Gevinster:
- At kunne skelne, hvor kunstig intelligens sparer tid i fysikkens arbejdsgang (beregning, simulering, analyse, udledning), og hvor beslutninger om enhed, rækkefølge og nøjagtighed overlades til mennesker, afhængigt af risikoniveauet.
- Evne til at anvende en disciplin, der styrer hvert output ved at definere dets enhed, sikre dets niveau og verificere det med et uafhængigt værktøj.
- Forståelse af, hvorfor enheds-/ordrefejl, opdigtede konstanter og falske referencer er risici, der skal tages i betragtning i dette fag helt fra begyndelsen.
Fysik er kunsten at beskrive naturen med tal og ligninger; Men den grusommeste regel i denne kunst er denne: En enhedsfejl, en tegnfejl eller et skift af orden (et resultat er 10, 100 eller 1000 gange større/mindre) ugyldiggør hele resultatet. Brug af centimeter i stedet for meter i en beregning kan få en satellit til at misse sin bane; stavefejl i en eksponent er nok til at modbevise pejlingsberegningen af en bro. Det er derfor, at brug af kunstig intelligens (AI) i fysik kræver disciplin. I denne enhed lærer du, hvor de værktøjer, vi kalder stor sprogmodel (LLM - en type kunstig intelligens, der producerer tekst statistisk, med logikken i "det næstmest sandsynlige ord") faktisk sparer tid i fysisk arbejde, hvor de er farlige, og hvordan man verificerer hvert output.
For det første et kritisk koncept: hallucination er, når AI producerer information, der faktisk ikke er sand, med fuld tillid, som om den var sand. I fysik er dette; Det kommer i form af en sammensat konstant værdi, navnet på en ikke-eksisterende ligning, en forkert enhed eller en henvisning til en ikke-eksisterende artikel. Det kritiske punkt er dette: LLM er ikke en lommeregner eller en fysikmotor. Det er en tekstgenerator, der statistisk efterligner de tekster, den ser i træningsdataene. Han producerer korrekt fysik det meste af tiden, fordi han har set mange korrekte fysiktekster; men forskellen mellem "sandt det meste af tiden" og "sandt hele tiden" er alt i fysik.
Hvor virker kunstig intelligens i fysik, og hvor virker den ikke?
Tænk på AI som en hurtig udkast, idé og kodningspartner: værdifuld, men afgørende for validering. Den følgende sondring er rygraden i dette modul.
Quest
Bidrag af AI
Fysikerens ansvar
numerisk beregning
Skriver Python/NumPy kode
Kør koden og bekræft resultatet med enheden
simulering
Etablerer en differentialligningsløsningsramme
Bekræft ved fysiske bevarelseslove
Eksperimentel dataanalyse
Kurvetilpasningskode foreslår statistik
Bekræftelse af modellens overensstemmelse med fysik
Model/formel udledning
Giver udledningsoversigt og mellemtrin
Kontrol af hvert trin og grænsebetingelse
visualisering
Genererer grafikkode
Se nøjagtigheden af akse, enhed og skala
Litteratur/skrivning
Foretager resumé, udkast, sprogrettelser
Bekræftelse af enhver reference og kendsgerning ved kilden
Tommelfingerregel: Brug AI til at navigere, kode og redigere kontoen, ikke selve kontoen; Bekræft altid det numeriske resultat med et deterministisk værktøj (udført Python-kode, dimensionsanalyse, manuel kontrol). "Deterministisk" betyder her "giver altid det samme og præcise resultat til det samme input"; En eksekveret NumPy-kode er sådan her, det er ikke et tal, som LLM giver fra toppen af hans hoved.
Tre dødbringende fælder af AI i fysik
1. Enheds- og ordrefejl. AI kan lydløst skifte mellem joule og elektronvolt, kelvin og celsius, radianer og grader. Resultatet ser numerisk "rimeligt" ud, men er fysisk forkert.
2. Opbyggede konstanter og ligninger. AI kan "udfylde" en materialekonstant eller et tværsnitsareal, den ikke husker, med et tal, der virker rimeligt. Det kan give et navn til en lov, der ikke eksisterer.
3. Falske tilskrivninger. AI kan producere en fuldstændig opdigtet artikel i et rigtigt magasin, med virkeligt klingende forfatternavne. Vi vil dække dette i dybden i enhed 9.
