【科技资讯】Nature：AI重生到1900，这一世抢先爱因斯坦提出光量子

📝 核心摘要

诺奖得主、Google DeepMind联合创始人哈萨比斯提出“爱因斯坦测试”，旨在检验AI是否具备超越训练数据的推理与创造能力：若将AI限定在对应历史时期的知识框架内，它能否像爱因斯坦那样，仅用1900年的物理学知识，提出光量子、相对论等突破性理论，而非仅复读已有答案。2026年3月，独立研究者Michael Hla开展相关实验，项目命名为“Machina Mirabilis”（致敬爱因斯坦的“奇迹年”），他借助nanochat框架从零训练出33亿参数的GPT-1900模型，预训练材料包含约220亿token的1900年前文献，以及2.9亿token的历史物理语料（如牛顿《光学》、麦克斯韦著作等），同时刻意过滤了含“爱因斯坦”“量子力学”等现代概念的内容，试图构建“完全不知20世纪物理学”的AI大脑。实验中，Hla给GPT-1900出了光电效应相关题目，它竟冒出“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”的表述，与爱因斯坦光量子理论高度相似。但实验存在明显局限：GPT-1900的亮眼回答高度依赖人类整理的问题与线索，多数物理任务失败；且数据未完全隔离现代知识，实验过程中借助了Claude等现代AI模型生成指令，无法证明GPT-1900未“偷看”后世理论。Nature最新研究梳理此类尝试后，指向核心问题：AI能否创造真正的新想法？它距离成为科学家还差什么？Google DeepMind研究员Tom Zahavy将科学推理分为三层：归纳（从例子总结规律）、演绎（从前提推导结论）、溯因（发明全新解释），当前大模型擅长前两者，但缺爱因斯坦式的“溯因飞跃”；MIT计算机科学家Jacob Andreas进一步指出，AI的难点并非生成理论，而是判断理论是否值得实验检验——真实科研是在混沌中自主找问题、评估价值，而非解答整理好的习题。综上，AI要通过“爱因斯坦测试”成为真正的科学家，还需突破自主发现问题、判断研究价值等关键能力，而非仅拼接或复述已有知识。

🔗 阅读原文

👉 Nature：AI重生到1900，这一世抢先爱因斯坦提出光量子

🏷️ 标签：AI创造力, 光量子, 爱因斯坦测试, 溯因推理, GPT-1900