夜雨聆风
300多年前，牛顿被苹果砸到（假的）。他思考了一下，写下了万有引力定律。
100多年前，爱因斯坦在专利局上班。他想了10年，写下了相对论。
70年前，沃森和克里克盯着DNA的X射线照片，画出了双螺旋的结构。
这些人有一个共同点——他们都是人。
所以说，我们都认为，所有的物理定律、化学规律、生物机制，几千年来，都是人类用人类的大脑、人类的直觉、人类的数学想出来的。
直到2026年4月。
美国爱默里大学的物理学家公开了一件事：他们的AI，自己发现了一条人类此前从来不知道的物理定律。
不是分析已有的数据。不是套用已有的公式。是真的找到了一条以前没人写出来过的、关于这个世界如何运作的全新规则。
这件事，可能正在重新定义"科学发现"是什么意思。
他们让AI看了什么？
要理解这件事，得先理解一个奇怪的东西：等离子体。
你在学校学过物质有三态：固态、液态、气态。
但宇宙里其实有第四态——等离子体。
把气体加热到极高温度，气体里的电子会被剥离出原子核，自由地飞来飞去，整个气体变成由带电粒子组成的"汤"。这就是等离子体。
它听起来很陌生，但其实它无处不在——整个可观测宇宙的99.9%物质，都是等离子体。太阳是等离子体。星际介质是等离子体。闪电是等离子体。极光是等离子体。月球表面那层悬浮的尘埃，是等离子体。
这次研究关注的，是一种特别的等离子体，叫"尘埃等离子体"——里面有带电粒子，还掺杂着一些带电的小灰尘颗粒。
这种东西在土星环里有，在地球的电离层里有，在森林大火的烟雾里也有。宇航员在月球上走路，宇航服上沾的那些"鬼鬼祟祟"飘上来的灰尘，就是尘埃等离子体在搞鬼。
科学家想了几十年，搞不清楚这些带电的小颗粒之间，到底是怎么相互作用的。
这就是AI登场的舞台。他们怎么让AI看清楚？
爱默里大学的物理学家做了两件事。
第一件事：用激光和高速相机，拍下了灰尘颗粒在等离子体里的3D舞蹈。
他们造了一个真空容器，里面充满等离子体，往里悬浮一些带电的塑料小颗粒。然后用一束激光在容器里"扫描"，配合一台高速相机，把这些小颗粒每一刻在哪里、朝哪个方向动，全部记录下来。
最后他们得到的，是一支由几十个带电粒子组成的"3D芭蕾舞团"的完整录像。
第二件事：设计了一个特殊的神经网络，让它看这些录像。
这里有个关键。
今天大部分AI（比如ChatGPT）的训练，需要海量的数据。但这种物理实验的数据是有限的——你只有几十个粒子的运动轨迹，远远不够喂给一个普通的大模型。
所以研究团队花了一年多的时间，每周开会讨论，最后设计出了一个"小而精"的神经网络。
它不是黑箱。研究者说："我们清楚地知道它是怎么工作的、为什么这么工作。"
他们把这个AI放到那些3D录像前，让它自己去发现：这些粒子之间，到底遵循什么规则？
AI看到的东西，让物理学家自己都吃惊。
它发现了一种叫做"非互惠力"（non-reciprocal force）的现象。
这是什么意思？
我们日常理解的"力"，是相互的。你推墙一下，墙也用同样大小的力推你一下——这是牛顿第三定律。
但在尘埃等离子体里，AI发现：
前面的粒子A在"吸引"后面的粒子B。
但后面的粒子B在"排斥"前面的粒子A。
A吸B，B却推A。
这就像两条船在湖面上前后航行。前面那条船拖出的水波，会以一种方式影响后面的船；后面的船产生的水波，又以完全不同的方式影响前面的船。
牛顿第三定律在日常世界里完美成立，但在这种复杂的多粒子系统里，会出现这种"不对称"的力。
过去有一些理论家猜测过这种力的存在，但从来没有人能精确测量和描述它。
AI做到了——而且精度超过99%。
更让人意外的是，AI还推翻了两条"教科书级"的旧假设：
1. 旧理论说：粒子带的电量和它的大小成正比。AI发现：错的。大小是有影响，但还要看等离子体的密度、温度等好几个因素。
2. 旧理论说：粒子之间的力，随距离呈指数衰减，跟粒子大小无关。AI发现：错的。粒子大小确实影响力的衰减速度。
研究团队后来用额外的实验验证了AI的发现。
结果是：AI赢了。
你可能会说：尘埃等离子体的"非互惠力"，关我什么事？
意义不在于这个具体的发现，而在于AI第一次真的"发现"了一条新的物理定律。
物理学教授伊利亚·涅门曼说了一句话，很值得重复："虽然大家都在说AI正在革命科学，但实际上很少有例子能证明AI真的发现了什么全新的东西。"
过去AI在科学里干的活，大部分是：
分析海量数据
预测可能的结果
加速已知方法的计算
这些都是辅助。AI在帮人类干活，但发现规律的还是人。
这次不一样。AI是真的自己找到了一条规律，而且这条规律此前没有人完整地描述过。
爱默里物理学教授贾斯汀·伯顿说："我们证明了我们可以用AI来发现新物理。我们的AI方法不是黑箱：我们理解它是怎么工作的、为什么这么工作。它提供的框架是通用的。它可以被用到其他多体系统里，开辟新的发现路径。"
注意"通用"这个词。
研究团队说，这套AI方法可以被用到很多领域。
工业材料——油漆、墨水、各种悬浮液体，里面充满了相互作用的小颗粒，行为很难用传统方法精确描述。
生命系统——细胞之间也会相互作用。理论物理学家涅门曼对癌症特别感兴趣：他想知道，肿瘤里的细胞是怎么"决定"脱离原位、转移到身体其他地方的？这是癌症最危险的环节，背后也是一群粒子在相互作用。
如果这套AI方法能从尘埃等离子体扩展到细胞群体，它可能帮人类破解癌症转移的机制。
涅门曼很快会去德国的康斯坦茨"集群行为学校"教书。那里的科学家研究的对象包括鸟群、鱼群和人群的集体行为。
他说："我会教世界各地的学生，怎么用AI去推断集体运动的物理规律——不只在尘埃等离子体里，而是在活的系统里。"
从粒子到细胞，从鸟群到人群——同一套AI方法，可能会被用来理解所有"很多东西在一起互相影响"的复杂系统。
最后一件事：AI仍然需要人
读到这里你可能在想：科学家是不是快被AI取代了？
答案是没有！至少现在远远没有。
研究团队反复强调一件事：这套AI不是"按一个按钮就出答案"的魔法盒子。
它花了团队一年多的时间来设计。每周开会，反复调整网络结构，让它既能遵循物理规则，又能去探索未知。
物理学教授伯顿说："发展和使用AI工具，需要批判性思维，才能真的推动科学、技术和社会的进步。"
换句话说：AI找到了那条新定律，但让AI能找到那条定律的，是一群一年到头每周开会的物理学家。
工具变了，但科学家这个职业没有消失，它只是升级了——从"自己想"，变成"教会一个学生（AI）替自己想，但还得自己来判断它想得对不对"。