但这也提出了一个非常有趣的问题，那就是我们真的可以设计一个人工智能系统，在分析时只关注那些与研究内容高度相关的“关键因素”，并模仿人类对数据的研究方法吗？进行加工。
最近，来自麻省理工学院的Wu和Max给了我们答案。他们开发的一种名为“人工智能物理学家（AI）”的人工智能系统可以通过模仿人类物理学家的研究方法来描述数据。 “奇怪”的环境梳理出了可以描述该环境的物理定律。
吴和他开发的系统解决了现有人工智能面临的最大挑战之一：无法处理庞大的数据集。事实上，根据描述大教堂内部环境的数据，现有的人工智能系统都无法检测到“循环”的存在。
为了解决这个问题，吴和他的团队将他们开发的三种人类物理学家在研究中经常使用的技术集成到系统中：“简化问题”、“找到更普遍的理论”和“尝试结合已经成功的方法”过去的内容可以应用到新系统中。”
其中，“简化问题”源于物理学家通常通过简化问题来研究事物，例如将宏观和微观分开，首先发展出两套能够分别描述宏观世界和微观世界的理论网校头条，然后试图将它们整合起来。现在的广义相对论和量子力学的诞生就是由于这种思维方式。
物理学家普遍认为物理学家技术难题分析，一个理论能够解释的情况越多，它就越完善。尽管不确定是否存在最终的“终极理论”，但这种思维方式在现代科学的许多研究中发挥了重要作用。
“尝试将过去成功的方法应用到新的系统中”源于物理学研究中“终身学习”的理念。物理学家通常尝试将过去成功的分析方法应用于新系统。研究中，如果适用，则说明该方法具有一定的普适性，如果不适用，则说明该方法需要针对新系统进行改进或者新系统需要全新的理论来描述。
将人类物理学家常用的上述三种研究技术融入人工智能系统后，吴和贺设计了40个受不同物理定律支配的不同宇宙。例如，同一个小球的运动在A宇宙中受重力控制，在B宇宙中受电磁力控制，在C宇宙中受谐波势（ ）控制，并以此来测试“AI”他们开发了“物理学家”。
在测试中，吴和“‘AI物理学家’能否通过观察球的运动发现与球运动一致的物理规律？”和“不包括‘终身学习’技术（模拟新物理学）的系统”“模拟经验丰富的物理学家的系统的性能与集成所有三种技术的系统的性能有何不同？”
测试结果表明，无论是不包含“终身学习”机制的系统（研究中称为“物理学家”）和整合所有研究技能的系统（即“AI物理学家”）最终都能成功发现相应的宇宙。根据相应的物理定律，两个系统解决设定问题的能力均达到90%以上。
但“人工智能物理学家”可以使用比“物理学家”更少的数据更快地学习。 “这与经验丰富的学者通过他们的知识库比初学者更快地解决新问题非常相似物理学家技术难题分析，”吴鹤说。
结果还表明，“新物理学家”的表现明显优于传统神经网络设计。 “我们开发的系统在大多数情况下学习速度更快，计算错误概率约为传统神经网络设计的十亿分之一，”吴说。
虽然这项研究实际上并未将人工智能系统置于包含自身信息的“松散”数据集中，但结果表明人工智能系统确实具有这种潜力。
如果未来真有人培养出真正的“AI物理学家”，其历史意义或许可以与伽利略发展“科学方法”的前身相媲美。但目前还不清楚这项研究，以及这项研究未来可能带来的更多技术进步，对人类意味着什么。