AI模拟1900年物理环境尝试复现光量子理论
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载把知识截止线拨回1900
哈萨比斯提出的检验思路，是让AI面对一个1911年知识水平的问题，看它能否自行提出新的解释框架，并把通过这一测试当作判断通用人工智能的有力依据。围绕这个设想，Michael Hla在今年3月把知识截止时间进一步提前到1900年，从零训练出一个名为GPT-1900的历史语言模型。这个模型采用Transformer结构，参数量为33亿，预训练语料取自1900年之前的书籍与报纸，规模约220亿token。为了让物理领域的考察更有针对性，Hla还另外汇集了2600多部历史物理著作，构成约2.9亿token的语料，并把其中整份含有爱因斯坦、量子力学、相对论等现代概念的文献剔除出去。这样做的目的，是让模型所处的知识环境尽量贴近那个年代，而不是在训练阶段就接触到后来的答案。
光电效应问题上的失手
在测试环节，Hla向GPT-1900提出了光电效应相关的问题，并附上关键线索，观察它能否沿着这些提示走向正确解释。模型给出的回答是光由许多分离且频率不同的部分组成，这一表述并未抵达对现象的正确说明。Hla表示，GPT-1900在多数物理任务上都没有通过。这一结果与哈萨比斯的设想形成对照：提出新解释框架所需要的，不只是复现已知结论，而是在既有知识边界内组织出新的说明方式。研究者也指出，仅仅把正确答案复现出来，并不足以让一个AI被称为科学家。换言之，测试真正考察的是在缺少现成答案时能否自行搭建解释，而不是在提示充分的情况下给出标准回应。
零污染设定难以成立
这套实验设计本身也存在需要说明的限制。Hla承认，实验过程中借助了Claude Sonnet 4等现代模型来生成问答与评分，实验者日志同样记录了这一做法，并指出由于现代模型介入，所谓零污染的设定很难真正成立。这意味着GPT-1900虽然被限制在1900年前的知识范围内训练，但围绕它搭建的提问与评判环节仍带有后来模型的痕迹，测试环境的纯净度因此打了折扣。对关注这类评测的读者来说，这一细节提示：用历史知识边界来检验AI的原创解释能力，思路本身有吸引力，但要把训练语料、提问方式和评分标准都隔离在同一时间截面内，操作难度不小，结果解读也需要把这一层限制考虑进去。
为什么值得看
验证AI能否仅凭历史数据完成超越训练集的科学推理。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。