Tip: Gå til hver numerisk AI-output med tre spørgsmål: (1) Hvad er dens enhed? (2) Er rækkefølgen (til 10) fysisk rimelig? (3) Hvordan kontrollerer jeg dette uafhængigt? Disse tre spørgsmål fanger langt de fleste fysikfejl i opløbet.
Trin for trin: sikker AI-arbejdsgang i fysik
1. Definer problemet med dets enheder. I stedet for "Find en genstands hastighed", "Hvis en genstand med en masse på 2 kg accelererer i 3 s med en konstant kraft på 5 N, hvad er dens endelige hastighed i m/s?" sige. Skriv tydeligt, hvad der er givet og den ønskede enhed.
2. Anmod om trin-for-trin løsning og enhedssporing. Bed AI om at vise, hvordan enheden flyttes ved hvert mellemtrin. Enheder er det mest kraftfulde værktøj til at fange fejl.
3. Bekræft ved at køre koden. Bekræft det symbolske eller numeriske resultat med en eksekverbar Python-kode. Dette er det centrale princip i dette modul.
4. Lav et fysisk modtjek. Er energi sparet? Giver resultatet den forventede adfærd i grænsetilfældet (når massen går til nul og hastigheden er meget lille)? Holder dimensionsanalysen?
5. Bekræft konstanter og referencer. Lysets hastighed, Plancks konstante, tæthed af et materiale – bekræft det hele fra en pålidelig reference (CODATA, lærebog, datablad).
tre minisager
Tilfælde 1 — Enhedsfælde. En ingeniørstuderende spurgte AI om energien af en foton og fik svaret E = 3,2 × 10⁻¹⁹ J (korrekt). Men i næste trin skrev AI det ned som "omkring 2 eV". Eleven kontrollerede J-konverteringen af 1 eV = 1,602 × 10⁻¹⁹: det korrekte resultat var ca. 2 eV, konsistent. Men i et andet spørgsmål skrev YZ 3,2 × 10⁻¹⁹ J som "3,2 eV"; Da eleven lavede konverteringen manuelt, så han, at det skulle være 2 eV og fangede fejlen. Tabt tid: 3 minutter.
Tilfælde 2 — Fitting fast. En lærer spurgte AI om viskositeten af vand ved en bestemt temperatur. YZ gav et tal, der virkede rimeligt, men citerede ikke kilden. Da læreren sammenlignede værdien med en ingeniørmanual, fandt han ud af, at tallet givet af AI var omkring det dobbelte af den faktiske værdi. Uden verifikation ville en laboratorieberegning vise sig at være helt forkert.
Sag 3 — Bekræftelse opnået. En forsker bad AI om en Python-kode, der numerisk løser bevægelsesligningen for et pendul. Koden virkede, men energien steg støt over tid - fysisk umuligt. Forskeren indså, at dette skyldtes fejlen i den numeriske metode (simpelt Euler-trin), bad AI om en metode, der opretholdt energibesparelse (f.eks. mindre trin eller en mere stabil solver) og fiksede den på 10 minutter. Hvis det ikke var for energisparekontrollen, ville det forkerte resultat blive betragtet som korrekt.
Fire kopierbare skabeloner
1) Verificerbar løsning med enhedssporing:
Din rolle: fysikassistent. Løs følgende problem TRIN FOR TRIN: [problem]. Skriv alle givne og det ønskede resultat i SI-enheder. Vis, hvordan enheden flyttes ved hvert trin. Bekræft resultatet med en eksekverbar Python (NumPy) kode. Vurder til sidst i en sætning, om rækkefølgen er fysisk plausibel.
2) Rettet/databekræftelse:
Skriv værdien af [fysisk konstant eller materiel egenskab] og dens SI-enhed. Angiv kilden (f.eks. CODATA, manual). Hvis du ikke kender den nøjagtige værdi, skal du sige "bekræft denne værdi fra en reference" og PASSER IKKE. Angiv også din usikkerhed (hvis nogen).
