AI 能否发明相对论？从范式切换看创造力边界

事件概述

Google DeepMind CEO 哈萨比斯提出一个思想实验：将现代 AI 的知识截止时间设定在 1901 年，仅允许它接触此前人类积累的知识，观察它能否像爱因斯坦一样在 1905 年提出狭义相对论。本文基于对 AI 创造力机制的分析，给出否定答案，并从范式切换、AI 能力边界等角度展开论述。

核心信息

• 相对论不是知识补全，而是范式切换：根据托马斯·库恩的“范式”理论，科学革命意味着改变科学家理解问题的方式，而非在旧答案中选优。狭义相对论重新定义了时间、空间和运动的基本概念，这无法通过重组旧知识自动推导得出。
• AI 的创造力受旧知识约束：大语言模型通过海量文本训练，核心是根据已有内容预测最可能出现的后续。它能够快速完成文献整理、计算推导、生成候选假说，但判断“什么是合理的”的依据仍然来自训练资料中的旧知识，不会主动质疑旧知识的核心前提。
• 完成范式跳跃还差三个关键能力：
  1. 识别矛盾后仍回归旧框架：当理论与实验冲突时，AI 难以判断问题出在测量误差、参数调整还是基础概念本身。它不会主动推翻推导所用的核心预设（如绝对时间）。
  2. 理论选择能力缺失：AI 可生成大量候选假说，但无法独立判断哪个反常假说值得长期投入。科学突破需要从众多可能性中识别出价值方向。
  3. 缺乏主动追问的内在动力：当前 AI 的研究目标由外部设定，任务结束后不会继续追问。它不会像人类科学家一样，因理论体系不协调而产生质疑旧框架的冲动。

值得关注

• AI 在科研中的价值在于替代“99% 的汗水”：文献阅读、计算推导、错误方向筛选等繁琐工作可交给 AI，大幅提升效率，让人类专注于判断、选择和解释。
• 但“1% 的灵感”——对前提的怀疑、重构框架的能力——目前 AI 仍无法具备。爱因斯坦拥有的资料并不比同时代科学家更多，他只是改变了看待资料的方式。