Vinster:
- Att kunna urskilja var artificiell intelligens sparar tid i fysikens arbetsflöde (beräkning, simulering, analys, härledning) och var enhets-, ordnings- och noggrannhetsbeslut överlåts till människan, beroende på risknivån.
- Förmåga att tillämpa en disciplin som styr varje utdata genom att definiera dess enhet, säkerställa dess nivå och verifiera den med ett oberoende verktyg.
- Att förstå varför enhets-/orderfel, påhittade konstanter och falska referenser är risker som måste beaktas i detta yrke redan från början.
Fysik är konsten att beskriva naturen med siffror och ekvationer; Men den här konstens grymmaste regel är denna: ett enhetsfel, ett teckenfel eller en ordningsförskjutning (ett resultat som är 10, 100 eller 1000 gånger större/mindre) ogiltigförklarar hela resultatet. Att använda centimeter i stället för meter i en beräkning kan få en satellit att missa sin omloppsbana; felstavning av en exponent räcker för att motbevisa bäringsberäkningen av en brygga. Det är därför det kräver disciplin att använda artificiell intelligens (AI) i fysik. I den här enheten får du lära dig var de verktyg vi kallar stor språkmodell (LLM – en typ av artificiell intelligens som producerar text statistiskt, med logiken för "näst mest sannolika ord") faktiskt sparar tid i fysiskt arbete, var de är farliga, och hur man verifierar varje utdata.
För det första, ett kritiskt koncept: hallucination är när AI producerar information som faktiskt inte är sann, med fullt självförtroende, som om det vore sant. I fysik är detta; Det kommer i form av ett påhittat konstant värde, namnet på en icke-existerande ekvation, en felaktig enhet eller en referens till en icke-existerande artikel. Den kritiska punkten är denna: LLM är inte en miniräknare eller en fysikmotor. Det är en textgenerator som statistiskt imiterar texterna den ser i träningsdatan. Han producerar korrekt fysik för det mesta eftersom han har sett många korrekta fysiktexter; men skillnaden mellan "sant mest hela tiden" och "sant hela tiden" är allt inom fysiken.
Var fungerar artificiell intelligens i fysiken och var fungerar den inte?
Se AI som ett snabbt utkast, idé och kodningspartner: värdefullt men viktigt för validering. Följande distinktion är ryggraden i denna modul.
Quest
Bidrag av AI
Fysikerns ansvar
numerisk beräkning
Skriver Python/NumPy-kod
Kör koden och bekräfta resultatet med enheten
simulering
Etablerar ett ramverk för differentialekvationslösning
Verifiera genom fysiska bevarandelagar
Experimentell dataanalys
Kurvanpassningskod föreslår statistik
Bekräftelse av modellens överensstämmelse med fysik
Modell/formel härledning
Ger härledningskontur och mellansteg
Kontrollera varje steg och gränsvillkor
visualisering
Genererar grafikkod
Se noggrannheten för axel, enhet och skala
Litteratur/skrivande
Gör sammanfattningar, utkast, språkkorrigeringar
Bekräftar varje referens och fakta vid källan
Tumregel: Använd AI för att navigera, koda och redigera kontot, inte själva kontot; Verifiera alltid det numeriska resultatet med ett deterministiskt verktyg (exekverad Python-kod, dimensionsanalys, manuell kontroll). "Deterministisk" betyder här "ger alltid samma och exakta resultat till samma input"; En exekverad NumPy-kod är så här, det är inte en siffra som LLM ger från toppen av huvudet.
Tre dödliga fällor av AI i fysik
1. Enhets- och beställningsfel. AI kan tyst växla mellan joule och elektronvolt, kelvin och celsius, radianer och grader. Resultatet ser numeriskt "rimligt" ut men är fysiskt fel.
2. Sammanställda konstanter och ekvationer. AI kan "fylla i" en materialkonstant eller en tvärsnittsarea som den inte kommer ihåg med ett nummer som verkar rimligt. Det kan ge namn åt en lag som inte finns.
