新智元報道
編輯論文：KingHZ
【新智元導(dǎo)讀】粒子物理十年無新發(fā)現(xiàn)，LHC成了「標準模型的墳場」論文。但Anthropic聯(lián)創(chuàng)、哈佛物理博士Jared Kaplan卻斷言：再過2-3年，AI就能寫出媲美頂尖物理學家的論文，50%物理學家或?qū)⒈粡氐兹〈?/p>
物理學界與科技圈地震!
Anthropic聯(lián)創(chuàng)、前物理學大牛Jared Kaplan放話：兩到三年內(nèi)論文，理論物理學家有50%概率被AI取代！
要知道，他博士畢業(yè)于哈佛大學物理學，同時是JHU的理論物理學教授，又是Anthropic的首席科學官論文。
對于AI和理論物理學，他都是行家，他的判斷絕非無的放矢，白費口舌論文。
Kaplan引用內(nèi)部研究與模型進展指出，未來2–3年內(nèi)，AI在理論推導(dǎo)、數(shù)值模擬、公式發(fā)現(xiàn)和實驗設(shè)計等核心科研環(huán)節(jié)中的能力，將逼近甚至超過大量人類研究者論文。
展開全文
他評估，至少有50%的物理學家工作內(nèi)容，存在被AI替代或邊緣化的明顯風險論文。
替代50%理論物理學家論文，
菲爾茲獎得主亦不例外
自2012年希格斯玻色子（即「上帝粒子」）被發(fā)現(xiàn)后，大型強子對撞機（LHC）的實驗數(shù)據(jù)一直嚴格符合已有理論「標準模型」的預(yù)測，沒有發(fā)現(xiàn)任何預(yù)期之外的新粒子或新物理現(xiàn)象論文。
戲劇性并非源于希格斯粒子；當它在LHC現(xiàn)身時，其存在已幾無懸念論文。
希格斯玻色子是粒子物理學標準模型的最后一塊拼圖，這套上世紀70年代的方程體系描述了25種已知基本粒子及其相互作用論文。
更引人注目的是數(shù)據(jù)中沒有出現(xiàn)的東西論文。
物理學家花費數(shù)十億歐元建造這臺27公里長的超級對撞機，不僅是為了驗證標準模型，更是為了通過揭示更完備自然理論的組成部分來超越它論文。
例如，標準模型并未包含可能構(gòu)成暗物質(zhì)的粒子論文。它無法解釋宇宙中物質(zhì)為何多于反物質(zhì)，也無法解釋大爆炸為何發(fā)生。
此外，希格斯玻色子的質(zhì)量（它設(shè)定了原子的物理尺度）與量子引力相關(guān)的高得多的質(zhì)量能標（即普朗克尺度）之間存在難以解釋的巨大鴻溝論文。
1981年，偉大的理論家Edward Witten愛德華·威滕提出了一個解決這個「層級問題」的方案：如果存在僅比希格斯玻色子略重的額外基本粒子，平衡將會恢復(fù)論文。
LHC的對撞能量本應(yīng)足以將它們產(chǎn)生出來論文。
然而，實際情況是——無論質(zhì)子如何高速對撞、碎片如何飛濺到探測器中，出現(xiàn)的，只有那25個標準模型中的粒子論文。
除此之外，一無所獲論文。
2012年曾斷言粒子物理「將死」的Adam Falkowski，如今已沉默許久論文。
傳送門論文：
他早年因在博客Résonaances上犀利點評而聞名，而這個博客自2022年以來就再無更新論文。
Falkowski對記者坦言，他認為實驗粒子物理確實正在死去論文。
他親眼看到許多才華橫溢的博士后轉(zhuǎn)行別的研究領(lǐng)域，或者直接投身數(shù)據(jù)科學論文。
人才流失，肉眼可見論文。
Quanta記者Natalie Wolchover找到了Jared Kaplan——Anthropic的聯(lián)合創(chuàng)始人論文。
2000年代，Kaplan在哈佛讀研，師從理論物理學家Nima Arkani-Hamed，正是他們當年率先開拓了如今大熱的Amplituhedron研究方向論文。
但他在2019年離開了這個領(lǐng)域論文。
「我開始研究AI，是因為我認為AI的進展速度，可能比人類歷史上幾乎任何一項科學都要快，」他說論文。
「我甚至覺得它可能是我們有生之年最重要的科技事件，甚至是整個人類科學史上最重要的事情之一論文。所以這件事我非做不可?！?/p>
而對于粒子物理的未來，他的態(tài)度是：「你現(xiàn)在去擔心它的未來，其實沒什么意義論文?！?/p>
如果我們真要建對撞機，那也應(yīng)該是AI來建了，不是人類去建論文。
我甚至覺得，再過兩三年，AI就能寫出比肩頂級理論物理學家的論文論文。
像Nima Arkani-Hamed、威滕這樣的天才——AI很可能能自動寫出他們水平的成果論文。
所以，在這個時間點之后再去做10年規(guī)劃，已經(jīng)變得沒什么必要了論文。
這一判斷之所以引爆爭議，在于Kaplan本身長期從事理論物理研究、并參與提出LLM關(guān)鍵的Scaling Law論文。
因此討論焦點轉(zhuǎn)向更深層：要么高階理論突破比物理學家想象得更「可程序化」，要么AI正在形成類似「洞見」的能力結(jié)構(gòu)，而兩種結(jié)論都讓人不安論文。
