MIT团队造递归元智能 发现材料失效原理

我们构建了递归元智能，这是一种可以自行创建科学仪器的AI，它会将这些仪器转化为可持久的世界，数百个AI组成的智能体生态就栖息在这些世界中，然后利用这些世界来发现最难一类物理问题的机理：复杂层级材料（通过组织产生新功能的嵌套物质结构）如何演化和失效。

该AI在海量可能的物理轨迹空间中推理，每一次断裂都会改变后续可能发生的事件，然后将这些历史压缩为人类可以理解并用于设计的原理——这些原理是复杂的因果事件链，高度非线性且错综复杂。

科学超级智能在这里是切实存在的：机器级的探索为认知打开了通道，通向人类一直以来很难直接穿越的复杂性。AI构建了能让更高层级推理成为可能的空间；一种表征成为一种仪器，该仪器成为一个可执行世界，这个世界又成为进一步发展智能的基底。智能通过构建新的思考空间来成长。

我们探索的任务从一个看似简单的提示开始：探索一个生物材料系统。随后AI自主选择了表征、力学模型和实验，搭建了一个断裂实验室将材料推至极限，检验假设并生成科学结论。集群探索了一个组合宇宙，在这个宇宙中结构控制功能，每一次断裂都会改变材料的未来状态。

AI发现了一个简洁原理，它定义了多尺度材料结构如何对失效演化进行编程。材料排布和几何顺序决定力如何重新分布，决定损伤是会发生级联扩散还是保持分散，以及材料在出现重大缺陷后能否保留功能。

为了得到这一发现，AI必须对依赖路径的长历史进行推理，模拟不同的未来，并将它们压缩为生成不变量（基于模型的因果推理、反事实模拟和时间抽象被应用于不断演化的物理世界）。目睹这种通过规模化集群实现的向新形式智能和能力的转变，令人惊叹。

这项工作会带来很多积极影响，因为它拓宽了人类的认知边界：AI可以遍历数千种可能的历史，返回足够简洁的机理，供我们理解、检验和构建。智能通过它的造物不断复合增长！

我们学到了几点经验：
▶️ 学习和发现是在可能性空间中的流动。早期工作已经展示了反向传播如何在参数空间中流动，强化学习如何通过行动和结果流动，而自主集群则通过表征、仪器和可执行世界把所有这些整合在一起。流动创造结构；在递归仪器中，结构会重新引导未来的流动。

▶️ 非线性物理实际上