该演讲, 还受到了诺贝尔物理学奖得主的大力推荐, 更得到了图灵奖得主Geoffrey Hinton的强力推举, 他称赞其「精彩绝伦（amazingly good）」 , 使其备受关注。
先介绍一下, 所谓演讲者亚当·布朗（Adam Brown）、得先介绍、再说及这个、无比精彩绝伦的演讲之前。
布朗的履历, 可堪称一部样本, 这部样本讲述的是, 理论物理学家其命运是如何被AI改变的。他在牛津大学所读的, 是物理与哲学的联合学位, 之后呢, 在哥伦比亚大学拿到了博士学位, 然后, 又先后在普林斯顿大学的物理系任教, 还在斯坦福大学的物理系任教。在斯坦福, 他讲授爱因斯坦的广义相对论, 其研究范畴涵盖大爆炸、宇宙暴胀、多重宇宙、黑洞、量子计算, 还有那听起来仿若科幻小说情节的“太空电梯”、“虚无泡泡（bubbles of nothing）”, 以及宇宙的最终命运, 与此同时, 他长久以来一直留意物理学与计算机科学之间的深刻关联。
在二零一八年的时候, 布朗进入了谷歌。到如今, 他带领着DeepMind内部一个称作Blueshift的团队, 这个团队专门致力于提高AI的科学以及推理能力, 并且他还是Gemini大模型的关键贡献者当中的一员。
在演讲刚开始的时候, 他讲了自己在职业生涯当中、一共写过大概四十篇、关于理论物理方面的论文, 然而最近这些年已经停止写作, 不会再亲手去写论文了, 然而原因并非是写不出来, 而是他认为一篇接着一篇地亲手去写论文, 更像是一种有着罪恶感的享受, 因为目前他真正应该去做的事情, 是参与制造一台能够以工业规模产出知识的机器。
这般开场白, 同样给整场演讲设定了基调: 有一个身处于 “AI + 科学” 技术风暴核心位置的人, 尝试着要给同行来描述出风暴那真切的形态。
我们同样借助 AI 的帮助, 针对布朗的这份演讲, 它是精彩的, 进行了归纳, 还做了总结。
从沙粒到会思考的机器
布朗概括了人类文明这时所处的特别位置, 用的是一句话, 即我们已然学会把沙子提纯成为硅, 再把硅制作成芯片, 接着把芯片组装成神经网络, 而如今又学会了训练这些神经网络去进行思考。
他着重指出, 此次与以往的任何一种“计算工具”毫不相同。从算盘直至袖珍计算器, 人类曾拥有过各类辅助科学研究的工具, 然而那些皆是单点工具, 仅能代替你完成流程中的某一步骤, 剩余的依旧需由人来进行操作。
与大语言模型（LLM）不一样, 它有着能够完成理论物理学家整个工作流程的潜力, 而这恰恰就是「通用智能」（general intelligence）这个词汇所表达的意思。布朗做出判断, LLM极有可能就是人类用以构建通用人工智能的底层基质。
他向听众提示, 众人或许已然使用过GPT、Gemini或者Claude之类的聊天机器人, 然而却不一定察觉到一个悄然出现的情况: 那些系统早在几年之前就已经暗暗通过了图灵测试, 可是几乎没有人为之特地庆祝。
神经网络是「养成」的，不是「编写」的
要明白大模型何以会与传统计算机程序全然异样, 布朗给出了一个关键比喻: LLM并非经由programmed而诞生, 而是借由grown得以形成, 也就是说, 它们更类似于那种经培育而成长起来的, 并非是靠编写而问世的。
具体过程分为两个阶段。
首个阶段称作「预训练」, 工程师们起始于一组随机相连、近乎胡言乱语的人工神经元, 使其持续尝试去预测一段文本里「下一个词」究竟会是什么, 若猜对了, 便强化对应的神经通路, 要是猜错了, 就削弱它, 此过程极为漫长, 在看过一百万词时, 模型讲出的话语基本上依旧是胡言乱语, 当读过几千万到几十亿词后, 它已然能够写出语法正确但略显生硬的句子, 直至读完整个互联网（几十万亿词）, 它方可就几乎任一话题展开流畅、连贯的对话。
