Transformer无法理解物理：Anima Anandkumar谈加速科学发现

中文导读

在本期对话中，加州理工教授Anima Anandkumar与研究员Benedikt Jenik深入探讨了大语言模型与物理世界建模之间的鸿沟。他们指出，现有Transformer在符号推理上表现优异，却缺乏对物理因果、时空连续性的内在理解。节目聚焦如何结合神经算子、生成式模拟与科学知识，构建真正能加速科学发现的AI系统。对于关注AI for Science的前沿实践者，这是一场极具启发性的技术思辨。

关键观点

• Transformer擅长语言和符号模式，却难以内化物理规律，需要架构上的根本突破。
• 将物理约束引入神经网络（如神经算子）是提升外推与泛化能力的关键路径。
• 加速科学发现需要AI生成假设与高保真模拟，而非仅处理已有文本数据。
• 跨学科合作是构建‘物理感知AI’的必然选择。