Building The Ph(ysical)AI Layer Of Machine Intelligence
本文提出了一种仅使用基于信号理论原则的射频数据进行训练的原则驱动基础模型，该模型在无需微调的情况下实现了向音频、图像和文本等不同领域的有效零样本跨模态迁移，证明了编码物理定律能够实现高效泛化，并区分了物理理解与语义理解。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在试图教一个机器人如何理解这个世界。
大多数现代 AI 机器人是通过记忆范例来学习的。你向它们展示数百万张猫、狗和汽车的照片，它们通过识别统计模式来学习识别这些物体。如果这时你给它看一张它从未见过的“猫”的照片，它可能会感到困惑，因为那个模式与它的记忆并不完全匹配。它们擅长识别见过的内容，但不擅长理解事物运作的规则。
这篇论文中的研究人员（来自 MIT 林肯实验室）尝试了一种不同的方法。他们没有让 AI 记忆范例，而是教会了它支配所有信号的基本物理定律。
以下是他们所做工作及发现的简单拆解：
1. “通用翻译器”的概念
把世界上所有的数据——音乐、语音、图像、无线电波、地震——都想象成不同类型的音乐。
- 语音是人类演唱的一首歌。
- 无线电波是机器演奏的一首歌。
- 地震是大地演奏的一首歌。
尽管这些“歌曲”听起来不同，但它们都遵循相同的数学物理规则。它们都有节奏（时间）、音高（频率）和音量（能量）。
研究人员假设，如果他们教会 AI 理解这些通用的音乐规则，那么无论演奏的是什么乐器，都不再是问题。AI 应该能够理解无线电波的“音乐”，并利用这种知识去理解人类的声音或图像，即使它之前从未见过任何图片或声音。
2. 训练过程：在“无线电静电”中学习
为了测试这一点，他们并没有向 AI 展示猫或书的照片。他们专门使用射频（RF）数据对其进行训练。
- 为什么选择无线电？ 无线电信号极其复杂。它们会从建筑物周围反弹，改变速度，并且充满噪声。这就像是通过让一名音乐家长时间聆听嘈ло chaotic（混乱）且多噪的无线电台来训练他。如果他能从这一片混乱中分辨出旋律，那么他就是一名非常优秀的音乐家。
- 结果： AI 学会了使用严格的数学规则（例如傅里叶变换，这是一种将复杂声音分解为简单音符的高级方法）将这些无线电信号分解为其基本构建模块（频率、时间、能量）。
3. 魔法时刻：零样本迁移（Zero-Shot Transfer）
一旦 AI 完成了在无线电波上的训练，研究人员就冻结了它的“大脑”。他们没有让它学习任何新知识。然后，他们要求它执行从未见过的任务：
- 识别说话者（这是男声还是女声？）。
- 识别乐器（这是吉他还是钢琴？）。
- 图像分类（这是猫还是狗？）。
- 检测地震（这是震动还是卡车经过？）。
令人惊讶的是： 尽管 AI 在训练期间从未见过任何图片或人类的声音，但它的表现却出奇地好。
- 它在基于物理结构的任务上表现极其出色（例如识别特定的无线电发射器或特定的地震）。其准确率达到了约 84.5%。
- 它在基于人类意义的任务上表现良好，但并不完美（例如猜测歌曲流派或文本主题）。其准确率约为 70%。
4. 重大发现：“物理”与“语义”的边界
论文提出了一个关于 为什么 AI 在某些任务上表现出色而在另一些任务上表现平平的关键点。
- 物理任务（“如何做”）： AI 学习了信号的物理特性。它知道特定类型的地震会产生特定的振动模式，就像特定类型的无线电会产生特定的信号模式一样。因为物理定律在任何地方都是相同的，所以 AI 可以完美地迁移这种知识。
- 语义任务（“是什么”）： AI 在需要人类语境的任务上遇到了困难。例如，知道一首歌是“爵士乐”不仅仅关乎声波，更关乎人类的文化和历史。AI 学习了声音的形状，但没有理解其背后的故事。
类比：
想象 AI 是一位资深的建筑师。
- 如果你给它看一张房屋的蓝图（无线电数据），它学会了重力、梁柱和地基的规则。
- 如果你随后给它看一张桥梁（地震数据）或大坝（地震学）的蓝图，它能立即理解如何建造，因为其物理原理是相同的。
- 然而，如果你要求它设计一座看起来是“维多利亚式”或“现代式”的房子，它可能会感到困难。它知道如何建造结构，但它并不理解这些词汇所代表的风格或文化含义。
5. 为什么这很重要
研究人员构建了一种新型 AI，称为 PlanFormer。
- 高效性： 与其他著名的 AI 模型（如 CLIP）相比，它非常微小。它的参数量（脑细胞）比后者少 76 倍，但在物理任务上的表现却不相上下。
- “物理层”： 他们提议我们应该构建分层的 AI。首先，构建一个理解宇宙法则（能量、对称性、波）的“物理层”。然后，在此之上构建一个“语义层”来理解人类的意义。
总结
论文声称，你不需要向 AI 展示数百万张图片来教会它如何观察。如果你教会它信号运作的数学规律（以无线电波作为训练场），它就能自然而然地理解图像、声音和振动的物理结构。
这就像是通过在具有特定水流的泳池中练习来教人游泳。一旦他们掌握了水的物理特性，他们就可以在海洋、湖泊或河流中游泳，即使他们以前从未见过这些水域。他们只需要额外的帮助来学习海洋的“文化”（语义），但游泳（物理）本身是自然而然的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。