AI的深层联系获高度认可。研究目的旨在突破当前AI以数据驱动和规模扩展为主的发展瓶颈，通过引入对称性、统计力学、量子理论及物理推理等物理思想，从结构、优化、计算、推理四大维度搭建Physics for AI理论体系，推动AI向具备小样本泛化、因果推理与自主科学发现能力的更高形态演进。结论指出，物理第一性AI有望为通用人工智能奠定理论根基，并开启物理驱动的超级智能新时代。同时，文章强调人工智能时代物理教育应升级工具能力、培养复合型人才，并关注世界模型与具身智能趋势。