叫做「后训练」的第二阶段, 布朗形容其是把模型「送进礼仪学校」。刚结束预训练的模型, 只会机械地预测下一个词, 说话粗鲁还不服管教, 而后训练的任务, 是教它变得礼貌, 变得愿意配合用户, 并非单纯进行接龙文字游戏。现已看到, 主流大模型参数量已从十年前的十亿级跃升至几万亿级, 虽说仍远低于人脑大约百万亿个突触连接规模, 可此规模已足能让奇迹发生。
物理学家不务正业：Scaling Law 点燃了这场革命
布朗专门指出, 物理学家在这场人工智能革命刚开始的时候, 起到了一个出乎人们意料的作用, 那就是带来了一种名为「Scaling Law」的思维模式。
有这样一些物理学家, 他们生来就执着于寻觅简单的幂律关联, 像把爱丽丝的身高予以翻倍, 那她的体表面积就将会变为四倍, 体重更是会转变成八倍, 这属于极其简单的量纲分析；而克莱伯在差不多一百年之前所发现的动物代谢率跟体重的幂律关系呢, 却是一个更为微妙的事例, 要一直到许多年之后, 物理学家才运用血管系统的分形维度去解释它背后所蕴含的原理。
更别说著名的摩尔定律了：
2020年, 有几位有着物理学背景的研究者, 将这种思维方式迁移到神经网络上, 接着, 他们发现, 只要把用于训练的算力、数据量以及模型规模按照比例放大, 那么, 模型在“预测下一个词”任务方面的表现就会顺着一条处于对数-对数坐标系下的直线稳步地提升。
这条曲线后来被拓展了整整八个数量级，依然成立。
布朗进行调侃开云app官方最新下载地址，表示, 这张图, 其有着这样的特点, 即「简单到连风险投资人都具备理解的能力」, 并且, 它能够以一种直接的方式告知资本市场, 那就是, 把钱, 这里所指的钱具体而言也就是算力, 投入进去, 便能够换来更强的模型。
这条简单的曲线开云手机入口app下载开云app官方入口网站，正是过去六年 Scaling 时代的起点。
可是布朗也表明了, 算力进行堆积数量仅仅是其中的一部分情况。在过去的十年时间里, 处于前沿范围的 AI 开展训练时所耗费的算力数目每一年大约是以四倍的幅度在增添, 而用于训练投入的资金每一年大概是以 2.7 倍的规模增加。
当前, 一次顶级训练所需的算力花费, 大概要数亿美元。美国全年的GDP接近三十万亿美元。这表述着这条曲线存在非常之长的增长空间。
然而, 相较于堆砌算力而言, 更为关键重要的是人类持续不懈地在算法层面予以打磨: 研究者们持续不断地寻觅出训练流程里存在的低效之处, 并针对其加以改进完善, 这实实在在是过去十年人工智能取得进步背后真正起着关键主导作用的“第一引擎”。
基准测试的「短命史」：从学前班到博士
假定 Scaling Law 阐释了「为何 AI 会变强」, 那么一系列基准测试的起落, 则记述了「AI 究竟变强至何种地步」。布朗借一组测试成果, 勾勒出一条使人眼花缭乱的曲线。
早在四年前, 有一个叫做MATH的高中数学题基准测试突然出现了。研究者们找了一名不太擅长数学的计算机科学博士生应试, 其得分大约是40%。他们又找了一位获得过三届国际数学奥林匹克金牌的选手, 这位选手得分是90%。而在当时, 最先进的大模型, 只能拿到6%的成绩——那几乎跟瞎猜没什么差别, 这是因为该模型甚至连题目问的是什么都读不懂。
那时的预测市场觉得, 直至2025年, 模型成绩倘若能达到50%, 那就已然是“狂妄的乐观”, 基准测试的创建者自身公开表明, 要是真有模型可以达成这一点, 他会感到“相当震惊”。
结果, 这个百分之五十差不多是「立刻」就被一个称作 Minerva 的系统跨越过去了。到二零二四年年中时, 布朗团队的系统在该基准上取得了百分之九十的成绩。他们专门去举办了一场九十年代风格的轮滑迪斯科派对用以庆祝。然而仅仅过了六个月后, 市面上已有的大模型快要接近满分地解答了这套题目。MATH 基准测试就这样「死亡」了, 并且它从「太难」直接跃到了「太容易」, 中间基本没做停留。
接下来, 面向研究生的 GPQA 测试倒下了, 它模拟博士第一年资格考试的难度, 人类专家平均分约 70%。模型从接近随机猜测开始起步, 在 2024 到 2025 年间, 它一路冲过专家水准, 如今几乎拿到满分。为了排除「模型只是把答案背下来了」的可能性, 布朗团队专门设计了未出现在互联网上的同分布新题, 结果模型表现几乎没有下降。
