五十條尚未刊登的理論物理問題，答案從未公開，照理沒有 AI 模型見過。最近一項測試把這些題目交給大型語言模型，最好成績是答對四十九題，ChatGPT 和 Claude 分數最高。
由圍棋、寫程式到數學，AI 關關難過關關過，前沿數學受到的衝擊已令一批頂尖數學家聯署發聲。物理學會是下一個嗎？解題，AI 已經很強；但要發現新定律，物理學有一道數學沒有的關卡：現實世界。
解題能力已達研究生水平
AI 在國際物理奧林匹克已達金牌水平，解題能力超越高中生和本科生，接近準備攻讀研究生的程度。
最先受惠的，是已經想好研究問題的學者：計算交給不眠不休的 AI，研究生則負責理解結果、以獨立方法驗證。理論物理會因此快很多。代價是，不少學者或許已在考慮把研究經費拿去買 token，而不聘請研究生，年輕研究者的機會隨之收窄。
最先突破的，是最像數學的物理
大一統理論、弦理論雖源於物理學，研究其性質時卻更像數學家的工作；菲爾茲獎得主丘成桐的微分幾何研究，便與理論物理密切相關。
以圈量子引力（loop quantum gravity）為例。這套理論希望把重力場與其他場統一，但計算時要把無限多項加起來，看結果收斂還是變成無限大。人手算到第三、四項已叫苦連天，只能做近似。現在只要建立一個 workflow、不介意多用 token，AI 便可以一直算下去：沒有錢就做近似，有錢就計得更多、更準。弦理論要處理第四至第十維、無限種震動模式，同樣是 AI 大有可為之處。
解題容易，出題難
研究最重要的不只是解題，而是設計問題。
在數學上，AI 已懂得把現有定理的假設放寬，提出猜想（conjecture），再自行驗證，成了自己的數學家。物理學卻卡在驗證：它要有現實實驗對應，與現實不對應的計算，只是在做數學。曾有物理研究生取笑專做弦理論的同學，第七、第八維根本沒有實驗可以對照，算出來只是自己 high。問題屬於純數學還是對應現實，正正決定 AI 做得到與做不到。
真正的難處：物理理論本身並不完備
物理學同樣高度數學化，為何更難？因為數學只需遵守邏輯，物理學卻要面對一個根本問題：現存理論不足以解釋整個世界。
設想讓 AI 只懂牛頓力學，並相信它能解釋一切，它的思考只會困在這個框架之內。人類發現相對論和量子力學，是因為實驗揭示了舊理論解釋不了的現象。新定律往往要由實證逼出來；科學哲學稱之為範式轉移（paradigm shift），要靠天才跳出舊框架、重建假設，這種 think outside the box 的能力，AI 未必容易做到。
理論的斷裂其實隨處可見。至今沒有一套理論能用同一組公式解釋水為何在零度結冰、一百度沸騰；瑞士粒子加速器最近撞出夸克膠子等離子體（quark-gluon plasma），理論早知道它會出現，卻不知道要多高能量才發生相變。
理論不完備，理論與實驗之間的驗證也不完備，要 AI 單憑虛擬世界自動找出新定律，近乎天方夜譚。
直覺可以由數據取代嗎？
當年人們認為圍棋靠人類直覺，AI 不可能取勝，結果 AI 遠超人類。牛頓、愛因斯坦的直覺，會否也是可以從數據中找出來的規律？
並非不可能。如果廣義相對論原來只是更宏大理論的特例，AI 找出那條更終極的公式並不出奇，但前提是有足夠的真實數據，而數據要靠天文望遠鏡和更大的粒子加速器取得。所以，把現實轉化為數據的實驗物理學家難以取代；做理論的人，反而可能只需看着數據進來，由 AI 計算、甚至提出新公式。
人類看不懂的定律，還算科學嗎？
假如定律由 AI 猜想、由 AI 做實驗和驗證，人類卻像今天的數學家面對 AI 證明一樣「看不完」，這還算科學嗎？
科學的核心是實驗與理論互相印證。從這個角度看，數學是科學的好工具，創造過程更接近藝術；物理、化學、生物的前沿，永遠由現實現象主導。AI 會是理論物理的好幫手，卻未必取代實驗和觀察。
受衝擊更大的，反而可能是化學。化學物質的行為幾乎可以用量子力學描述，計算模擬與實驗的差距愈來愈小，將來某些簡單的化學實驗或許不必再做——雖然很多化學家未必同意。
與其等 AI 叩門，不如想想怎樣用它
各個學科彷彿都在等 AI 這個死神叩門，互相推說對方先倒下。換個角度看，AI 可以接手大量沉悶的工作，勤力的人能在它的基礎上做出更有意義、更具規模的研究。
AI 正逐一攻破不同範疇。當定律可以由機器發現，人類想在科學裏擔當甚麼角色？
---
※ 本文由 AI 根據影片內容整理，如有錯漏敬請指正。
📺 觀看完整影片：AI 下一步會改寫物理學？全自動發現新物理定律？｜#未來學 EP71
學識會員