收益：
- 能够区分人工智能在物理工作流程（计算、模拟、分析、推导）中哪些地方节省了时间，以及哪些单位、顺序和精度决策留给人类，具体取决于风险级别。
- 能够应用一门学科，通过定义其单位、确保其水平并使用独立工具对其进行验证来控制每个输出。
- 了解为什么单位/订单错误、虚构常量和错误参考是该行业从一开始就必须考虑的风险。
物理学是一门用数字和方程描述自然的艺术。但这种艺术最残酷的规则是：单位错误、符号错误或顺序变化（结果放大/缩小 10、100 或 1000 倍）会使整个结果无效。在计算中使用厘米而不是米可能会导致卫星偏离轨道；拼写错误一个指数就足以证明桥梁的承载计算是错误的。这就是为什么在物理学中使用人工智能 (AI) 需要遵守纪律。在本单元中，您将了解我们所说的大型语言模型（LLM - 一种以统计方式生成文本的人工智能，具有“下一个最可能的单词”的逻辑）的工具在哪些方面实际上可以节省体力工作的时间，它们在哪些方面是危险的，以及如何验证每个输出。
首先，一个关键概念：幻觉是指人工智能充满信心地产生实际上并不真实的信息，就好像它是真实的一样。在物理学中，这是；它以虚构的常数值、不存在的方程的名称、不正确的单位或对不存在的文章的引用的形式出现。关键点是：LLM 不是计算器或物理引擎。它是一个文本生成器，可以统计地模仿它在训练数据中看到的文本。他大部分时间都能写出正确的物理学，因为他看过很多正确的物理学文本；但“大多数时候为真”和“始终为真”之间的区别是物理学中的一切。
人工智能在物理学中哪些地方起作用，哪些地方不起作用？
将人工智能视为快速草稿、想法和编码合作伙伴：有价值但对于验证至关重要。以下区别是该模块的支柱。
任务
人工智能的贡献
物理学家的责任
数值计算
编写 Python/NumPy 代码
运行代码并与单位确认结果
模拟
建立微分方程求解框架
通过物理守恒定律验证
实验数据分析
曲线拟合代码建议统计
确认模型符合物理原理
模型/公式推导
提供推导大纲和中间步骤
检查每一步和边界条件
可视化
生成图形代码
查看轴、单位和刻度的精度
文学/写作
进行摘要、草稿、语言更正
从源头上确认每一个参考资料和事实
经验法则：使用人工智能来导航、编码和编辑帐户，而不是帐户本身；始终使用确定性工具（执行的 Python 代码、维度分析、手动检查）验证数值结果。这里的“确定性”意味着“对于相同的输入总是给出相同且精确的结果”；执行的NumPy代码是这样的，它不是LLM脑中给出的数字。
人工智能在物理学中的三个致命陷阱
1. 单位和顺序错误。人工智能可以在焦耳和电子伏特、开尔文和摄氏度、弧度和度之间悄然切换。结果在数字上看起来“合理”，但在物理上是错误的。
2. 虚构常数和方程。人工智能可以用看似合理的数字“填充”它不记得的材料常数或横截面积。它可以为不存在的法律命名。
3. 虚假归因。人工智能可以在真实的杂志上生成一篇完全虚构的文章，并带有真实的作者姓名。我们将在第 9 单元中深入讨论这一点。
提示：用三个问题来处理每个人工智能输出：（1）它的单位是什么？ (2) 这个顺序（10 次方）物理上合理吗？ (3) 我如何独立检查这一点？这三个问题将绝大多数物理错误消灭在萌芽状态。
循序渐进：物理领域的安全人工智能工作流程
1. 定义问题及其单位。不是“求一个物体的速度”，而是“如果一个质量为 2 kg 的物体以 5 N 的恒定力加速 3 秒，那么它的最终速度是多少（m/s）？”说。清楚地写出给出的内容和所需的单位。
2. 请求分步解决方案和单位跟踪。要求 AI 显示该单元在每个中间步骤是如何移动的。单位是捕获错误的最强大工具。
3. 通过运行代码进行验证。使用可执行的 Python 代码确认符号或数字结果。这是该模块的核心原则。
4. 进行实物核对。能量守恒吗？结果是否给出了极限情况下的预期行为（当质量变为零并且速度非常小时）？量纲分析成立吗？
5. 确认常数和引用。光速、普朗克常数、材料密度——从可靠的参考资料（CODATA、教科书、数据表）中验证这一切。
三个迷你箱子
案例 1 — 单位陷阱。一名工科学生向 AI 询问光子的能量，得到的答案是 E = 3.2 × 10⁻1⁹ J（正确）。但下一步，AI 将其写为“约 2 eV”。学生检查了1 eV=1.602×10⁻1⁹的J换算：正确结果约为2 eV，一致。但在另一题中，YZ 将 3.2 × 10⁻1⁹ J 写为“3.2 eV”；当学生手动进行转换时，他发现应该是 2 eV，并发现了错误。损失时间：3分钟。