Scaling Law背后最重要的男人
在聯(lián)合創(chuàng)立Anthropic之前，他在約翰斯·霍普金斯大學從事理論物理學研究15年論文。
他是推動Scaling Law發(fā)展的先驅(qū)，為現(xiàn)代大語言模型的發(fā)展奠定了基礎(chǔ)論文。
因此，當他預(yù)言AI有50%的概率在2至3年內(nèi)達到Arkani-Hamed和Witten威滕的水平時，這而是一位曾在該領(lǐng)域深耕的學者，基于對雙方能力的透徹理解所做出的具體判斷論文。
這些名字的分量不容忽視論文。
Arkani-Hamed開創(chuàng)了「振幅多面體」，這一幾何結(jié)構(gòu)將成千上萬的費曼圖計算簡化為單一模型論文。
普林斯頓大學高等研究院教授Arkani-Hamed還是Jared Kaplan的博士生導(dǎo)師論文。
作為菲爾茲獎得主，威滕被公認為當今在世的最偉大物理學家之一論文。
獲得數(shù)學界菲爾茲獎的物理學家威滕（左）和物理學家Arkani-Hamed
他們不是普通研究者，而是能窺見無人能見的數(shù)學結(jié)構(gòu)之人論文。
Kaplan真正想說的是：物理學中最艱難的認知工作——那些如威滕這類菲爾茲獎級別的思維飛躍——或許并不需要我們原先以為必不可少的某種生物「魔法」論文。
有趣的預(yù)測并不在于工作崗位被取代，而在于理論物理學究竟是什么論文。
這個預(yù)測的有趣之處不在崗位替代，而在于重新定義理論物理學的本質(zhì)論文。
如果AI能自主生成威頓水準的論文，要么說明物理學比物理學家認為的更具機械性，要么意味著AI正在發(fā)展出某種極似「洞察力」的能力論文。
這兩個答案，都令人深思論文。
棄物理而去論文，他們投奔ASI
去年，xAI的聯(lián)合創(chuàng)始人Igor Babuchkin，告別xAI和馬斯克之后，人生翻到了新篇章論文。
不過，小時候，他的志向是成為物理學家，理解宇宙的奧秘論文。
在歐洲核子研究中心（CERN）攻讀粒子物理學博士期間，他曾滿懷熱情地投身于這一使命論文。
但尋找新物理變得越來越困難，需要建造越來越大的對撞機，而新發(fā)現(xiàn)卻越來越少論文。
于是，他開始思考：或許通向宇宙奧秘的關(guān)鍵并非更大的對撞機，而是超級智能論文。
AI能否發(fā)展出一套自洽的量子引力理論論文？AI能否證明黎曼猜想？
2023年初，他確信人類正接近實現(xiàn)超級智能的「秘方」論文。
他已看到征兆：很快，AI的推理能力將超越人類論文。
黑洞物理學家Alex Lupsasca見證了AI給他的震撼──
他把耗費數(shù)月心血推導(dǎo)的潮汐響應(yīng)方程丟給GPT-5 Pro，僅18分鐘后，模型竟完整重現(xiàn)了他苦苦追尋的對稱生成元——這一刻，他決定加入OpenAI，親手打造AI科研的未來論文。
剛接觸AI時，Alex Lupsasca帶著物理學家面對新觀點時常有的態(tài)度：禮貌的質(zhì)疑和大量的測試論文。
2025年初，他嘗試使用ChatGPT，發(fā)現(xiàn)它對處理學術(shù)界常見的行政事務(wù)很有幫助，但他并不認為這能勝任工作中最難的部分：把物理定律轉(zhuǎn)化成具體且可驗證的預(yù)測論文。
一開始，Alex用ChatGPT把草稿變成更干凈利落的科學論述，節(jié)省大量時間論文。
但隨著模型不斷進步，他繼續(xù)測試更強的能力論文。真正讓他改觀的，是看到系統(tǒng)能以極快的速度處理研究生級別的物理問題。
Alex舉了一個例子，AI幾秒鐘就完成了廣義相對論中「瓦爾德解」事件視界的磁場強度，而一個剛?cè)腴T的研究生可能要花幾小時論文。
接著他注意到更奇特的現(xiàn)象：模型經(jīng)常得出正確答案，卻用陌生的數(shù)學語言表達論文。
更大的考驗來自Alex自己的研究論文。
從描述黑洞潮汐響應(yīng)（大致類似于月球引起的海洋潮汐）的方程中，他推導(dǎo)出了新的「隱藏對稱性」論文。這些對稱性解釋了為什么某個著名的潮汐效應(yīng)會消失。
當他幾乎不給提示、直接把這個方程交給GPT-5 Pro時，它「思考」了約18分鐘，就得出了他花費數(shù)年學習技能、又經(jīng)數(shù)月直接研究才發(fā)現(xiàn)的相同的對稱生成元論文。
他就像看到了魔法，他的想法開始改變：AI顯然可以徹底改變物理研究論文。
此后論文，他在持懷疑態(tài)度的同事中反復(fù)驗證：
在CERN論文，一位同事提供了一個他通常會給博士生一周時間解決的作業(yè)式問題，模型幾分鐘就給出了詳細解答；
在CERN論文，一位同事提供了一個他通常會給博士生一周時間解決的作業(yè)式問題，模型幾分鐘就給出了詳細解答；
從懷疑到熱情高漲、并感染他人，這段歷程最終讓Alex加入了OpenAI論文。
參考資料論文：
秒追ASI
