半人马协作：AI大模型引领科学与数学突破浪潮

「我们的文明已经学会了如何将沙子转化为硅芯片，将硅芯片转化为神经网络，再将神经网络转化为人工智能。在过去的五年里，大型语言模型人工智能的能力从蹒跚学步的幼儿跃升至国际数学奥林匹克金牌得主，如今更超越了这一水平。」

Gemini核心贡献者、Blueshift团队负责人亚当·布朗在圆周理论物理研究所的长篇演讲《训练沙子思考：通用人工智能与物理学的未来》引发广泛关注。这场演讲得到了诺贝尔物理学奖、图灵奖得主杰弗里·辛顿的盛赞，称其「精彩绝伦」。

布朗的履历堪称理论物理学家与AI结合的典型样本：他在牛津大学取得物理与哲学联合学位，随后在哥伦比亚大学获得博士学位，先后在普林斯顿大学和斯坦福大学物理系任教，教授广义相对论，研究方向涵盖大爆炸、宇宙暴胀、黑洞、量子计算等多个前沿领域，同时长期关注物理学与计算机科学的交叉研究。2018年他加入谷歌，如今领导DeepMind旗下的Blueshift团队，专注提升AI的科学与推理能力，同时也是Gemini大模型的核心参与者之一。他在演讲开场提到，自己虽已发表约四十篇理论物理论文，但近年已停下手写论文的工作——不是因为无法完成，而是他认为批量手写论文更像是「罪恶的享受」，当下更重要的事是参与制造能够以工业规模产出知识的机器。

从沙粒到会思考的机器

布朗用一句话概括了人类文明的特殊节点：我们已经学会把沙子提纯成硅，把硅做成芯片，把芯片组装成神经网络，现在又学会了训练这些神经网络去思考。他强调，这和以往的计算工具完全不同：从算盘到袖珍计算器，传统工具都只是单点辅助工具，只能完成流程中的某一步，剩余工作仍需人类完成；但大语言模型（LLM）具备完成理论物理学家全部工作流程的潜力，这正是通用智能的核心含义。布朗判断，LLM很可能就是人类构建通用人工智能的底层基质。他还提到，多数人使用过ChatGPT、Gemini等聊天机器人，但很少有人注意到，这些系统早在数年前就已悄悄通过图灵测试，却几乎没有人为其庆祝。

神经网络是「养成」的，不是「编写」的

为了说明大模型与传统计算机程序的差异，布朗给出核心比喻：LLM不是被编程出来的，而是被培育长大的。整个训练过程分为两个阶段：

• 第一阶段是预训练：工程师从随机连接、近乎乱语的人工神经元出发，让模型不断预测文本中的下一个词，猜对则强化神经通路，猜错则削弱。这个过程极其漫长：当模型仅看过一百万词时，输出基本是胡言乱语；读到几千万到几十亿词时，能写出语法正确但略显生硬的句子；直到读完整个互联网的几十万亿词，才能就几乎任何话题进行流畅连贯的对话。

• 第二阶段是后训练，布朗将其形容为「送进礼仪学校」。刚完成预训练的模型只会机械预测下一个词，说话粗鲁且不服管教，后训练的任务就是让它变得礼貌、愿意配合用户，而非单纯进行文字接龙。如今主流大模型的参数量已从十年前的十亿级跃升至几万亿级，虽远低于人脑约百万亿个突触连接的规模，但已足够催生奇迹。

物理学家带来的变革：Scaling Law点燃革命

布朗特别提到，物理学家在AI革命的起点扮演了意想不到的角色：带来了Scaling Law的幂律思维方式。物理学家天生痴迷于寻找简单的幂律关系：比如将物体身高翻倍，体表面积会变为四倍，体重则变为八倍；近百年前克莱伯发现的动物代谢率与体重的幂律关系，直到多年后才由物理学家用血管系统的分形维度解释清楚原理。

2020年，几位具备物理学背景的研究者将这种思维应用于神经网络，发现只要按比例放大训练算力、数据量和模型规模，模型在「预测下一个词」任务上的表现会在对数-对数坐标系下沿直线稳步提升。这条曲线后续被拓展了整整八个数量级仍保持成立，布朗调侃称其「简单到连风险投资人都能看懂」，可以直接向资本市场传递清晰信号：投入算力就能换来更强的模型。

布朗同时指出，算力堆量只是故事的一部分。过去十年，前沿AI训练的算力消耗每年增长约四倍，训练投入的资金每年增长约2.7倍。目前一次顶级训练所需算力花费约数亿美元，而全球整体经济规模仍有充足的增长空间。比堆算力更关键的，是算法层面的持续打磨：研究者不断优化训练流程中的低效环节，这是过去十年AI进步的真正核心动力。

基准测试的「短命史」：从学前班到博士

如果说Scaling Law解释了AI变强的原因，一连串基准测试的兴衰则记录了AI能力的提升速度。四年前，名为MATH的高中数学基准测试问世：一名不太擅长数学的计算机科学博士生得分约40%，三届国际数学奥林匹克金牌选手得分90%，而当时最先进的大模型仅拿到6%，几乎和瞎猜无异，因为模型甚至无法理解题目问的是什么。

