模型能力获得指数级提升，我们离“人工爱因斯坦”还有多远？

近年来，GPT系列这种大型人工智能系统的能力得到了指数级提升，从三年前无法解答高中水平的数学问题，到如今已经能够满分通过斯坦福大学研究生广义相对论课程考试。这些系统已经具备了记忆和整合知识的能力，它们可以调用海量信息，并以惊人的速度解读复杂内容。那么一个有趣的问题是：AI是否可以超越人类极限的高维思考，实现像爱因斯坦那样的智力飞跃？毕竟，AI语言模型基于海量参数，它们操作着一个“亿维空间”。

斯坦福大学理论物理学家、谷歌DeepMind BlueShift项目的创始人和领导者亚当·布朗（Adam Brown）表示，虽然AI拥有惊人的记忆力和知识整合能力，但它们的“推理性创造”与人类尚不可相提并论。爱因斯坦式的突破不仅是建立在已有知识上的插值（interpolation），更涉及对基础假设的质疑，以及对自然规律转变全新视角的能力。举个例子，如果一位平均智商的人类具备完美记忆力，掌握了所有的科学知识，他们是否能做出像爱因斯坦一样的思考？历史告诉我们，答案是未必。

突破往往来源于质疑现有范式，而不是简单的信息堆积。AI目前的设计更多是通过已有数据中“拟合”规律，而非“超脱”规律去发明新的科学领域。此外，许多重要的科学突破并非仅来源于算力和知识量，而是源于感知能力和直觉层面的思维灵感。例如，当人类思考四维宇宙或广义相对论所涉及的高维时，根本不是在真实的高维空间“感知”，而是通过数学符号、图形表示和直觉推导来间接理解问题。而AI，即便操作着亿维的参数空间，也未必能够获得这样的概念性灵感。

假设AI某一天能够从牛顿经典力学出发，推导出类似广义相对论的科学理论，那将标志着人类创造的机器跨越了“科学发现”的最后一个边界。但是，这个假设中仍然有难以逾越的两大难点。首先是理解与再创造，爱因斯坦广义相对论其中的核心价值，在于改变了已有定律的框架，还融合了抽象数学与物理直觉的深度联结。AI是否具备这样的能力，能否理解并重新创造这样的联结，仍然未知。另一个是新范式的产生，历史上许多突破在于采用全新的视角重构认知，例如量子力学中波粒二象性的诠释，这不仅需要技术化的解决能力，更需要突破性的“质问惯性”。AI是否真正有能力打破自己训练中获得的规律范式，也尚未获得证明。

布朗表示，从目前AI发展的速度来看，这样的跨越能力或许能在未来十年之内实现。但仍需明确的是，AI实现类似广义相对论的发明，并不一定意味着其思维本质或洞察能力真正等同于人类。AI的优势在于可以通过海量数据发现人类忽略的模式，而非从无到有地提供原始的新框架。AI更现实的角色并不是“成为爱因斯坦”，而是成为全人类的科研助手。通过大量阅读和系统分析，AI可以发现跨领域的联系，并提出基于已有数据的假设。物理学问题往往有双重本质：从描述到数学表示，然后再到解决。虽然AI在数学解题中表现卓越，但在问题本质的描述与框架建立上仍需依赖人类的主导。

随着AI技术不断进步，“人造爱因斯坦”这一构想从遥不可及逐步变得可以憧憬。但当前阶段，人工智能的长板在于海量计算与数据处理，而人类的强项则在于直觉和创新思维。一旦两者找到最佳协作方式，实现一种“人机共生”的研究生态，或许新的广义相对论就在我们眼前。