如果只看那些专门为物理难题设计的测试，AI的成绩单相当难看——六套不同的评测，最差的时候只有30%的得分。这个数字流传开来，几乎坐实了一种印象：AI能写代码、能算数学，但一碰到真正的物理问题就露怯。

打开网易新闻 查看精彩图片

耶鲁大学的John Sous觉得，这个印象可能来得不太公平。他和同事在实际使用这些模型时，看到的成功案例和测试分数对不上。于是他们回过头去，把那些评测题目一道道重新检查了一遍。

结果发现问题不在AI身上。那些题目里藏着一连串错误，还有不少定义含糊、信息缺失的地方。把题目本身修好之后，同一批模型的得分一路升到了94%。Sous的说法很直接：不是AI答不出来，是卷子没把必要的信息给全。

“我认为任何定义清晰的东西，哪怕它非常难，我怀疑AI都会做得很好——可以说比最好的专家还好，”Sous说，“我们的数据支持这一点。”

这句话里藏着一个前提：定义清晰。物理学的麻烦恰恰在于，它并不总是定义清晰。

物理学家Vladimir Arnold说过一句被反复引用的话：数学是物理学中实验成本低廉的那一部分。换句话说，物理里那些能被写成方程、能被严格检验的部分，确实和数学很像，AI在这里如鱼得水。但物理还有另一面——那些新出现的、尚未开垦的、模糊的、处在最前沿的部分。

Sous描述了他眼中真正有意思的物理是什么样子：当我们在自然界观察到某种令人困惑的现象，一块材料、一片宇宙，我们还不理解它，这时候物理学家的工作是造出一个模型、一个近似、一个模拟，去抓住并预测这个现象。

“那是一个非常艺术、非常有创造性的过程，”他说，“AI真的能迈出下一步，完成理论物理学家的全部工作吗？做端到端的研究：定义、创造、探索、检验？目前图景还不清楚。”

数学之所以跑在AI进展的最前面，有一个技术上的原因：形式化。这种方法把一个数学想法翻译成可以被逐条检查的计算机代码，过程足够彻底，以至于一个定理如果能完好无损地通过检验，就被认为正确得无可置疑。它让AI在处理问题时，能知道自己什么时候得到了正确答案。

用形式化来检验物理，也有了一些进展，但和数学比起来还处在早期。物理问题往往更杂乱，更难被钉死。

不过，AI已经在被物理学家使用了。不只是写代码、做数学，甚至包括设计和运行实验。同样在耶鲁大学的Logan Wright正在开一门课，讲如何在物理研究中使用AI，他说课程大纲一直在改，为了追上进展。

Wright认为关键在于：造出输入和输出都能被计算机控制的实验。控制权交出去之后，AI就能拉动相应的操纵杆，去探索问题空间，得到有意义的结果。

“它没有手，没有眼睛，它只通过语言和代码与世界互动，”Wright说，“所以如果我们能建立一个实验，其中所有观察都被还原成代码，所有动作都被还原成代码……那么AI实际上能帮上很大的忙。”

他实验室里正在进行的一个实验，是分析不同形状的激光脉冲如何影响一个铷原子。研究人员用Anthropic的AI Claude来控制激光脉冲，并收集它们产生的效果数据。

“Claude现在基本上能说‘我认为这个激光脉冲会产生这个输出’，”Wright说，“然后它能去检验这一点。”

这类实验可以整夜运行，完成的工作量相当于人类一周的量。人类物理学家甚至可以用手机上的应用，在离开实验室的时候把突然想到的点子提出来，回来时直接看结果。

“并不是整个宇宙都能用这种方式探索。它会局限在非常受限的领域里，”Wright说，“我认为物理学下一个前沿的一部分，就是在这些领域里尽可能多地取得进展。”

Wright还提到一种已经完全可以想象的情形：AI很快会设计出一个人类不理解的实验，让人类把它造出来，然后产生令人兴奋的新结果。但他紧接着补了一句，这句话值得原样保留——“但要说清楚，就像数学里一样，存在一场争论：如果我们得到一个结果，却对它一无所知，那它算不算科学。”

这个问题目前没有答案。它悬在那里，和那个从30%跳到94%的分数一样，提醒着人们：在讨论AI能不能做物理之前，也许得先想清楚，我们到底在拿什么标准考它。