现在，人工智能（AI）正在改变我们进行科学和工程研究的办法。传统的科学研究和工程设计都充满了反复试错的过程。我们在实验室里花费大量韶光进行实验，推翻和验证假设，才能推动科学发展。
措辞模型，比如ChatGPT，可以帮助我们天生新的想法，但它们仍旧局限于数字天下。它们无法真正理解物理天下的运作规律，可能会产生幻觉，由于它们缺少物理根本。要想真正办理科学难题，我们须要让AI拥有更深入的物理理解能力。
神经算子：让AI捕捉物理细节为了实现这一点，A.A.开拓了一种名为“神经算子”的新型AI技能。神经算子能够将数据表示为连续的函数或形状，让我们可以无限放大到任何分辨率或比例，从而捕捉到物理征象中隐蔽的细节。传统深度学习利用固天命量的像素，放大后就会变得模糊，无法捕捉到所有细节。而神经算子可以让我们在多种尺度或分辨率的数据上进行演习，并利用数学等式的知识补充数据分辨率有限的缺口。这种多尺度的学习对付科学理解至关主要。
利用神经算子，我们可以仿照流体动力学等物理征象的速率比传统仿照快一百万倍。
神经算子在实际运用中展现出了强大的潜力。例如，她们利用神经算子设计了一种新型医用导管，能够有效阻挡细菌逆流传染。传统的导管设计须要反复试错，而现在，我们只需教会AI液体在导管内部流动的行为规律，神经算子模型就能直接给出优化设计。
此外，她们还利用神经算子构建了第一个完备基于AI的景象模型，名为FourCastNet。该模型具有高分辨率，比传统景象模型快数万倍，并且在许多情形下，它也更准确。
未来展望：通才AI模型目前，这些AI模型仅限于它们经由演习的狭窄领域。如果能够开拓一个能够办理所有科学问题的通用AI模型，将是一项令人振奋的打破。它能够帮助我们设计更好的无人机、飞机、火箭，以及开拓新的药物和医疗东西，为人类社会带来巨大的益处。
这便是她们正在努力的方向：构建一个具有新兴能力的通才AI模型，能够仿照任何物理征象，并天生以前无法企及的新颖设计，实现具有普通物理理解能力的通用智能。
#TED演讲##夏日生活打卡季##人工智能#