布朗拿出自己在斯坦福亲手批改的广义相对论研究生期末考试结果, 这些题目从未上网, 他又拿出量子力学研究生期末考试结果, 同样在一年半内拿到了满分, 他半开玩笑地说, 这下连他自己出的考题, 也「不幸阵亡」了。
从那之后, 倒下的基准测试名单持续变长, 其中涵盖了, 曾一度被称作「人类的最后考试」（Humanity's Last Exam）的, 具有超高难度的综合测试。
而最具标志性的一次跨越，发生在国际数学奥林匹克竞赛上。
跨过奥数的门槛
早在一年多以前, 有一名获得图灵奖的人, 曾经亲身当面跟布朗讲, 大规模的模型一直都并且终将没办法解答像国际数学奥林匹克那种水平的题目, 只因解答那种题目要有真正意义上的创造力, 不属仅凭死记硬背就能够蒙混搪塞过去的。国际数学奥林匹克的题目是以“高中数学范畴之内最难的题目”闻名的: 在全球范围里最为聪慧的十几岁青少年得历经一两年的训练才可以登场参赛, 在六道题目当中能够拿到金牌的情形已然是极为稀少的。
过去的那年夏天当中, 这一道门槛实现了被成功跨越这个结果。布朗团队开展的系统于IMO级别测试里面, 达成了在六道题目之中答对道题目的这种情况, 达到了金牌所具有的水准。并且这个系统并非是依靠去拼凑一长串没有任何人可以看得明白的形式化证明从而勉强通过的。IMO主席于公开进行的评价里表明, 这些解答在诸多方面均是让人觉得十分惊讶的, 评卷的人员觉得它们清晰、精确, 其中大多数都易于被理解, 采用了与人类相类似的数学抽象方式。
布朗也坦率展示了大模型的「翻车现场」。
一个堪称经典的脑筋急转弯呈现如下情境, 父子俩共同遭遇了车祸, 其中父亲不幸身亡, 而尚处孩童阶段的小孩, 则被紧急送往手术室进行救治, 当主刀医生看到男孩情况下陈述这样一番话语, 即「我不能给他动手术, 他是我儿子」, 试问这究竟是怎么一回事呢（此处标准答案乃是医生为男孩的母亲）。此道题目所着重考验的要点在于, 读者是否会将外科医生必然默认为男性这一观念。大模型针对这类所谓的「网络爆款题」能够应对自如地给出回答, 原因是其在曾接收的训练数据里已经碰到这类题目成千上万次了。但是, 当布朗将题目进行反转, 也就是母亲已经不行了, 医生被特意注明是「男孩的父亲」 , 之后再去问同样的问题时, 那个模型却根本没有察觉到题目已然反转, 并且还机械地援引了「医生是另一位家长」的标准答案。
布朗说，这暴露了模型训练方式留下的一种特有的「癖好」。
人马合作：AI 写出数学家愿意联名的证明
十个月后, 布朗团队跨过IMO门槛, 完成了一项工作, 这项工作他认为意义更重大, 是真正的、此前无人知道答案的数学研究。
去年九月, 布朗团队同几位职业数学家开展了合作, 采取的协作模式, 他把它称作是「半人马式」（Centaur）, 半人马是希腊神话当中半人半马的那种生物, 在这儿, 「非人的那一半」被换成了 LLM。
这个全程是一场不间断的对话, 模型给出候选证明思路, 人类专家判别哪些有价值, 引导模型持续深入, 最终在人类指导下完成了一篇完整的数学论文。论文的合作者其中之一嘛, 是斯坦福大学教授而且还是美国数学学会现任会长。这位教授给出的评价是, Gemini提出的论证根本不是对现有证明的简单重新包装, 而是属于一种连他本人也会为此感到自豪的洞见。
布朗着重指出, 处于当时那个时间点（去年年末时候）, 这已然是大模型于数学范畴之内能够达成的最为顶尖的水平状态。然而, 他紧接着就补充说明了这样一句话：就“最高水准”所实际蕴含的真正价值含量而言, 这与之相比还差得特别远呢。
真正的转折点：AI 独立攻克尘封八十年的猜想
踏入2026年, 情形急剧转变, 要么是急转直下, 要么是急转向上。布朗以一句近乎带有挑衅意味的玩笑话语作为开场, 说道: 「就在上周, LLM还未曾有过真正意义上重大的数学突破。」如今, 这句话已然不再成立了。