案例 2 — 配件固定。有老师问AI水在一定温度下的粘度。 YZ给出了一个看似合理的数字，但没有引用来源。当老师将该值与工程手册进行比较时，发现AI给出的数字大约是实际值的两倍。如果没有验证，实验室的计算结果将是完全错误的。
案例 3 — 获得确认。一位研究人员向 AI 请求一段 Python 代码，该代码可以对钟摆的运动方程进行数值求解。该代码有效，但能量随着时间的推移稳步增加——这在物理上是不可能的。研究人员意识到这是由于数值方法（简单的欧拉步骤）的错误，向人工智能询问了一种保持能量守恒的方法（例如更小的步长或更稳定的求解器）并在 10 分钟内修复了它。如果没有进行能量守恒检验，错误的结果将被认为是正确的。
四个可复制模板
1) 具有单位跟踪功能的可验证解决方案：
你的角色：物理助理。逐步解决以下问题：[问题]。以 SI 单位写出所有给定值和所需结果。显示单位如何在每一步移动。使用可执行 Python (NumPy) 代码确认结果。最后，用一个句子评估该顺序在物理上是否合理。
2）固定/数据确认：
写出[物理常数或材料特性]的值及其SI单位。引用来源（例如 CODATA、手册）。如果您不知道确切的值，请说“从参考中验证该值”并且不适合。还要说明您的不确定性（如果有）。
3）检查我自己的解决方案/代码：
下面是我的解决方案/代码。检查每个步骤及其单位。如果有错误，请说明错误发生在哪一步以及原因；如果是真的，请说“真的”。特别是检查单元的一致性和顺序。编写新的解决方案；只要检查我的。我的解决方案：[这里]
4) 身体健康检查要求：
为以下结果给出 3 个独立的物理校验和（不进行计算）：量纲/单元分析、边界状态行为、守恒定律检查。对于每一项，用一句话写出我应该在此结果中检查的内容。
弱提示/强提示
弱：“计算球在空中停留的时间。”
结果：数据缺失、单位不明确、单行答案；无法验证，无法发现错误。
Strong：“对于以 20 m/s 的垂直速度从地面抛出的球，通过取 g = 9.81 m/s² 逐步计算它在空中停留的时间，忽略空气阻力。显示每一步的单位。使用 Python 代码确认结果，并写下如果速度在极限情况下加倍的情况下的时间。”
结果：可审核的步骤、单元跟踪、可执行验证和物理反检查。
常见错误
- 忽视了单位。考虑没有单位的数字是物理学中最常见和最昂贵的错误。每个数字都有一个单位。
- 不查等级。 10 次方的结果是多少？人的质量是 70 公斤，而不是 70 克或 70 吨。排名检查只需几秒钟，节省几个小时。
- 不验证常量。虚构的常数是最阴险的幻觉，因为它看起来似乎合理。
- 信任代码而不运行它。即使人工智能编写的代码“看起来正确”，在运行并检查结果之前也不应被认为是确定的。
- 不进行身体检查。能量、动量、电荷守恒吗？边界状态是否符合预期？如果没有这些检查，结果仍然不完整。
注意：在将结果导出到报告、学生或设计之前，请务必验证结果。在物理学中，不正确的值在测量、设计和安全链中呈指数增长。未经验证的人工智能输出永远不能替代有能力的物理学家的确认。
综上所述
AI是物理学中强大的绘图、编码和编辑工具；但它不是计算器、物理引擎或可靠的参考。最大的风险是单位/顺序错误、虚构常数和虚假引用。因此，基本规则很明确：用其单元定义问题，通过单元跟踪逐步解决问题，通过运行代码进行验证，进行物理反检查，验证常量和属性。我们将在本模块的每个单元中加深这种验证思维。
应用任务
从您的领域中选择一个中等难度的物理问题（运动学、能量或电问题）。使用第一个模板（单位跟踪）将其解决为 AI。然后以独立的方式验证结果（运行Python代码、维度分析或手动）。至少进行一项阶次检查和一项边界条件检查。用 5-6 句话写下你的发现：人工智能在哪里工作、哪里需要验证、是否存在单位/顺序错误？
清单
- [ ] 我清楚地定义了给定项目和所需单位的问题。
- [ ] 我向 AI 询问了逐步解决方案和单位跟踪。
- [ ] 我用可执行代码或手动验证了结果。
- [ ] 我检查了排名在物理上是否合理。
- [ ] 我至少进行了一项物理检查（守恒、极限状态）。
- [ ] 我已从可靠来源确认了我使用的常数。
- [ ] 我没有传递任何未经验证的结果。