DeepMind 研究称大模型缺乏科学发现关键的溯因跃迁能力
即使给大模型全部1905年的知识，它也难以像爱因斯坦那样提出全新公理，因为缺乏从物理经验到抽象假设的溯因跃迁能力。
DeepMind 的论文指出，大语言模型能熟练运用物理学语言，但无法完成从经验到新公理的跃迁，即爱因斯坦发现等效原理时的关键一步。缺乏对物理世界的锚定，使模型难以独立做出真正的科学发明。
正文摘录
.jpg) 编辑丨% 2024 年以来，大语言模型不断刷新人们对人工智能能力的认知。从自动证明数学定理，到辅助科研，再到能够自主完成实验规划，越来越多研究开始讨论一个更大胆的问题：如果把人类已有的全部科学知识交给 AI，它是否能够完成下一次真正意义上的科学发现？ DeepMind 在他们的论文「LLMs can't jump」中这个问题具体化为一个更经典的思想实验：如果把 1905 年前后爱因斯坦能够接触到的全部知识交给今天的大语言模型，它还能独立提出广义相对论吗？ 答案是不能。原因并不在于模型缺少知识，也不是计算能力不足，而是目前的大模型仍然缺失科学发明过程中最关键的一步——从物理经验跃迁到基础公理（Axiom）的能力。  论文链接： https://philsci-archive.pitt.edu/28024/1/ScientificInventionPositionPaper%20%2817%29.pdf 科学发现并不是推导 今天回顾广义相对论，人们往往会把注意力集中在复杂的张量计算、黎曼几何或者爱因斯坦场方程上。但论文指出，这些实际上属于发现之后的数学推导。