Nature 深度文：让 AI 重走爱因斯坦之路，能否独立复现广义相对论
mikeflache · x · 2026-09-20
Philip Ball 在《Nature》发表特稿，探讨一个核心问题：在历史科学数据上训练的语言模型，能否独立做出爱因斯坦级别的原创突破。
- 缘起：Google DeepMind 的 Demis Hassabis 在今年印度 AI 峰会上提议，用一个特定截止日期之前的全部人类知识训练 LLM，测试它能否重新推导出广义相对论——即引力是质量对时空的弯曲。
- 方法：文章提出一种「回溯式基准」，考察 AI 能否从加速的模式识别，跃迁到独立提出等价原理、弯曲时空这样的激进概念。
- 意义：作者认为，科学创造力的本质在于长链条的概念推理，以此为框架可以推动 AI 评测超越「解题跑分」和「数据吞咽」，衡量真正意义上的原创性。
广义相对论支撑着从黑洞、引力波到 GPS 卫星的现代科技，能否被 AI 复现被视为衡量 AI 创造力的重要标尺。
「漫话AGI」频道最新
- 不支持 Agent 支付的商家，转化率可能直接归零 — jeff_weinstein · 2026-09-21
- 温和情景推演:AI 支出仅占 GDP 3%,却支撑八成现代经济 — teortaxesTex · 2026-09-21
- Kevin Roose：「随机鹦鹉」与「营销泡沫」论早在 2023 年就被证伪 — kevinroose · 2026-09-21
- 「我们是会思考的情感机器」：Damasio 观点引发共鸣 — pwlot · 2026-09-21
- 6 万篇 ICLR 投稿会毁掉学术界？圈内人靠声誉而非论文生存 — JundeMorsenWu · 2026-09-21
- 大胆预测:Agent 将发现百万倍廉价训练法,数据中心或成尴尬摆设 — menhguin · 2026-09-21