AI在数学领域已经强到让一些学者担心“证明洪水”会淹没同行，但在物理学上，它的存在感一直很弱。耶鲁大学的John Sous认为，这种弱，可能是一场误会——问题不在模型，在考卷。
此前有六套专门用来测试AI解决高难度物理问题的基准，顶尖模型在这些测试中的得分低到30%。这个数字被反复引用，成了“AI搞不定物理”的证据。Sous和同事在实际使用这些模型时，看到的却是另一幅画面，两边对不上。
他们把基准里的题目逐条核查，发现问题成堆：错误、定义含糊不清的地方比比皆是。修正之后，同一批模型的得分一路涨到94%。Sous的结论很直接——不是AI不行，是测试没有提供必要的信息。
“任何定义清晰的东西，哪怕非常难，我怀疑AI都会做得很好，甚至可以说比最好的专家还好。”Sous说，“我们的数据支持这一点。”
但物理学的麻烦在于，定义清晰只是它的一部分。物理学家Vladimir Arnold说过，数学是物理学中实验成本低廉的那部分。剩下的大量领域并不清晰。真正让AI吃力的是那些全新的、未被绘制的、模糊的前沿地带。
Sous描述了他眼中“有趣的物理”长什么样：我们在自然界观察到某个令人困惑的现象，一种材料，或者一片宇宙，我们不理解它。接下来物理学家的工作是造出一个模型、一个近似、一个模拟，去捕捉并预测这个现象。
“那是一个非常艺术、非常有创造性的过程。”Sous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、验证？目前画面还不清楚。”
数学之所以站在AI进展的最前沿，一个原因是形式化。这项技术把数学想法转成可被逐步检查的计算机代码，过程足够彻底，以至于一个定理如果完整通过检验，就被认为毫无疑问是正确的。它让AI能处理问题，并且知道自己什么时候得到了正确答案。
用形式化来检验物理，已经有一些进展，但和数学相比还处在早期。物理问题往往更杂乱，更难被钉死。
可以确定的是，物理学家已经在用AI了。不只是写代码、做数学，还包括设计和运行实验。同样在耶鲁的Logan Wright正在开一门课，讲如何在物理研究中使用AI，他说教学大纲一直在改，为了追上进展。
Wright给出的关键条件是：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，把所有观测都归约为代码，把所有动作都归约为代码，那么AI确实能帮上大忙。”
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控制激光脉冲，并收集它们产生的效果数据。
“Claude现在基本能说‘我认为这个激光脉冲会产生这个输出’。”Wright说，“然后它能去验证。”
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，在离开实验室时把突然想到的点子提出来，回来就能拿到结果。
“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，“我认为物理学的下一个前沿之一，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看不懂的实验，让人类把它造出来，然后产生令人兴奋的新结果。但他同时提醒，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，这算不算科学。
热门跟贴