Nature研究：AI带着1900年知识库重演物理史，独立提出类光量子假说抢跑爱因斯坦

如果把 AI 送回1900年，它能重新发现量子力学吗

《Nature》近日发表的一项研究做了一个让物理学家和 AI 研究者都兴奋的实验：让一个 AI 模型只带着1900年前后人类已有的物理知识出发，重演20世纪初的物理学革命。结果，模型独立走到了一个与「光量子（light quantum）」高度相似的假说面前。

实验设计

• 知识截止：模型可用的信息被严格限定在1900年——普朗克刚提出能量子概念、但爱因斯坦1905年光电效应论文尚未「发生」；
• 任务：面对当时已知的黑体辐射、光电效应等疑难实验数据，让模型提出解释；
• 结果：模型给出了一个类光量子假说——光的能量以离散量子形式传递，思路与爱因斯坦1905年的历史性突破异曲同工。

换句话说：如果以1900年为起跑线，AI 比历史上的爱因斯坦「更早」冲到了这个洞见面前。

这到底说明了什么

乐观解读认为，这是 AI 具备真正原创科学发现能力的有力证据——它不是检索已知答案，因为「答案」在它的知识截止线之后；它完成了从异常数据到新概念的创造性跳跃。

但谨慎的研究者指出了几个关键限定：

争论的三个焦点

1. 是「重新发现」还是「受引导搜索」

• 质疑者：模型在训练语料里已经见过量子力学的完整表述，即使做了知识截止，它仍可能隐性地被后世概念「污染」；
• 回应者：实验设计已尽量隔离后世信息，且更重要的是模型提出假说的推理路径，而非它是否真的「忘记」了一切。

2. 提出假说 ≠ 证明与接受

科学发现不只是灵光一现：

• 爱因斯坦的伟大不仅在于提出光量子，更在于用严密的数学和可检验的预测（光电方程）说服同行；
• 一个新假说要经历实验验证、共同体辩论、教科书收录才算真正「成为科学」；
• AI 目前完成的是链条中最前端的「提出」环节。

3. 评估范式的价值

无论结论如何，这项研究最大的方法论贡献是提供了一种新的 AI 能力评估思路：不是做今天的题，而是重演历史。

类似的方法可以推广到化学（重演元素周期律）、生物学（重演DNA结构）等领域，形成一套「AI 科学发现沙盒」。

与本周 AI for Science 潮的共振

这篇 Nature 论文与本周另外两条新闻构成了一幅完整图景：

• 斯坦福用3.7万个 AI 代理一周分析5万项临床试验、提出候选癌症疗法；
• 陶哲轩发起开放数学模型计划，把 AI 数学能力变成公共基础设施；
• Nature 这篇则在最根本的层面追问：AI 究竟能不能做出配得上「发现」二字的科学贡献？

现实意义

1. 科研助手的定位升级：AI 可能特别擅长在「实验数据与现有理论冲突」的缝隙里提出候选解释，帮科学家扩大假设搜索空间；
2. 教育层面的启发：学生可以用「重演历史」的方式学习科学——看 AI 如何从困惑走向洞见，比直接记结论更能训练科学思维；
3. 保持谦逊：20世纪初的物理学革命之所以伟大，恰恰在于那是人类在没有地图的情况下走出的路。AI 能重走这条路固然惊人，但真正无人走过的下一条路，目前仍然等待着新的爱因斯坦。

来源参考：量子位、Nature、Aoyii AI Daily