Nature：AI重生到1900，这一世抢先爱因斯坦提出光量子

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> Nature：AI重生到1900，这一世抢先爱因斯坦提出光量子 henry 2026-09-19 19:36:11 来源： 量子位 文婷 发自 凹非寺 量子位 | 公众号QbitAI 如果把AI送回1911年，只让它掌握爱因斯坦所能了解的知识，AI能否在4年后的1915提出相对论？ 这个听起来有些离谱的测验，来自诺奖得主、Google DeepMind联合创始人 哈萨比斯 。 哈萨比斯真正想考的，是AI能不能仅以1911年的知识水平，直面当时的知识和物理难题，自己提出一套新的解释框架，并完成一套超出训练材料的推理，而不是只会照着答案复读。 如果能做到，他认为这将成为检验AGI的一项有力测试。 而这个设想最巧妙的地方就在于，科学史已经告诉我们发生了什么，只要我们能把知识节点控制好，就有机会对照着历史，观察模型有没有获得超越训练数据的推理能力。 Nature在文章中，还给这类测试起了个相当响亮的名字： 爱因斯坦测试。 更有意思的是，还真有人动手做了。 今年3月，独立研究者Michael Hla把知识截止时间进一步提前到1900年，并从零训练了一个历史语言模型 GPT-1900 ，试图让它重新发现光量子、狭义相对论和广义相对论。 实验中，GPT-1900竟然吐出了一段跟爱因斯坦1905年论文 高度相似 的论述： 光可能不是连续的，而是由许多彼此分离、频率不同的部分组成。 但这场实验最终并没有诞生一个“AI爱因斯坦”。 因为GPT-1900在大多数物理任务上都失败了，其亮眼回答也高度依赖人类整理好的问题和提示，就连那个号称封闭在1900年的知识世界，也没有完全挡住现代AI的影响。 Nature在最新研究中梳理了这些尝试，并指向了一个比“AI有没有答对”更难的问题： AI究竟能不能创造真正的新idea？以及它距离成为一名科学家，还差什么？ 把AI关进1900年，它冒出了“光量子”的影子 220亿token，喂出一个“1900年的大脑” Michael Hla将自己的项目命名为 Machina Mirabilis 。 这个名字借用了爱因斯坦的 “奇迹年” 。 1905年，26岁的爱因斯坦接连发表4篇改变物理学的论文，涉及光量子、布朗运动、狭义相对论和质能关系。 这个爆发式产出的一年，后来被称为“Annus Mirabilis”，即“奇迹年”。 Hla想知道：如果一个AI拥有爱因斯坦当时能够接触到的知识，它能不能也迎来自己的“奇迹时刻”？ 为此，他借助Andrej Karpathy的nanochat训练框架，从零训练了一个 33亿参数 的Transformer语言模型，并将其称为 GPT-1900 。 模型的主要预训练材料来自1900年以前的书籍和报纸， 总计约220亿token 。 为了增强它的研究能力，Hla又收集了2600多部历史物理书籍、期刊和科学著作，包括牛顿的《光学》、麦克斯韦和法拉第的相关著作，形成了约 2.9亿token 的历史物理语料。 此外，Hla还专门清理了可能泄漏答案的数据。 如果一份文献中出现“爱因斯坦”“量子力学”“相对论”等现代概念，整份文献都会被删除。现代人添加的前言、脚注，以及明显不属于1900年前的词汇，同样需要被过滤。 一通操作下来，一个理论上“不知道20世纪物理学”的大脑诞生了。 GPT-1900摸到了光量子的门槛，但这场考试可能早已“漏题” 随后，Hla给GPT-1900出了道 光电效应题，大意是 ： 为什么频率不够高时，光再亮也打不出电子；而提高频率，却能让电子获得更多能量？ 同时Hla还附上了几条关键线索： 光的频率低于某个门槛时，再亮也不行； 超过门槛后，提高亮度主要会增加打出的电子数量，而提高频率才会增加电子的动能； 把当时流行的经典假设也摆了出来，方便模型对照判断哪里出了问题。 这些矛盾，原本最终是靠爱因斯坦的光量子解释破的局： 光的能量是一份一份传递的，每一份的能量与频率有关。 Hla想看看，GPT-1900能想到哪一步？ 功夫不负有心人，GPT-1900真在一次回答里冒出了这样的描述，大意是： 光可能不是连续的，而是由许多彼此分离、频率不同的部分组成。 [图片没有可用地址] 这确实挺神似爱因斯坦“能量一份份传递”的解释，Hla也把它形容为 “直觉的闪现” 。 但千万先别急着把诺贝尔奖递过去。 Hla坦言： GPT-1900距离“重新发现光量子”还有很远。 它在大多数物理任务上都翻车了，而那些看似突破的回答，可能只是模型在拼接合理的词句，谈不上形成了真正可靠的物理理解。 更何况，在整个测试里，Hla已经替它筛好了现象、理好了矛盾，模型要做的，只是找出哪项假设可能出错，并给出解释。 这比科学家自己找问题、定方向，可容易太多了。 爱因斯坦当年可没有人替他划重点。 而且更麻烦的是， 它所在的“1900年”也不是完全密封的 ： Hla虽给这个“1900年的大脑”做了数据清洗，实验过程中却仍借助了现代AI Claude 的帮助——用Claude Sonnet 4、Claude 3 Haiku等模型生成指令问答，强化学习也靠现代模型评分。 这意味着，Hla虽然过滤了其中涉及现代知识的内容，但这座“1900年的房间”也没有完全隔绝现代知识。 实验者自己也在日志中承认： 现代模型的介入，让这场实验的“零污染”人设有点立不住了… 毕竟研究者很难证明，GPT-1900到底有没有偷看过光量子理论。 也就是说，考AI创造力之前，研究者得先证明一件事：它没偷看答案。 只要有一条后世信息漏进训练集，“重新发现”就可能变成一次偷偷摸摸的知识召回。 可就算未来真能造出完全零污染的历史模型，一个更根本的问题依然悬而未决： 仅仅复现了正确答案，就足以让AI被称为科学家吗？ 研究人员给出的答案是否定的。 会冒出新idea之后，AI距离科学家还有多远？ Google DeepMind研究员Tom Zahavy在一篇题为《LLM无法跳跃》的立场论文中，把科学推理分成了三个层次。 第一种是 归纳 ：从大量例子中总结规律。 第二种是 演绎 ：从已有前提出发，推导出必然结论。 第三种则是 溯因 ：面对一个异常现象，发明一个此前不存在的原因或解释。 Zahavy认为，当前的大模型已经非常擅长归纳，也在迅速提高演绎能力，但仍缺少爱因斯坦式的“溯因飞跃”。 模型可以沿着一条已经铺好的逻辑链往下推，却很难从零开始提出一套全新的解释框架。 无独有偶，Sendhil Mullainathan研究一个学习行星轨道的基础模型时，也撞见了同样的现象： 在设定好的行星轨道任务里，模型预测得头头是道；一换新场景，就没法举一反三地运用牛顿力学了。 它更像是给每套数据临时拼出一套规则，还分不清哪些理论真正正确、值得检验，哪些只是碰巧符合眼前的数据。 这就好比一个学生背下了所有历年真题的答案，但却始终没有学会题目背后的底层原理，于是，老师稍微改个数字，他就不会做了。 [图片没有可用地址] MIT计