理论物理学家称公开AI模型已超越多数同行处理技术任务
来源标题:The short age of dragon riders
一位理论物理学家认为,自今年8月前后起,公开可用的AI模型在合适的框架下,处理大多数技术任务的能力已超过多数理论物理学家。这些模型能完成复杂解析计算、冗长证明和代码转化,并自行迭代纠错、启动模拟验证猜想。不过截至2026年11月,最佳公开模型仍缺乏研究品味,在提出好问题和展现创造力方面不如顶尖研究者。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
大约从今年8月起,公众可用的AI模型已经跨过了一个门槛:在合适的运行框架下,它们在大多数技术任务上比大多数理论物理学家(包括我自己)更强。究竟什么算“技术”其实很模糊(而且范围很可能还会扩大),但我认为它包含 junior 理论物理学家在博士期间日常所做的大部分工作。
具体来说,这些模型现在能够执行复杂的解析计算、完成冗长的证明、把表述良好的问题转化为代码,而且几乎不需要什么输入。它们会迭代、纠正自己的错误、启动模拟来验证自己的猜想,并总结自己的工作。在我自己的问题上,我已经多次看到不可能的事被做成,最早是5月的Fable 5(我在X和LinkedIn上报告过一些)。否认这一进步的人,要么是没有(用最新的模型)足够努力地尝试,要么是被自己的自尊蒙蔽了双眼。
截至2026年11月,最好的公开模型仍然缺乏研究品味。给定明确目标时,它们执行得很漂亮,但在提出好问题、或在走出死胡同时迸发所需的创造力火花方面,不如最优秀的研究者。它们没有最优秀人类那样的视野。
这种情况不太可能持续下去。即使整个互联网都已被用于预训练模型而耗尽,人类数据的可用性也不再是瓶颈。得益于带可验证奖励的强化学习(RLVR),模型只需通过解决新任务就能进步,绝不受人类智能的束缚。
至少在不远的将来,进步因此是可以预见的。第一,OpenAI和Anthropic的内部模型现在已经解决了无数开放问题,表明它们确实比公众目前能用到的(在许多任务上已经超人)领先一代。第二,算力——唯一的瓶颈——一直在稳步增长,远超训练当前最好模型所用的算力。除非 scaling law 出人意料地失效,我们面前还有两代改进,而无需做任何新的事情。除此之外,递归自我改进正在进行,至少是在弱意义上:强模型已经大幅帮助设计其继任者的训练环境。简而言之,只要数据中心挺过动能打击或草根巴特勒圣战,进步就不会停止。
像大多数科学家一样,我心情矛盾。所有摩擦都消失了;问题在我们甚至还没理解解法之前就融化了。这很棒,也很可怕,导致学界一些人憎恨这些模型。我一直是一个技术乐观主义的绝对主义者。如今进步的浪潮触及了我的手艺,此时翻脸会是一种背叛。不,即使它会烧伤我,我仍然认为我们应该盗取火种!
诚然,这一次的火种可能给人类带来存在性风险。我认为这些风险是真实的,而且从主导阶来看,硅谷的极客们比Yann LeCun这样的怀疑者更理解它们。对齐研究当然重要,如果放慢训练有助于降低存在性风险,那我们大概应该这么做。
但我认为,以对人类的正当关切为幌子,出于错误的、自私自利的理由拒绝AI进步,实在太容易了。因此,尽管人们应该认真对待这些风险,同样重要的是思考:万一这些风险被解决了,还剩下什么给我们。
对我来说,仍然太难想象稳态会是什么样子,或者是否会有稳态。但我想讨论一下我认为我们(或者至少是我)在人机共生发现的过渡期应该做什么。
第一步是尽快走完悲伤的五个阶段。正如Sylvia Serfaty最近在IHP的演讲中所指出的,数学家们至少似乎已经走过了否认阶段。物理学家们很可能只落后三个月。
知名数学家们,甚至那些三个月前还在轻视AI的人,也不再否认它的力量。然而,最引人注目的公众反应——由25位菲尔兹奖得主发起——糟糕到只能用震惊来解释。在世最优秀的问题解决者现在声称,结果、证明、技术突破——在很多情况下正是这些给了他们地位和名声——其实并不是目标。目标是我们在沿途交到的朋友:偶然的发现、建立起来的数学社群、在黑板前沉思的漫长时光。这种享受,这种人类的理解,为社群所享有、由社群所产生,才是始终有价值的东西。
我不同意。我认为,如果我们像这样输不起地反应,我们活该承受随之而来的一切坏事。偶然的发现很重要,但第一,尚不清楚AI必然会导致更少的偶然发现;第二,最终结果显然曾经重要,现在仍然重要。把过程视为目的本身而非达成目的的手段,是极其自私自利的,而且可悲的是,这正是学术界的典型做法。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。