AI能否通过爱因斯坦测试？GPT-1900复现光量子引热议

如果把大语言模型送回1911年，仅向其提供爱因斯坦当年所能接触到的物理学知识，它能否在四年后自主提出广义相对论？

这项思想实验最初由诺贝尔奖得主、Google DeepMind联合创始人戴密斯·哈萨比斯（Demis Hassabis）提出。哈萨比斯希望验证的是：AI能否在面对未解物理难题时，突破训练材料的局限，自主构建出一套颠覆性的全新解释框架，而非仅仅检索或复读已有知识。如果模型能够做到这一点，将成为检验通用人工智能（AGI）的关键基准。

由于真实的科学史已经给出了确定答案，只要严格把控历史知识截断点，研究人员就能以历史为对照，检验模型是否真正具备超脱语料的推演能力。《Nature》杂志在专题报道中将这类构想称为「爱因斯坦测试」。

构建1900年的历史语言模型

独立研究者迈克尔·赫拉（Michael Hla）启动了一项名为 Machina Mirabilis 的实验，致敬爱因斯坦发表四篇开创性论文的1905年「奇迹年」。赫拉试图探究，拥有1900年前人类知识储备的AI，能否重新独立推导出现代物理学。

赫拉从零训练了一个33亿参数的Transformer语言模型「GPT-1900」。该模型的预训练语料涵盖1900年以前的书籍和报纸（约220亿Token），以及2600多部古典物理学著作（约2.9亿Token），包含牛顿、麦克斯韦和法拉第等人的原著。

为了防止现代答案泄漏，赫拉执行了严格的过滤机制：凡是包含「爱因斯坦」「相对论」「量子力学」等后世术语或现代编者注释的文本，均被整篇剔除。

闪现的「光量子」假说与实验局限

在光电效应测试中，赫拉向模型输入了经典物理学难以解释的异常现象：光的频率低于阈值时，无论多亮都无法激发电荷；超过阈值后，增加光强仅提升电子数量，提升频率才会增加电子能量。

面对这一矛盾，GPT-1900输出了一段引人注目的论述：「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。」这一描述在直觉层面上高度契合爱因斯坦当年的光量子假说。

但赫拉直言，这并不意味着模型重新发现了光量子理论：

首先，模型在绝大多数物理推理任务上均以失败告终，所谓的理论火花更多是基于统计概率的合理词句拼接，并未建立起自洽的物理模型；

其次，人类研究者在提示词中已经提炼好了核心矛盾和实验参数，模型只是在现成框架下进行归因筛选，而爱因斯坦当年并没有人帮他划定问题重点；

更关键的是，实验未能做到绝对的物理隔离。在生成指令问答与强化学习评分阶段，赫拉引入了现代模型 Claude。现代模型的介入破坏了「零污染」的前提假设，难以完全排除后验知识隐性渗透的可能。

科学发现的关键：AI缺乏「溯因飞跃」

复现已知结论是否等同于具备科学发现能力？学界普遍给出了否定答案。

Google DeepMind研究员汤姆·扎哈维（Tom Zahavy）在关于大语言模型推理能力的论文中指出，科学推理包含三个层级：从样本归纳规律、从前提出发展开演绎，以及面对反常现象时提出全新解释的「溯因推理」。当前模型已经掌握了归纳并正在提升演绎，但在需要打破既有范式的溯因推理上，依然难以实现质的飞跃。

麻省理工学院（MIT）计算机科学家雅各布·安德烈亚斯（Jacob Andreas）指出，对AI而言，拼凑出一套相对论式的假设表述并非最难的部分，真正的核心难点在于判断哪一种假说值得被实验检验。

真实的科学研究从来不是解开一道边界清晰的练习题，而是学会在海量假说中评估其科学价值，并投入时间与资源进行长期验证。在AI能够自主发现真正值得追问的问题之前，它依然只是强大的知识整理工具，无法成为真正的科学探索者。