Nature 报道 GPT-1900 实验：AI 仍缺爱因斯坦式溯因推理
用 1900 年前语料从零训练的 GPT-1900 能复刻几句爱因斯坦式表述，但不会自己判断哪个理论值得验证——生成理论容易，挑对理论才是门槛。
诺奖得主哈萨比斯提出一个测试：把 AI 的知识截止时间卡在 1911 年，看它能否自己提出相对论。独立研究者据此从零训练了 33 亿参数、只用 1900 年前语料的 GPT-1900，它写出了神似爱因斯坦光量子论文的段落，却在多数物理任务上失败，且实验仍借用了现代模型做指令和评分。
正文摘录
如果把 AI 送回 1911 年，只让它掌握爱因斯坦所能了解的知识，AI 能否在 4 年后的 1915 提出相对论？ 这个听起来有些离谱的测验，来自诺奖得主、Google DeepMind 联合创始人哈萨比斯。 哈萨比斯真正想考的，是 AI 能不能仅以 1911 年的知识水平，直面当时的知识和物理难题，自己提出一套新的解释框架，并完成一套超出训练材料的推理，而不是只会照着答案复读。 而这个设想最巧妙的地方就在于，科学史已经告诉我们发生了什么，只要我们能把知识节点控制好，就有机会对照着历史，观察模型有没有获得超越训练数据的推理能力。 今年 3 月，独立研究者 Michael Hla 把知识截止时间进一步提前到 1900 年，并从零训练了一个历史语言模型 GPT-1900，试图让它重新发现光量子、狭义相对论和广义相对论。 实验中，GPT-1900 竟然吐出了一段跟爱因斯坦 1905 年论文高度相似的论述： 因为 GPT-1900 在大多数物理任务上都失败了，其亮眼回答也高度依赖人类整理好的问题和提示，就连那个号称封闭在 1900 年的知识世界，也没有完全挡住现代 AI 的影响。 Nature 在最新研究中梳理了这些尝试，并指向了一个比“AI 有没有答对”更难的问题： 1905 年，26 岁的爱因斯坦接连发表 4 篇改变物理学的论文，涉及光量子、布朗运动、狭义相对论和质能关系。 这个爆发式产出的一年，后来被称为“Annus Mirabilis”，即“奇迹年”。 Hla 想知道：如果一个 AI 拥有爱因斯坦当时能够接触到的知识，它能不能也迎来自己的“奇迹时刻”？ 为此，他借助 Andrej Karpathy 的 nanochat 训练框架，从零训练了一个 33 亿参数的 Transformer 语言模型，并将其称为 GPT-1900。