1. 绪论:物理AI时代的黎明与智能的重新定义
2. 认知心理学视域下的空间智能:生物进化的蓝图
2.1 霍华德·加德纳与多元智能理论的基石
2.1.1 心理表征与非视觉属性
2.1.2 进化意义与工具制造
2.2 空间思维在科学与艺术中的映射
领域 | 认知过程 | 经典案例/应用 | 关联的AI能力 |
分子生物学 | 3D结构拟合与旋转:将二维图像转化为三维模型 | 沃森与克里克通过心理旋转,将罗莎琳德·富兰克林的二维X射线图解析为DNA双螺旋结构 3。 | 蛋白质折叠预测 (AlphaFold)、药物分子生成 |
理论物理 | 思想实验与动态模拟 | 爱因斯坦关于光速追逐的思想实验,依赖于对时空关系的极致想象。 | 物理仿真引擎、科学计算AI |
建筑与工程 | 空间规划与力学预判 | 工程师预判结构受力,建筑师在脑海中漫游未建成的空间。 | 创成式设计 (Generative Design)、数字孪生 |
视觉艺术 | 视觉重构与透视变换 | 画家将三维世界降维至二维画布,同时保留深度感和空间关系。 | 图像生成模型 (Midjourney)、神经渲染 |
3. 生成式AI的物理危机:从Sora到世界模型的辩论
3.1 像素的统计学 vs. 物理的因果律
3.1.1 “随机鹦鹉”的视觉变体
3.2 泛化机制的实证研究:案例基模仿
测试场景 | 描述 | 模型表现 | 结论分析 | ||||||||||||||||||||
匀速运动 (Uniform Motion) | 预测物体在恒定速度下的轨迹 | 优秀:在训练数据覆盖的速度范围内,预测准确。 | 模型能够插值(Interpolate)已知的运动模式。 | ||||||||||||||||||||
分布外速度 (OOD Velocity) | 测试训练集中未出现的极快或极慢速度 | 失败:预测误差显著增加,物体往往会“回归”到训练集中的平均速度。 | 模型未能抽象出 $v=d/t
| ||||||||||||||||||||
碰撞实验 (Collision) | 两个物体碰撞后的反弹角度与速度 | 条件性成功:仅在参数位于训练数据凸包(Convex Hull)内部时准确。 | 模型表现出“基于案例的泛化”(Case-based Generalization),即模仿最相似的训练样本,而非应用物理定律。 | ||||||||||||||||||||
组合泛化 (Combinatorial) | 颜色、形状、速度的新颖组合 | 偏差:模型倾向于优先保证颜色一致性,而牺牲形状或速度的物理准确性。 | 视觉特征(纹理/颜色)在模型权重中优于物理特征(动力学)。 |


