编辑：桃子
【新智元导读】一个世纪诞生一万个爱因斯坦？APS全球物理学峰会上，哈佛物理学家放出豪言，「用AI增强人类，有望在世纪内催生10000个爱因斯坦」。
AI大神Karpathy的「autoresearch」爆火之后，物理学家们也坐不住了！
在全球物理峰会上，一场围绕「AI是否将取代物理学家」的研讨会，全场座无虚席。
会上，哈佛理论物理学家Matthew Schwartz投下了一枚重磅炸弹——
LLM智力正以每年10倍的速度指数级增长，并在5年内超越人类智能。
而我们人类，却没有变得更聪明。
在他看来，人类并非智能的终点。
由于受限于生物大脑的物理极限，我们可能永远无法翻越某些科学的高峰。
鉴于此，Schwartz放出豪言， 一个世纪，AI增强将催生「10000个爱因斯坦」，彻底改变科研范式！
几乎在同一时间，外媒爆料称，OpenAI「北极星」目标：要在2026年实现「全自动AI研究员」。
这意味着，AI将在未来自主提出研究问题、设计实验、运行训练、分析结果并迭代优化。
届时，AI真正从「辅助工具」升级为「自主科研主体」！
10000个爱因斯坦！
哈佛大神对决DeepMind
这几天，美国物理学会（APS）全球物理学峰会在丹佛开幕。
一场题为《驾驭AI革命：让你的科研生涯不被时代淘汰》的研讨会，成为了年轻物理学家的「朝圣地」。
在长达3小时的思维碰撞中，哈佛理论物理学家Matthew Schwartz扮演了激进的「预言家」。
他断言：大模型将在5年内超越人类智能。
Schwartz将模型参数量直接等同于智力阶梯。他直言不讳地对台下观众说：
LLM的规模正以每年10倍的速度指数级增长，而我们……
……并没有变得更聪明。
他特意停顿，在全场的笑声中，接下了残酷的下半句。
在Schwartz看来，人类并非智能的终点，仅仅是进化史上的一个阶段性坐标。
与人类不同，机器能够将高维空间具象化，在内存里存储海量信息，并处理远超常人理解的复杂方程。
他进一步提出，人类的大脑或许根本无法理解「万物理论」这类终极难题，就像猫永远学不会国际象棋。
如果说物理学家的天赋分布符合正态分布（钟形曲线），Schwartz认为，我们可以利用AI把这条曲线，在天赋轴上推向更高点：
如果利用AI来增强人类，我们一个世纪里就能产出10000个爱因斯坦，而不是只有一个。
xAI联创Igor Babuschkin同样认为，LLM在构建新理论方面，超越人类物理学家是迟早的事。
理论物理学的下一个重大突破，极有可能源于某人给模型发的一条prompt。
物理学家「底牌」：提出好问题
然而，谷歌DeepMind工程师Matthew Ginsberg随即给出了冷静的「反击」。
即便身处AI浪潮之巅，Ginsberg依然认为，物理学家的核心领地在于「提出问题」。
演讲中，Ginsberg强调了人类创造力的重要性。
他指出，LLM的本质是生成基于「共识」的平庸答案，而伟大的物理学家，使命正是给出「非共识」的突破。
用他的原话来说——
提出问题是一名优秀物理学家的本质，至少到目前为止，这100%是属于我们的领域。
提出好问题才是我们的价值所在。我依然坚信，人类仍有用武之地。
在这场交锋的尾声，四位专家达成了一项略显沉重的共识：目前，人类的底牌仅剩品味、创造力与提问能力。
但令人不安的是，Schwartz和Ginsberg均预测，AI可能在十年内学会「提问」。
人类在科学版图上的最后一块领地，或许也将面临易主。
OpenAI「北极星」：
2028年，AI接管实验室
无独有偶，OpenAI的战略重心已指向一个更为宏大的愿景「北极星」计划——
构建一个能够独立攻克复杂科学难题的全自动「AI科学家」系统。
据首席科学家Jakub Pachocki披露的路线图，OpenAI的进化将分阶段展开：
短期目标（2026年9月前）： 率先构建「自主AI研究实习生」，旨在闭环处理特定领域的科研任务。
中期演进（2028年）： 在数据中心部署「多智能体研究实验室」。多个Agent将通过分工协作，完成从理论构想到模型验证的全流程科研闭环。
终极愿景： 打造能够独立承担大型课题、具备「合格研究员」身份的通用科学智能。
可以看到，OpenAI正酝酿一场关于「科研范式」的革命：目标是在2028年打造出具备全学科攻坚能力的「AI研究员」——
一个能够独立攻克数学、物理、生物、化学，甚至经济学、政治学领域复杂问题的多Agent系统。
不过，Pachocki认为，「人类仍需把控大局与设定目标。我们终将迎来这样一天：数据中心里装载着一个完整的研究实验室」。
这种演进不仅限于科研，最终，这些数据中心可能会接管像OpenAI、谷歌这类整个公司的工作。
过去需要庞大人类组织才能完成的任务，以后几个人就能搞定。
Pachocki警示道，这种转变将引发「史无前例的权力极度集中」。
科研范式变天，留给人类时间不多了？
从「算力工厂」向「科研中枢」转型，AI处理深奥科学问题的能力正逼近并超越人类极限。
OpenAI内部广泛应用的Codex，已验证了委派复杂任务的可行性。
有趣的是，就在一年前，有着「代码洁癖」的 Pachocki 还是 Vim 的忠实信徒，坚持逐字敲击代码，拒绝任何补全工具。
他在采访中表示，「我对代码有严重的洁癖」。
然而，最新模型的进化令这位完美主义者折服。
过去需耗时一周的代码实验，AI如今仅需一个周末即可交付。他感叹道，「效率无懈可击」！
尽管如此，在核心架构设计上，他依然保持审慎：「它尚未达到那个层次，我不会放权让它主导全局」。
Pachocki同时强调，AI并非普适的「万能药」，其效能取决于使用者与任务的匹配度。
目前，他的核心目标是进一步增强AI解决现实问题的能力，并将其引入全新的科学疆域。
从哈佛大佬的「万名爱因斯坦」预言，到OpenAI剑指2028的「全自动科研」，物理学乃至整个科学界，正站在一场史无前例的范式跃迁前夜。
AI不再是实验室里那台只会跑数据的超级计算机，它正试图进化成那个「提出问题」的大脑。
当人类的生理极限撞上硅基智能的指数级增长，我们或许不必恐惧「被取代」，而应思考如何在这场智力平权中，定义属于人类的最后一块领地。
毕竟，当星辰大海对于AI来说触手可及时，决定航向的，依旧是那一抹不安分的「人类品味」。
配资炒股投资提示：文章来自网络，不代表本站观点。