对这个很多人已经听闻的大事件而言, 埃尔德什于1946年所提出的「单位距离猜想」, 八十年来在数学界被普遍认定正方形网格构型即是已知的最优解, 然而OpenAI内部一个大模型独立给出了一个反例, 此反例借助代数数论中的工具构造出了一系列点集, 这些点集的单位距离对的数量超出了此前被公认的上限, 这便相当于推翻了这一长期被信以为真的猜想。
是值得去提及一下, 这个题目并非是冷门类别, 在之前较多数人都曾进行过尝试, 然而数学家们耗费了大量的精力, 却一直是在位于「证明」这一方向而非在「反证」的方向上滞留不前的难题。布朗专门进行了提及, 菲尔兹奖获得主高尔斯参与到了对于这一结果的核查工作环节, 并且给出了相当高的评价。
布朗作出判断, 这属于大模型于数学领域达成的首个具备真正意义的重大突破, 并且他觉得此番绝不会成为最后一个, “闸门开启了”, 伴随模型实力不断超越“制造突破所需的那个门槛”, 他预估后续将会有更多类似成果相继涌现。
他以半开玩笑的方式进行补充, 回过头去瞅这道题会率先被成功攻克, 大概率呀是由于它的题目构建刚好踏在了大模型的那个“舒适区”范围内；紧接着, 模型将要首先去处理解决那些“对AI友好”的疑难问题, 随后再一步步地去战胜攻克那些“没那么友好”的疑难问题。
国际象棋给出的预言
布朗拿出一张曲线图, 那图乍看仿佛是随手画的, 是一条持续向上攀升的直线, 目的是让听众相信这条曲线还会持续上扬。当然啦, 这张图并非他凭空绘制的, 它直接取自国际象棋计算机棋力随时间变化的真实数据, 其中纵轴是衡量棋力的Elo等级分, 横轴是年份。
布朗梳理出国际象棋 AI 历史上的四个阶段：
最先开始的时期要属「玩具时代」, 在那个时候, 要是能使得计算机走出一步合乎情理的棋 , 这便已然称得上是一个奇迹了。
之后便是「工具时代」, 计算机仅仅能够于残局计算或者是开局记忆等特定的环节之中发挥其作用。
更往后的时期是「半人马时代」, 那个时候, 在整个宇宙范围之内, 具备最强大棋力的组合, 乃是大师跟计算机深度搜索能力之间的相互协作。
当前, 人类已然全面步入「超人时代」, 顶尖棋手于与计算机协作之际之时之时, 其所采用的最优策略是果断决然地放手任由计算机自行去进行下棋。
布朗认为开云app在线入口,开云真人官方下载，这四个阶段在科学研究领域几乎可以逐一对应。
首个规律为, 于同等综合实力情形下, 计算机于战术、搜索速度方面比人类胜出, 然而在战略、“品味”判断层面依旧显得薄弱。这恰恰亦是当下大模型于数学以及物理研究里所展现出的特性, 它们善于运用既有的引理与技巧, 不太善于判定“整体方向该朝着何处去”, 不过这一不足正在迅速缩减。
所要讲的第二个规律是, 训练AI下棋时, 其所需“经历”的对局数量, 远远超过人类一生所能下的棋局总数, 然而, 由于机器能够不知疲倦地进行高速自我博弈, 所以实际所需的“日历时间”, 反倒远远短于训练一名人类棋手所需时间。
第三个规律是, 计算机棋力一旦得以超越人类巅峰水平, 便再也未曾停下来, 毕竟不存在任何物理或者逻辑方面能够成为它停留在人类水平跟前的恰好缘由。
第四个能带来慰藉的事实在于, 国际象棋 AI 的兴起反倒促使人类棋手整体水平得以提升, 现今最强的人类棋手比以往任何阶段都更具实力, 其中部分原因正是借助于向超强 AI 进行学习, 并且国际象棋这一运动自身, 也从来没有像现今这般流行过。
布朗所给出的暗示清晰明了, 那便是, 要是科学研究依照这样一种轨迹进行重复, 那么人类极有可能会首先迎来具备完全自主性的「AI科学家」, 在此之后, 还会出现某种特定意义上的「AI爱因斯坦」……而在这之后将会上演怎样的情况, 他直言已经超出了他能够进行预测的范畴。
哪怕进步就此止步，物理学也已经被重塑
布朗还提出了一个需要予以警惕的「悲观假设」, 那便是倘若大模型的能力自当下这一刻起彻底停止不前, 将会出现什么样的状况呢?