当年的预测市场认为，到2025年模型成绩达到50%已是「狂妄的乐观」，基准测试的创建者甚至公开表示，如果有模型能做到这一点，他会感到「相当震惊」。但结果是，这个50%的目标很快被Minerva系统突破。到2024年年中，布朗团队的系统在该基准上拿到90%的成绩，团队甚至专门举办了九十年代风格的轮滑迪斯科派对庆祝；然而仅仅六个月后，市面上的现成大模型就已经近乎满分解决这套题目，MATH基准就此「死亡」，从「太难」直接跳到「太容易」，中间几乎没有停留。

接下来倒下的是面向研究生的GPQA测试，模拟博士第一年资格考试难度，人类专家平均分约70%。模型从接近随机猜测起步，在2024到2025年间一路突破专家水准，如今几乎拿到满分。为了排除「模型只是背诵答案」的可能，布朗团队专门设计了未在互联网出现的同分布新题，结果模型表现几乎没有下降。布朗甚至拿出自己在斯坦福亲手批改的广义相对论和量子力学研究生期末考试题目，这些题目从未上网，结果模型同样在一年半内拿到满分，他半开玩笑地表示，连自己出的考题都「不幸阵亡」了。此后倒下的基准测试名单越来越长，包括一度被称为「人类的最后考试」的超难度综合测试。

跨过奥数的门槛

就在一年多前，一位图灵奖得主曾当面告诉布朗，大模型永远无法解决国际数学奥林匹克（IMO）级别的题目，因为那需要真正的创造力，而非死记硬背就能蒙混过关。IMO的题目以高中数学范畴内的最难考题著称：全世界最聪明的十几岁少年需要训练一两年才能上场，六道题里拿到金牌已属凤毛麟角。

去年夏天，这道门槛被成功跨越。布朗团队的系统在IMO级别测试中六题对五题，达到金牌水准，而且其解答并非堆砌无人能懂的形式化证明。IMO主席公开评价称，这些解答「在很多方面都令人惊讶」，评卷人认为它们清晰、精确，大多数都易于理解，使用了与人类相似的数学抽象方式。布朗同时也展示了大模型的「翻车现场」：比如经典脑筋急转弯中，当题目反转后，模型会机械套用标准答案，无法察觉题目已经改变，这暴露了模型训练方式留下的特有「癖好」。

人马合作：AI写出数学家愿意联名的证明

跨过IMO门槛十个月后，布朗团队完成了一项他认为意义更重大的工作：真正的、此前无人知晓答案的数学研究。去年九月，布朗团队与几位职业数学家合作，采用他称之为「半人马式」的协作模式——将LLM作为「非人的那一半」，与人类专家深度配合。

整个过程是一场持续的对话：模型提出候选证明思路，人类专家判断哪些有价值、引导模型继续深入，最终在人类指导下完成了一篇完整的数学论文。论文的合作者之一是斯坦福大学教授、美国数学学会现任会长，他评价称，Gemini提出的论证绝非对现有证明的简单重新包装，而是一种他本人也会为之自豪的洞见。布朗强调，这在当时已是大模型在数学领域的最高水准，但他也补充道，距离「最高水准」的真正含金量，这还差得很远。

真正的转折点：AI独立攻克尘封八十年的猜想

进入2026年，情况迎来急转。布朗用近乎挑衅的玩笑开场：「就在上周，LLM还没有做出过真正重大的数学突破。」而现在，这句话已经不再成立。

埃尔德什在1946年提出的「单位距离猜想」，八十年来被数学界普遍认为正方形网格构型已是已知的最优解。OpenAI内部一个大模型独立给出了反例，借助代数数论工具构造出一系列点集，其单位距离对的数量超过了此前公认的上限，相当于推翻了这一长期被信以为真的猜想。这道题并非冷门，此前很多数学家尝试过，但始终徘徊在「证明」而非「反证」的方向上。布朗特别提到，菲尔兹奖得主高尔斯参与了对这一结果的复核，并给出了高度评价。

布朗判断，这是大模型在数学领域取得的第一个真正意义上的重大突破，而且绝不会是最后一个——「闸门已经打开」，随着模型实力持续超越「制造突破所需的门槛」，预计接下来会有更多类似成果接连出现。他半开玩笑地补充，这道题率先被攻克，大概是因为其题目结构恰好踩在了大模型的「舒适区」里；接下来，模型会先解决「对AI友好」的难题，再逐步攻克那些「不那么友好」的难题。

国际象棋给出的预言

为了让听众相信能力提升的曲线还会持续上扬，布朗拿出了国际象棋AI棋力随时间变化的真实数据：纵轴为Elo等级分，横轴为年份，呈现出持续向上攀升的直线。他梳理出国际象棋AI发展的四个阶段：

