DeepMind 论文：LLM 能推导相对论，但无法凭空「发明」它
rohanpaul_ai · x · 2026-08-13
Google DeepMind 的一篇立场论文探讨了大语言模型在科学发现中的局限性，指出LLM 能够推导已知理论，但难以做出从经验到新解释前提的「溯因跳跃」。
论文核心观点：
- 科学发现的三个阶段：将发现拆解为归纳（从观察提取规则）、演绎（从公理推导结果）和溯因（从经验跳向新解释前提）。LLM 擅长前两者，但缺乏溯因能力。
- 爱因斯坦案例：以广义相对论为例，当时牛顿引力理论与观测数据高度吻合（误差仅 10⁻⁹），水星近日点异常也被用假设行星掩盖。如果仅靠数据压缩和拟合，系统几乎没有梯度去重建时空。
- 理论突破的动机：爱因斯坦提出相对论并非单纯为了拟合大量观测数据，而是源于概念冲突和思想实验。
- 未来方向：论文建议开发动作可控的世界模型，让智能体在物理一致的模拟中进行干预，从而将模拟经验转化为候选公理。
「漫话AGI」频道最新
- Anthropic 研究：多智能体同质化易引发系统性崩溃 — rohanpaul_ai · 2026-08-13
- 开发者吐槽：AI 既没消灭劳动也没拯救环境 — threepointone · 2026-08-13
- DeepMind CEO：当前 AI 无法凭空创造新知，还算不上真正的 AGI — TansuYegen · 2026-08-13
- 别做空史上最大 AI 资本开支周期：需求激增且基本面强劲 — firstadopter · 2026-08-13
- 安全专家警示：AI 智能体加剧意外与故意网络伤害风险 — S_OhEigeartaigh · 2026-08-13
- Anthropic内部模型破解668阶矩阵，AI正拉大研究差距 — Luuigi · 2026-08-13