3) Tjek min egen løsning/kode:
Nedenfor er min løsning/kode. Kontroller hvert trin og dets enhed. Hvis der er en FEJL, vis i hvilket trin og hvorfor; Hvis det er sandt, så sig "sandt". Kontroller især enhedskonsistens og rækkefølge. Skriv en ny løsning; Tjek lige min. Min løsning: [her]
4) Anmodning om fysisk fornuftskontrol:
Giv 3 uafhængige fysiske kontrolsummer (udfør ikke beregningen) for følgende resultat: dimensions-/enhedsanalyse, grænsetilstandsadfærd, kontrol af fredningslov. For hver, skriv i én sætning, hvad jeg skal tjekke i dette resultat.
Svag prompt / Stærk prompt
Svag: "Beregn, hvor længe en bold bliver i luften."
Resultat: Manglende data, uklar enhed, enkeltlinjesvar; kan ikke verificeres, fejl kan ikke fanges.
Stærk: "For en bold, der kastes fra jorden med en lodret hastighed på 20 m/s, skal du beregne den tid, den forbliver i luften TRIN FOR TRIN ved at tage g = 9,81 m/s², og ignorere luftmodstanden. Vis enhederne for hvert trin. Bekræft resultatet med en Python-kode og skriv ned, hvad klokken bliver, hvis hastigheden fordobles som grænsetilfælde."
Resultatet: Reviderbare trin, enhedssporing, eksekverbar verifikation og fysisk modkontrol.
Almindelige fejl
- Forsømmelse af enheden. At overveje et tal uden enheder er den mest almindelige og dyreste fejl i fysik. Hvert tal har en enhed.
- Tjekker ikke rangen. Hvad er resultatet i 10 potens? Et menneskes masse er 70 kg, ikke 70 g eller 70 tons. Rangkontrol tager sekunder, sparer timer.
- Validerer ikke konstanter. En opdigtet konstant er den mest lumske hallucination, fordi den virker plausibel.
- At stole på koden uden at køre den. Selvom koden skrevet af AI'en "ser rigtig ud", bør den ikke betragtes som endelig, før den er kørt og resultatet er kontrolleret.
- Udfører ikke fysisk kontrol. Er energi, momentum, ladning bevaret? Er grænsetilstandene som forventet? Uden disse kontroller forbliver resultatet ufuldstændigt.
Forsigtig: Bekræft altid et resultat, før du eksporterer det til en rapport, en elev eller et design. I fysik vokser en forkert værdi eksponentielt i kæden af måling, design og sikkerhed. Ubekræftet AI-output er aldrig en erstatning for bekræftelse fra en kompetent fysiker.
Sammenfattende
AI er et kraftfuldt tegne-, kodnings- og redigeringsværktøj inden for fysik; men det er ikke en lommeregner, fysikmotor eller pålidelig reference. De største risici er enheds-/ordrefejl, sammensatte konstanter og falske referencer. Så den grundlæggende disciplin er klar: definer problemet med dets enheder, løs det trin for trin og med enhedssporing, bekræft ved at køre koden, lav fysisk modtjek, bekræft konstanter og tilskrivninger. Vi vil uddybe denne valideringstankegang i hver enhed gennem dette modul.
Ansøgningsopgave
Vælg et fysikproblem af mellem sværhedsgrad fra dit felt (et kinematik-, energi- eller elektricitetsspørgsmål). Løs det til AI med den første skabelon, enhedssporing. Bekræft derefter resultatet på en uafhængig måde (ved at køre Python-kode, dimensionsanalyse eller manuelt). Foretag mindst én ordrekontrol og én grænsekontrol. Skriv dine resultater ned i 5-6 sætninger: hvor virkede AI'en, hvor var der behov for validering, var der en enheds-/ordrefejl?
tjekliste
- [ ] Jeg definerede klart problemet med de givne emner og den ønskede enhed.
- [ ] Jeg bad AI om trin for trin løsning og enhedssporing.
- [ ] Jeg bekræftede resultatet med eksekverbar kode eller manuelt.
- [ ] Jeg tjekkede, at rangeringen er fysisk rimelig.
- [ ] Jeg har foretaget mindst én fysisk kontrol (bevaring, grænsetilstand).
- [ ] Jeg har bekræftet de konstanter, jeg bruger, fra en pålidelig kilde.
- [ ] Jeg har ikke videregivet nogen ubekræftede resultater.