3. Falska tillskrivningar. AI kan producera en helt påhittad artikel i en riktig tidning, med verkligt klingande författarnamn. Vi kommer att gå in på detta på djupet i del 9.
Tips: Närma dig varje numerisk AI-utgång med tre frågor: (1) Vad är dess enhet? (2) Är ordern (till styrkan av 10) fysiskt rimlig? (3) Hur kontrollerar jag detta oberoende? Dessa tre frågor fångar de allra flesta fysikfel i sin linda.
Steg för steg: säkert AI-arbetsflöde i fysik
1. Definiera problemet med dess enheter. Istället för "Hitta ett föremåls hastighet", "Om ett föremål med en massa på 2 kg accelererar i 3 s med en konstant kraft på 5 N, vad är dess sluthastighet i m/s?" säga. Skriv tydligt vad som ges och önskad enhet.
2. Begär steg-för-steg lösning och enhetsspårning. Be AI:n att visa hur enheten flyttas vid varje mellansteg. Enheter är det mest kraftfulla verktyget för att fånga upp fel.
3. Verifiera genom att köra koden. Bekräfta det symboliska eller numeriska resultatet med en körbar Python-kod. Detta är den centrala principen för denna modul.
4. Gör en fysisk motkontroll. Sparas energi? Ger resultatet det förväntade beteendet i gränsfallet (när massan går till noll och hastigheten är mycket liten)? Håller dimensionsanalysen?
5. Bekräfta konstanter och referenser. Ljushastighet, Plancks konstanta, densitet av ett material – verifiera allt från en pålitlig referens (CODATA, lärobok, datablad).
tre minifodral
Fall 1 — Enhetsfälla. En ingenjörsstudent frågade AI om energin hos en foton och fick svaret E = 3,2 × 10⁻¹⁹ J (rätt). Men i nästa steg skrev AI ner det som "ca 2 eV". Eleven kontrollerade J-omvandlingen av 1 eV = 1,602 × 10⁻¹⁹: det korrekta resultatet var ungefär 2 eV, konsekvent. Men i en annan fråga skrev YZ 3,2 × 10⁻¹⁹ J som "3,2 eV"; När eleven gjorde omvandlingen manuellt såg han att det borde vara 2 eV och fångade felet. Tidsförlust: 3 minuter.
Fall 2 — Beslag fast. En lärare frågade AI om viskositeten hos vatten vid en viss temperatur. YZ gav en siffra som verkade rimlig men citerade inte källan. När läraren jämförde värdet med en ingenjörshandbok fann han att talet som gavs av AI var ungefär dubbelt så mycket som det faktiska värdet. Utan verifiering skulle en laboratorieberäkning visa sig vara helt fel.
Fall 3 — Bekräftelse erhållen. En forskare bad AI om en Python-kod som numeriskt löser rörelseekvationen för en pendel. Koden fungerade, men energin ökade stadigt med tiden - fysiskt omöjligt. Forskaren insåg att detta berodde på felet i den numeriska metoden (enkelt Euler-steg), bad AI om en metod som bibehöll energibesparing (t.ex. mindre steg eller en mer stabil lösare) och fixade det på 10 minuter. Om det inte vore för energisparkontrollen skulle det felaktiga resultatet anses vara korrekt.
Fyra kopierbara mallar
1) Verifierbar lösning med enhetsspårning:
Din roll: fysikassistent. Lös följande problem STEG FÖR STEG: [problem]. Skriv alla givna uppgifter och önskat resultat i SI-enheter. Visa hur enheten flyttas vid varje steg. Bekräfta resultatet med en körbar Python-kod (NumPy). Utvärdera slutligen i en mening om ordningen är fysiskt rimlig.
2) Fast/databekräftelse:
Skriv värdet på [fysisk konstant eller materiell egenskap] och dess SI-enhet. Ange källan (t.ex. CODATA, manual). Om du inte vet det exakta värdet, säg "verifiera det här värdet från en referens" och PASSAR INTE. Ange även din osäkerhet (om någon).
