AI正从数学证明迈向更广泛的科学理论
据麻省理工学院研究员Neil Thompson介绍的研究显示，人工智能系统开始在数学以外的领域理论问题上取得可量化的进展。分析表明，如今正在改变数学部分领域的能力提升，可能扩展至概率论、统计学、经济学、高能理论、引力学、宇宙学和量子物理学。
这项发现并不意味着AI已经取代科学家，也不意味着它能够独立开展现代科研项目。该研究聚焦于一项范围更窄但影响深远的任务：解决那些答案后来在研究论文中得到确立的理论问题。在这些领域，研究人员发现，最强模型的成功率在2024年年中至2026年年中期间大幅提升。
这一趋势之所以重要，是因为理论研究往往为实验科学提供所依赖的语言、模型和预测。如果研究人员能够可靠地利用AI探索这类工作的部分内容，其影响可能不仅体现在单项计算上，也会体现在科学探究的速度和组织方式上。
从少量问题到超过三分之一
Thompson与Gabriel Manso、Claudio Mayrink Verdun共同开展的研究，测试了一系列OpenAI模型，所用问题来自2025年12月至2026年5月期间发布的研究论文。研究团队考察了包括o1、o3、GPT-5、GPT-5.1、GPT-5.4和GPT-5.5在内的模型。
在评估涵盖的理论领域中，最优秀的系统从2024年年中约能正确解决2%的问题，提高到2026年年中的约35%。这距离普遍具备相关能力仍相当遥远，也不意味着每个看似正确的答案都值得信赖。但增幅之大颇为引人注目：一个很少成功的工具可能只是新奇事物，而一个能够在基准测试中作出实质贡献的工具，则可能成为日常科研实践的一部分。
研究人员设计这项评估，是为了降低语言模型测试中的一个核心担忧：系统是否只是在复现训练过程中接触过的材料。这些问题来自相关答案在后续出版物中出现之前发布的论文，而已发表的解决方案被用作标准答案。测试期间禁止访问互联网，因此系统无法从网络上检索答案。
这种设置并不能消除基于基准测试评估的所有局限。不过，它旨在区分问题解决能力与直接查找或记忆。因而，这项研究的结果表明，受测模型至少能够为一些问题生成解决方案，而这些问题的答案并不在其可访问的训练材料中。
有限范围的成果，而非通用的科学替代者
这项工作的范围十分重要。研究团队集中考察了模型无需运行模拟或开展物理实验即可处理的问题领域。科学的大部分内容无法仅靠符号推理来完成。实验室工作、仪器设计、现场观测、数据收集、模拟和复现，仍然是发现世界运行规律不可或缺的环节。
即使在理论性很强的学科中，得出正确解答也不等同于作出有用的科研贡献。科学家需要评估假设、选择有价值的问题、解读结果，并判断提出的论证能否经受审查。这些既是技术过程，也是社会过程，涉及同行评审、讨论和累积证据。
尽管如此，研究选取的领域并非边缘领域。概率论和统计学影响着科学与工业中的推断。经济理论影响政策和市场分析。高能物理、宇宙学和量子物理学则是抽象推理可能在问题进入探测器、望远镜或实验装置之前，对推进研究发挥核心作用的领域。
如果AI能够承担这些领域中更多常规性或中间环节的工作，其近期影响可能并不均衡。研究人员可能利用它生成候选方案、检查推导、探索不同表述，或加速早期分析。这些用途的价值将取决于验证。通往错误结论的快速路径，与缓慢计算一样，都可能有效地浪费时间。
数学领域的先例正在塑造预期
这项新评估发布之际，数学界已经在面对AI能力的高调展示。OpenAI最近宣布，一个尚未发布的模型解决了涉及Navier-Stokes方程的一项长期重大挑战；这些方程描述流体运动。该事件引发争议，也凸显出数学和AI领域的非凡主张需要经过谨慎的独立审查。
对Thompson而言，更广泛的意义在于，理论学科可能正进入一个AI作用快速变化的时期。他预计，许多理论问题将在未来几年内因这些系统的能力而发生转变。支撑这一预期的是研究呈现的趋势线，而不是任何特定领域将被完全自动化的证据。
最可能出现的近期未来是协作式的，而非单打独斗：科学家制定方向和标准，AI系统则承担越来越多的问题探索工作。这可能扩大先进分析工具的可及性，但也可能使验证机器生成成果的能力更具价值。科研机构将不得不决定如何认可贡献、培养学生，并保留发现细微错误所需的独立专业能力。
接下来值得关注什么
- 性能提升是否会在新创建的问题上持续，而不只是出现在回顾性评估中。
- 模型生成的解决方案在专家审查和形式化验证后，仍有多大比例保持正确。
- 当需要模拟、实验或专业数据时，系统是否仍能作出有用贡献。
- 随着AI成为常规科研工具，科学团体将如何调整署名、培训和质量控制实践。
这项研究并未证明AI将成为解决科学理论问题的默认方法。但它确实说明，人们如今为何认真看待这种可能性。在不到两年的时间里，受测的最强系统从解决少量选定问题，发展到解决超过三分之一的问题。对于以艰难推理为基础的学科而言，这是一个值得密切关注的变化。
本文根据Wired的报道编写。阅读原文。
Originally published on wired.com