“AI考生”何以成为力学“学霸”

在近日落下帷幕的第十五届全国周培源大学生力学竞赛中，一位特殊的“考生”吸引了人们目光。由清华大学航天航空学院团队自主研发的人工智能力学求解系统“GT-Mech”，与来自全国500余所高校的3万余名考生同台竞技，最终成绩达到本届赛事成绩前五名的特等奖水平，展现出不俗解题能力。

据了解，这是全球范围内大型语言模型驱动的AI系统首次以“参赛选手”身份，在同场、同时、同卷的标准下，参与国家级顶级力学赛事。这一突破，不仅展示了AI解决力学问题的潜力，也为未来教育模式变革提供了思路。

力学是工程科学的基石。无论是航空、航天、航海，还是建筑、汽车、机械等专业，都离不开力学理论的支撑。与AI在围棋、蛋白质折叠或部分数学证明等领域的应用相比，解决复杂力学问题为AI带来了截然不同的挑战。

“围棋有清晰的规则和离散的决策空间，而力学问题根植于对物理世界的理解。”清华大学助理教授、“GT-Mech”指导教师程彬分析，它要求AI不仅能处理数学公式，更要能从自然语言描述的复杂场景中，构建出正确的物理模型。这是一种从文字到物理概念的抽象过程。

一道典型的力学题目，融合了自然语言理解、物理情景建模、符号逻辑推演和数值精确计算等多种能力。AI需要像人类学生一样，先“读懂”题意，在“脑中”建立受力分析、运动过程等抽象模型，然后才能选择合适的定理、列出方程并求解。这种“文理兼修”的综合能力是衡量通用人工智能发展水平的关键“试金石”，它要求AI超越以往单一任务处理模式，具备更接近人类整体分析与解决问题的能力。

此外，为克服通用大语言模型知识幻觉、计算错误等问题，“GT-Mech”研发团队为系统量身定制了一套创新技术方案。

“我们主要从三方面入手攻克技术难关。”团队核心成员周懿介绍，首先是构建结构化知识体系。团队为“GT-Mech”构建了专有化的力学知识图谱，将经典教材、题库等海量知识编织成一张结构化语义网络，使AI能像人类专家一样迅速调用相关知识，形成专业可靠的解题框架。

其次是融合逻辑推理和符号计算。团队引入“逻辑推理—符号计算”双核引擎，“GT-Mech”首先用自然语言规划解题思路，再调用内嵌的符号计算引擎完成公式推导和计算。这种模式有效结合了AI的逻辑规划能力与符号计算的准确性，显著降低了求解过程中出现低级错误的概率。

最后是引入检查纠错机制。团队为AI设计了一套精密的检查纠错机制。解答完毕后，系统会启动批判性思考模块，从单位量纲、物理直觉、逻辑严谨性等维度，对解题过程中题设条件理解、知识点选用、公式推导三大关键环节进行自我检查。若发现疑点，便会触发纠错环节，回溯修正。

“AI在如此高挑战度的专业竞赛中胜出，而且优势明显，这促使我们思考，在AI时代力学该怎么教、怎么学、怎么考核？”清华大学行健书院院长李俊峰说。

在业内专家看来，“GT-Mech”的成功，预示着AI将在辅助力学教学、培养学生创新思维、加速科研进程等方面发挥重要作用。未来的力学教育，可能不再是学生单向地从课本中获取知识，而是与AI助教进行互动式、探究式学习，共同挑战更复杂的前沿问题。

免责声明：该文章系本站转载，旨在为读者提供更多信息资讯。所涉内容不构成投资、消费建议，仅供读者参考。