DeepMind 论文:大语言模型能推导广义相对论,但无法发明它

DeepMind这篇立场论文给“AI能否做科学发现”泼了盆冷水:大模型能沿着已知理论把公式推到底,却造不出爱因斯坦式的概念跃迁。

• 科学发现被拆成归纳、演绎、溯因三步,论文认为当前大语言模型只擅长前两步——从数据里找规律、把规律往前推演
• 以广义相对论为例:牛顿引力体系本身几乎不产生“预测出错”的经验误差信号,单纯靠压缩数据、拟合误差驱动的模型很难自然长出指向广义相对论的梯度
• 真正把爱因斯坦推向新理论的,是概念框架内部的矛盾(比如引力与狭义相对论不兼容)和思想实验,而不是数据拟合得不够好
• 这意味着“更大模型+更多数据就能自动发现新物理”的乐观预期缺乏依据,溯因推理(在没有明确误差信号时提出全新假设)可能是当前范式的结构性短板
• 对判断AI科研能力的边界很关键——它提醒行业,评测大模型“像不像科学家”不能只看它能不能复现已知结论,还要看它能不能在无明确纠错信号时主动提出新框架。

本内容由 AI 生成，仅供参考，请注意甄别