他們稱其為人工智能-不是因為智能某種程度上是假的。這是真正的情報，但仍然是人類制造的。這意味著AI(一種可以為研究人員的工作增加速度，效率，洞察力和準(zhǔn)確性的電動工具)存在許多局限性。

它僅與給出的方法和數(shù)據(jù)一樣好。它本身不知道信息是否丟失，提供不同種類信息的權(quán)重或它所使用的數(shù)據(jù)是否正確或損壞。它不能精確地處理不確定性或隨機(jī)事件，除非它學(xué)會了如何。像機(jī)器學(xué)習(xí)模型通常那樣，它完全依靠數(shù)據(jù)，它沒有利用專家們多年來積累的知識以及支持物理和化學(xué)現(xiàn)象的物理模型。很難教計算機(jī)組織和整合來自廣泛不同來源的信息。

現(xiàn)在，特拉華大學(xué)和麻省大學(xué)的研究人員已經(jīng)發(fā)布了一種新的人工智能方法的詳細(xì)信息，該方法將不確定性，錯誤，物理定律，專家知識和缺失的數(shù)據(jù)構(gòu)建到計算中，并最終建立了更加可信的模型。新方法提供了AI模型通常缺乏的保證，顯示了該模型對于實現(xiàn)所需結(jié)果的價值(或沒有價值)。

UD化學(xué)與生物分子工程系的博士生Joshua Lansford和UD能源創(chuàng)新催化中心主任Dion Vlachos教授是10月14日發(fā)表在《科學(xué)進(jìn)展》雜志上的論文的共同作者。麻薩諸塞州阿默斯特大學(xué)數(shù)學(xué)與統(tǒng)計系的Jinchao Feng和Markos Katsoulakis也做出了貢獻(xiàn)。

新的數(shù)學(xué)框架可以為許多研究領(lǐng)域中使用的計算機(jī)模型帶來更高的效率，精度和創(chuàng)新性。這樣的模型提供了強(qiáng)大的方式來分析數(shù)據(jù)，研究材料和復(fù)雜的交互作用，并以虛擬方式而不是在實驗室中調(diào)整變量。

Lansford說：“傳統(tǒng)上，在物理建模中，我們首先僅使用我們的物理直覺和有關(guān)系統(tǒng)的專業(yè)知識來構(gòu)建模型。” “然后，由于基礎(chǔ)變量存在誤差，我們通常通過蠻力方法來對預(yù)測中的不確定性進(jìn)行測量，然后在其中進(jìn)行采樣，然后運(yùn)行模型并查看會發(fā)生什么。”