3) Kontrollera min egen lösning/kod:
Nedan är min lösning/kod. Kontrollera varje steg och dess enhet. Om det finns ett FEL, visa i vilket steg och varför; Om det är sant, säg "sant". Kontrollera särskilt enhetlighet och ordning. Skriv en ny lösning; Kolla bara min. Min lösning: [här]
4) Begäran om fysisk tillståndskontroll:
Ge 3 oberoende fysiska kontrollsummor (gör inte beräkningen) för följande resultat: dimension/enhetsanalys, gränstillståndsbeteende, bevarandelagskontroll. För varje, skriv i en mening vad jag ska kontrollera i det här resultatet.
Svag prompt / Stark prompt
Svag: "Räkna ut hur länge en boll stannar i luften."
Resultat: Saknade data, otydlig enhet, enradssvar; kan inte verifieras, fel kan inte fångas upp.
Stark: "För en boll som kastas från marken med en vertikal hastighet på 20 m/s, beräkna tiden den stannar i luften STEG FÖR STEG genom att ta g = 9,81 m/s², bortse från luftmotståndet. Visa enheterna vid varje steg. Bekräfta resultatet med en Python-kod och skriv ner vad klockan blir om hastigheten fördubblas som gränsfall."
Resultatet: Reviderbara steg, enhetsspårning, körbar verifiering och fysisk motkontroll.
Vanliga misstag
- Försummar enheten. Att betrakta ett tal utan enheter är det vanligaste och dyraste misstaget inom fysiken. Varje nummer har en enhet.
- Kontrollerar inte rangen. Vad blir resultatet i 10-potensen? En människas massa är 70 kg, inte 70 g eller 70 ton. Rankkontroll tar sekunder, sparar timmar.
- Validerar inte konstanter. En påhittad konstant är den mest lömska hallucinationen eftersom den verkar rimlig.
- Lita på koden utan att köra den. Även om koden som skrivits av AI:n "ser rätt ut", bör den inte anses vara definitiv förrän den körs och resultatet kontrolleras.
- Utför inte fysiska kontroller. Bevaras energi, momentum, laddning? Är gränstillstånden som förväntade? Utan dessa kontroller förblir resultatet ofullständigt.
Varning: Verifiera alltid ett resultat innan du exporterar det till en rapport, en student eller en design. Inom fysiken växer ett felaktigt värde exponentiellt i kedjan av mätning, design och säkerhet. Overifierad AI-utdata är aldrig ett substitut för bekräftelse från en kompetent fysiker.
Sammanfattningsvis
AI är ett kraftfullt ritnings-, kodnings- och redigeringsverktyg inom fysik; men det är inte en miniräknare, fysikmotor eller pålitlig referens. De största riskerna är enhets-/orderfel, påhittade konstanter och falska referenser. Så grunddisciplinen är tydlig: definiera problemet med dess enheter, lös det steg för steg och med enhetsspårning, verifiera genom att köra koden, gör fysisk motkontroll, verifiera konstanter och attributioner. Vi kommer att fördjupa detta valideringstänk i varje enhet under hela denna modul.
Applikationsuppgift
Välj ett fysikproblem med medelsvårighet från ditt område (en kinematik-, energi- eller elfråga). Lös det till AI med den första mallen, enhetsspårning. Verifiera sedan resultatet på ett oberoende sätt (kör Python-kod, dimensionsanalys eller manuellt). Gör minst en orderkontroll och en gränskontroll. Skriv ner dina resultat i 5-6 meningar: var fungerade AI:n, var behövdes validering, fanns det ett enhets-/orderfel?
checklista
- [ ] Jag definierade tydligt problemet med de givna objekten och den önskade enheten.
- [ ] Jag bad AI om steg för steg lösning och enhetsspårning.
- [ ] Jag verifierade resultatet med körbar kod eller manuellt.
- [ ] Jag kontrollerade att rangen är fysiskt rimlig.
- [ ] Jag har gjort minst en fysisk kontroll (konservering, gränstillstånd).
- [ ] Jag har bekräftat konstanterna jag använder från en pålitlig källa.
- [ ] Jag har inte skickat vidare några overifierade resultat.