爱因斯坦测试：AI能够复刻伟大的科学突破吗？科学家正在探究，基于历史数据训练的语言模型，能否复刻具有创造性的科学突破。

1915年，Albert Einstein提出广义相对论，彻底改变人类对物质世界时空构造的认知。该理论将引力解释为质量引发的时空形变，是现代物理学的一座巅峰。它构成宇宙学的理论根基，支撑着从黑洞研究到引力波探测的各类工作，也常态化用于航天任务与GNSS的导航计算。

这一理论如今也成为人工智能领域从业者的评判标尺：他们想知道，人工智能能否做出同等量级的科学突破。今年2月，在新德里举办的印度人工智能峰会上，伦敦Google DeepMind联合创始人Demis Hassabis提出设想：用截止到某一时间点（他提议以1911年为界）之前的全部已知知识训练大语言模型（Large language model, LLM），看它能否推导出广义相对论。“这会是对通用人工智能（Artificial general intelligence, AGI）的一次很好的测试。”Demis Hassabis说道。这里所说的通用人工智能概念尚没有清晰定义，却是很多AI从业者的奋斗目标。

不少科研团队已经开展这类“复古模型”实验，只用特定年代之前的历史文本训练模型，尝试复现量子力学、相对论等成果。但实验结果表明，当前大语言模型距离实现真正的创造性科学飞跃仍有很大差距。部分模型虽偶尔闪现出接近正确物理概念的片段，但大多只是复述文本中的词句，并没有真正理解背后的物理逻辑，还容易出现知识泄露问题，很难彻底隔绝时间节点之后的信息干扰。

从思维逻辑上看，现代AI擅长归纳推理，从海量数据里寻找统计相关性，完成整理资料、验算推导这类重复性科研工作。但做出相对论级别的突破，依靠的是溯因推理（abductive reasoning）——也就是依靠少量异常现象，产生全新的创造性猜想，也就是Thomas Kuhn所说的范式转换（paradigm shifts）。人类科学家可以抓住少数和现有理论不符的反常现象，长期执着地钻研异常线索，从稀疏信息中搭建解释世界的世界模型（world model）。而大语言模型倾向对数据做统计平均，很容易直接忽略掉宝贵的异常信号。

相关模拟实验也印证了这一点：给AI输入多套行星运行的合成数据，模型并不会总结出普适的万有引力定律，反而会为每一套行星系统生成各不相同的错误规律。即便是AI取得成功的数学突破，也大多是整合已有文献内的思想，并非无中生有的全新洞见。同时AI还难以评判哪些猜想值得深入钻研，经常生成大量五花八门的假说，却无力筛选甄别真正具备科学价值的理论。

当然研究者并不全盘否定AI的科学潜力。AI在辅助实验、数据处理、模拟演算上已经展现强大实力。要想让AI真正实现颠覆性科学发现，不能只靠文本语料训练，还需要让模型学习真实物理世界与数学逻辑；评价体系也不能只追求预测准确率，还要奖励理论的简洁性、解释广度等科学特质。

不过，AI复刻人类天才式的思想跃迁，还面临巨大障碍。很多科学革命不来源于新数据，而是源于研究者认知视角的转变。这类难以言说的直觉顿悟，恰恰是现阶段人工智能的短板。正如研究者Jacob Andreas所说，如今的AI更适合在已知问题框架内做拓展，很难诞生像相对论那样，让世人不禁发问“这一想法究竟从何而来”的革命性成果。

AI会成为科研得力助手，但人类独有的洞察力、对反常现象的执着，依旧是催生重大科学突破不可替代的力量。

基于发表于《Nature》657，338‑340（2026）文章整理改写。DOI：网页链接‑026‑02804‑2