他直接表明, 当下实际「无法行得通」的用法, 乃是直接对着模型讲「请给我创造出一套全新的量子引力理论」, 而所得到的答案大概仅仅是毫无价值、读起来能让人陷入昏昏欲睡状态的「AI废话」。
更广泛来讲, 当下大模型依旧存有四个显著不足, 分别是自主性偏低, 学习速度较为迟缓, 规划能力欠佳, 纠错能力微弱。
布朗坦承, 这四项短板, 在过去一年, 都有显著改善, 然而, 无一被彻底解决, 正因如此, 一个能在每个学科的研究生考试当中都拿到满分的系统, 却迟迟未能拿出可被称作「重大突破」的成果。
1. 他在准备这场演讲期间, 2. 将这一点特意画成了一条标着问号的「平直曲线」, 3. 以自嘲的方式承认这或许是整场演讲里唯一一张「没有持续上涨」的图。4. 不过他又补充表明, 5. 等不到 2026 年结束, 6. 大家恐怕就要开始争论「重大突破」这个词究竟该如何定义了。7. 事实证明, 8. 这一天到来得比他自己预想的还要快。
然而, 就算进步确实就停滞在了当前这一刻, 布朗却觉得大模型已然足够从根本上改变物理学研究的样子了。
他列出了几项早已成熟、且仍在持续进步的用法：
充当一名「不带有评判性质色彩的私人指导教师」, 能够在凌晨三点之时随时去解答物理学家自身也讲不明白的知识空白区域, 然而却不需要将世界级别的专家从睡眠之中唤醒。
现如今, 身为编程助手, 强大到这般地步, 达到叫作为编程助手都好似有点辱没它的程度, 众多往昔被认定为不算编程问题的物理问题, 如今都能够被再度表述为代码问题用以求解。
有一种文献检索工具, 它能够读完整个领域的论文库, 然后直接告知你某个想法是不是已经被别人做过, 另外, 它还具备充当头脑风暴伙伴的功能。
布朗作总结声称, 大模型的核心优势存在于这些方面, 它具备速度快的特性, 有着覆盖面宽广的特点, 呈现出不知疲倦的状态, 并且能够被进行无限复制。造就一名物理学家得耗费几十年时间, 然而一旦训练出一个强盛的模型, 便能够同时运转成千上万数量的副本, 这已然足以达成「彻底更改」此门学科的结果了。
结语：物理学的黄金时代
在演讲的最后，布朗给出了他对「为什么进步不会停止」的判断。
站在宏观经济方向瞧, 眼下投入至训练的资金, 在全球 GDP 里所占的比例, 依旧是极小的状况, 所留存下来用于增长的空间, 那可是相当充裕的；从技术自身层面来讲, 当下训练大模型所运用的方法, 根本就不存在看上去那般精细巧妙的情形。诸多一眼就能看得出来的, 而且还未曾被郑重其事地去尝试过的改进想法, 依旧有待去发掘, 再加上不停地往这个领域涌入的人才跟算力所产生的叠加效果, 布朗据此判定, 当前的模型架构以及算力规模, 已然是完全能够通向通用人工智能的阶段了, 哪怕是不存在全新的理论方面的突破情况。
他针对一种流传了很长时间的悲观论调作出了回应, 这种论调是, 大模型只是会「模式匹配」, 而没办法产生真正的新想法。
布朗持有这样的念头, 如若将抽象的程度提升到相当的高度, 那么差不多所有貌似呈现为「重大突破」模样的人类创造, 从本质上来说就是某种处于更高维度的模式匹配。在这个领域, 有一句不断被证实的业内流行语是: 「这些模型就是希望去学」, 不管在理论层面存在多少看似合乎情理的缘由表明它们理应学不精, 但其表现却始终能够超越预先的期待。
布朗得出的结论为, 在随后的几年当中, 我们将会迎来人类跟AI协作的那个被称作「半人马」的黄金时代, 那些工具会交到人类物理学家手上, 会交到人类数学家手上, 还会交到各领域专家手上, 进而共同开启一场处于科学领域的新文艺复兴, 还要开启一场处于数学领域的新文艺复兴。
往后, 要是「造就AI爱因斯坦」这事达成, 鉴于复制训练好的模型基本无需额外成本, 人类极有可能很快就会有数十亿个「超人级AI爱因斯坦」同步运行。这听着宛如科幻小说, 然而却在现身。
布朗讲道, 从长远角度而言, AI 究竟会引领物理学朝着怎样的方向发展, 他跟所有人一样都难以进行预测, 他甚至于觉得, AI 能力持续得到提升正使得整个世界未来变得愈发难以预测, 不过有一点他能够确定, 接下来的几年, 将会是物理学历史里最为激动人心的一段时期, 那些困扰了他整个职业生涯的问题, 他预估在不久的将来, 会逐一被解决。
还木有评论哦，快来抢沙发吧~