#AI
Anima 论物理世界无基础模型
Caltech 教授、Accelerated Understanding 联合创始人 Anima Anandkumar 在 Latent.Space 访谈中提出一个直白论断:**语言有基础模型,物理还没有**。
她指出物理系统(天气、聚变、流体)规模大、混沌且多尺度,开源数据往往只有几万到几十万条样本,远不够 token 驱动的 transformer 使用;而物理要求的空间分辨率会把上下文长度推到上千亿甚至万亿级别,靠堆数据这条路走不通。
💡 为什么值得看物理 AI 难靠堆数据,需注入结构先验。
查证
来源档案
Latent.Space
AI 行业播客/博客,由从业者主持,邀请学者与工程师做深度技术访谈
对研究者本人观点的忠实转述可信度高,但属单源访谈、无第二独立印证;具体数字(百万倍加速、万亿 context)来自受访者自述,尚未经论文或实验报告交叉验证
延伸阅读
访谈对 Neural Operators 的数学框架(每层本身是一个函数、球谐基)有展开,适合想理解「物理先验如何编码进网络」的技术读者
Anima 对 scaling law 在物理领域的失效有明确论证,对做科学 ML 的从业者是有用的方向判断