• 最初是「玩具时代」，能让计算机下出一步合理的棋就已是奇迹；

• 接着是「工具时代」，计算机只能在残局计算、开局记忆等特定环节发挥作用；

• 再往后是「半人马时代」，当时全宇宙最强的棋力组合，是大师与计算机深度搜索能力的协作；

• 而现在，人类已经全面进入「超人时代」：顶尖棋手与计算机合作时，最优策略是干脆放手让计算机自己下棋。

布朗认为，这四个阶段可以对应到科学研究领域：第一，同等综合实力下，计算机在战术、搜索速度上胜过人类，但在战略、「品味」判断上仍偏弱，这也是当前大模型在数学和物理研究中暴露的特征，它们擅长套用既有引理和技巧，不太擅长判断整体方向，但这一短板正在快速缩小；第二，训练AI下棋所需经历的对局数量远超人类一生能下的棋局总数，但因为机器能够不知疲倦地高速自我博弈，实际所需的「日历时间」反而远短于训练一名人类棋手；第三，计算机棋力一旦超越人类巅峰水平，就再也没有停下，毕竟没有物理或逻辑上的理由让它恰好停在人类水平附近；第四，国际象棋AI的崛起反而提升了人类棋手的整体水平，今天最强的人类棋手比历史上任何时期都更强，国际象棋这项运动也比以往更流行。

布朗的暗示十分明确：如果科学研究重复这条轨迹，人类很可能会先迎来完全自主的「AI科学家」，再之后是某种意义上的「AI爱因斯坦」，再往后会发生什么，他坦言已经超出了自己的预测范围。

哪怕进步就此止步，物理学也已经被重塑

布朗也提出了一个值得警惕的「悲观假设」：如果大模型的能力从今天起完全停滞不前，会发生什么？他直言，目前真正「行不通」的用法，是直接对模型说「请给我发明一套全新的量子引力理论」，得到的答案大概只是没有价值、读起来令人昏昏欲睡的「AI废话」。

更普遍地说，当前大模型仍然存在四个明显短板：自主性低、学习速度慢、规划能力差、纠错能力弱。布朗坦承，这四项短板在过去一年都有显著改善，但无一彻底解决，也因此一个能在每个学科的研究生考试里都拿满分的系统，却迟迟没能拿出可以被称为「重大突破」的成果。在准备这场演讲时，他甚至专门画了一条标着问号的「平直曲线」，自嘲这或许是整场演讲里唯一一张「没有持续上涨」的图，但他也补充道，等不到2026年结束，大家恐怕就要开始争论「重大突破」这个词到底该怎么定义了，而这一天来得比他预想的还要快。

不过，即便进步真的停在此刻，布朗认为大模型已经足以彻底改变物理学研究的面貌。他列出了几项早已成熟且仍在持续进步的用法：

• 作为一名「不带评判色彩的私人导师」，可以在凌晨三点随时解答物理学家自己也说不清楚的知识盲区，而不必把世界级专家从睡梦中吵醒；

• 作为编程助手，如今已经强到「被称为编程助手都显得有点侮辱」，许多过去被认为「不算编程问题」的物理问题，如今都可以被重新表述成代码问题来求解；

• 作为文献检索工具，可以读完整个领域的论文库，直接告诉你某个想法是否已经被人做过，此外还能充当头脑风暴的伙伴。

布朗总结说，大模型的核心优势在于：它速度快、覆盖面广、不知疲倦，而且可以被无限复制。培养一名物理学家需要花上几十年，而一旦训练出一个强大的模型，就可以同时运行成千上万个副本——这已经足够「彻底改变」这门学科了。

结语：物理学的黄金时代

在演讲的最后，布朗给出了他对「为什么进步不会停止」的判断。从宏观经济角度看，目前投入训练的资金占全球GDP的比例仍然很小，留出的增长空间还很充裕；从技术内部看，当前训练大模型的方法「远没有看起来那么精妙」，许多显而易见却还没被认真尝试过的改进思路仍待挖掘，叠加持续涌入这个领域的人才和算力，布朗判断当前的模型架构和算力规模已经足以通向通用人工智能，即便没有全新的理论突破。

他也回应了一种流传已久的悲观论调，即大模型只会「模式匹配」、无法产生真正的新想法。布朗的看法是，如果把抽象层次拉得足够高，几乎所有看起来像「重大突破」的人类创造，本质上也是某种更高维度的模式匹配。这个领域反复印证的一句行话是：「这些模型就是想学」，无论理论上有多少看似合理的理由说明它们应该学不好，它们的表现却总能超出预期。

布朗的结论是，接下来几年，我们会迎来人类与AI协作的「半人马」黄金时代：这些工具会被交到人类物理学家、数学家和各领域专家手中，共同开启一场科学与数学领域的新文艺复兴。再往后，如果「造出一个AI爱因斯坦」这件事真的实现，由于复制一个训练好的模型几乎不需要额外成本，人类很可能很快就会拥有数以十亿计的「超人级AI爱因斯坦」同时运转，这听起来像是科幻小说，却正在发生。

布朗说，长期来看，AI到底会把物理学带向何方，他和所有人一样难以预测。他甚至认为，AI能力的持续提升正在让整个世界的未来变得更难预测。但有一点他敢肯定：接下来的几年，将是物理学历史上最激动人心的一段时光。那些困扰了他整个职业生涯的问题，他预计会在不远的将来一一被解答。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。