ntext="Article" data-image-id="2327978" data-caption="Watching videos of objects interact helped an AI learn physics" data-credit="Audio und werbung/Shutterstock" />

DeepMind的研究人员说，教授人工智能了解简单的物理概念，例如一个固体对象不能占据与另一个固体相同的空间，这可能会导致更有能力的软件，这些软件要训练更少的计算资源。

这家总部位于英国的公司以前创建了AI，可以击败国际象棋和GO，写计算机软件并解决蛋白质折叠问题的专家。但是这些模型是高度专业化的，缺乏对世界的一般理解。正如DeepMind的研究人员在最新论文中所说的那样，“基本的东西仍然缺失”。

现在，DeepMind及其同事的路易斯Piloto通过自动编码和跟踪对象（PLATO）创建了一个名为物理学的AI，旨在理解物理世界是由遵循基本物理定律的对象组成的。

研究人员训练了柏拉图，通过使用我们预期的对象的模拟视频来识别对象及其相互作用，例如球落在地面上，彼此滚动并互相弹跳。他们还提供了柏拉图数据，确切地显示了每个帧中哪个像素属于每个对象。

为了测试柏拉图理解五个物理概念的能力，例如持久性（物体往往不会消失），坚固和不变（该物体倾向于保留形状和颜色等功能），研究人员使用了另一个模拟视频。一些人显示了遵守物理定律的物体，而另一些人则描绘了荒谬的动作，例如在支柱后面滚动的球，而不是从另一侧浮出水面，而是从另一侧重新出现。

他们任务柏拉图要预测每个视频中接下来会发生什么，并发现其预测对于荒谬的视频是可靠的错误，但通常对逻辑视频是正确的，这表明AI具有对物理学的直觉知识。

Piloto说，结果表明，以对象为中心的观点可以使AI具有更普遍和适应能力的能力。他说：“例如，如果您考虑苹果可能会出现的所有不同场景。”“您不必在树上了解苹果，而不是厨房中的苹果，而不是垃圾中的苹果。当您将苹果隔离为自己的东西时，您可以更好地将其在新系统，新环境中的行为推广。它提供了学习效率。”

英国南安普敦大学的马克·尼克松（Mark Nixon）说，这项工作可能导致AI研究的新途径，甚至可能揭示有关人类视力和发展的线索。但是他对可重复性表示关注，因为本文说“我们对柏拉图的实施不可行”。

他说：“这意味着他们正在使用其他人可能无法使用的建筑。”“在科学方面，可以重现是一件好事，以便其他人能够获得相同的结果，然后将它们取得进一步。”

纽约大学的陈冯说，这些发现可能有助于降低培训和运行AI模型的计算要求。

他说：“这有点像教孩子，首先要教他们车轮和座椅是什么。”“使用以对象为中心表示的好处，而不是原始的视觉输入，使AI以更好的数据效率学习直观的物理概念。”