AI能否跨越时空，实现“爱因斯坦式”的科学革命？

2026-09-23 06:52:42未知作者:徽声在线

1915年，科学巨匠阿尔伯特·爱因斯坦以其革命性的广义相对论，彻底重塑了人类对时空本质与引力作用的理解。跨越一个多世纪的风雨，如今，一场围绕人工智能（AI）的深度探讨，引领我们重温那个充满变革与创新的时代。

今年早些时候，在印度新德里举办的印度人工智能峰会上，谷歌“深度思维”的联合创始人德米斯·哈萨比斯抛出了一个引人深思的设想：若将1911年作为知识的分水岭，仅利用此前的科学积淀来训练大型语言模型（LLM），它能否独立重现广义相对论的辉煌？哈萨比斯视此为检验通用AI潜能的一块试金石。

爱因斯坦曾言，持续提问是智慧的源泉，好奇心自有其存在的价值。图片来源：《自然》杂志官方网站

据英国《自然》杂志最新报道，今年以来，多个科研团队竞相尝试构建“历史AI”或“复古LLM”，将训练数据限定在某一历史节点之前，以探索模型能否重现后来的科学洞见。然而，实验结果揭示，AI距离实现“爱因斯坦式”的科学飞跃，尚有一段不短的路程。

让AI“穿越”回过去，挑战重重

独立AI研究者迈克尔·赫拉精心打造了一个名为“Machina Mirabilis”的语言模型，仅采用1900年前的数据，旨在激发其产生量子力学、狭义相对论及广义相对论的火花。他向模型输入光电效应等当时已观察到的物理现象，并提供了广义相对论思想萌芽的“电梯思想实验”。模型偶尔能给出颇具启发性的回应，如面对光电效应时，它曾提出光可能“分解为众多独立脉冲”的假说，这一观点已隐约触及光量子概念的边缘。

但遗憾的是，这种灵光一现并未持续。多数情况下，模型的表现不尽如人意。它虽能说出看似合理的物理术语，却难以理解其背后的物理逻辑。更多时候，它只是在机械地模仿历史文本，而非真正领悟物理现象间的内在联系。

另一团队则将时间线设定在1930年。独立计算机科学家尼克·莱文及其团队训练了一个仅掌握1930年前知识的模型，试图预测后来的科学突破。然而，实际操作中困难重重。历史资料的日期标注往往不准确，数字化过程中也难免出现错误与混淆。他们发现，这个所谓的“1930年模型”有时竟能正确回答20世纪50年代的问题，这无疑给实验带来了不确定性。

让AI“穿越”回过去，远非易事。即便解决了数据泄露问题，真正的挑战才刚刚开始。

AI缺乏判断“死磕”方向的智慧

今年初，谷歌“深度思维”的研究员汤姆·扎哈维在论文《LLM不会跳跃》中指出，当前LLM尚无法完成爱因斯坦式的推理跨越。科学上的重大进步，往往源于对具体现象的深刻洞察，而非单纯从大量数据中归纳出一般规律。这种从具体到抽象的推理，被称为溯因推理。

科学哲学家托马斯·库恩所言的“范式转变”，往往发生在数据稀缺或异常现象与既有理论不符之时。科学家在面对难以解释的问题时，通常会尝试构建一个“世界模型”，即根据少量数据推断背后的基本规律。

例如，17世纪的天文学家约翰内斯·开普勒通过观测行星运动，总结出了数学规律。牛顿在此基础上，进一步建立了万有引力定律和经典力学体系。关键在于，牛顿并非在做一道根据数据求答案的题目，而是在判断哪些现象值得深入解释，并提出一个前所未有的理论框架。普朗克亦是如此，他发现自己的黑体辐射公式虽能较好吻合实验，但始终不够完美。他没有将其视为误差，而是继续追问，最终提出了能量量子化的革命性概念。

这正是当前AI的短板所在。模型依赖海量数据中的相关性进行学习，根据已知例子进行训练，再对未知问题给出统计上最可能的答案。在数据充足的情况下，这是一种有效的预测工具。

那么，AI模型能否同样从稀疏数据中推理出普适的世界模型呢？美国麻省理工学院的计算机科学家森迪尔·穆莱纳坦认为目前尚不可行。今年7月，他和同事给一个“轨道力学”AI模型提供了多个遵循牛顿力学的虚拟行星系统，希望它推导出万有引力定律。结果模型确实有所学习，但并未找到真正的规律。它为不同行星系统生成了不同的引力定律，每一套都存在各自的错误。