单击上方“图灵人工智能”，选择“星标”公众号

您想知道的人工智能干货，第一时间送达

大语言模型不会“跳跃”

摘要

    我们究竟是如何发现新事物的？在写给莫里斯·索洛文的信中，爱因斯坦把发现的过程总结为以下步骤的循环：从感官经验直觉性地“跳跃”到能解释这些经验的公理假设，随后用逻辑推演来验证假设。生成式人工智能（Generative AI）虽然已经掌握了归纳推理（即统计性的模式匹配），并正在迅速攻克演绎推理（即形式化的证明），但我们认为，它依旧缺乏溯因推理（即提出全新的解释性假设）所需的机制。我们把爱因斯坦构思广义相对论的过程作为计算性的案例，论证了当前盛行的“创造力即数据压缩（也即归纳推理）”的理论，无法解释那些观测数据极为匮乏下的科学发现。本篇立场论文提出，尽管现代大语言模型应能执行从假说到理论的论证阶段，但它在结构上并不具备提出假说的能力，即不能完成溯因推理式的思维“跳跃”。我们把“从模拟到形式化公理的转译”视为人工科学发明的关键瓶颈，并提出：物理上一致的多模态世界模型（multimodal world models）能够提供弥合这一鸿沟所必需的感官基础。

1. 引言

科学发明所需要的认知跃迁是什么样的？施米德胡贝（Schmidhuber）在2008年提出了一种后来在AI学界盛行的观点：科学发现本质上是一个压缩问题，即找到能对所观察现象作出简单解释的程式。这一观点隐含地把发现视作一个归纳的过程：即基于统计频率，从观察数据中推导出一般规则。与此同时，像AlphaProof之类的系统已能成功地求解奥数难题，这说明AI正在掌握演绎推理：即从确定的前提出发，形式化地推导出定理。

如果科学发现仅仅是归纳和演绎这两部分之和，那就意味着理论上，只要有充分的算力，现代大语言模型（LLM）就能够自己发明出广义相对论。

在本文中，我们挑战了这种还原论的假设，我们把爱因斯坦提出广义相对论的过程作为一个计算性的案例来考察。我们采用爱因斯坦关于发明的循环模型（见图1），该图展现了从感官经验（E）经由概念化的“跳跃”（J）到达公理体系（A），再推导并验证定理的过程。我们承认，如果一开始就把爱因斯坦的公理假设提交给某个大语言模型，或许它能够完成其中的演绎工作，但真正的瓶颈在于该公理假设本身是怎样形成的。

通过重构本文第二部分提及的历史背景，我们将说明：实验数据的稀缺将使归纳方法不再具有解释力。而由于公理作为前提无法经由演绎得出，所以我们认为，科学发现需要一种超出归纳与演绎的认知机制：溯因推理。

图1　由生成式人工智能重绘的爱因斯坦E-J-A图式。爱因斯坦在致莫里斯·索洛文的信中画下了原图：一条循环线从感官经验（E）经由“跳跃”（J）抵达公理（A），然后再推导出逻辑结论。讽刺的是，图中公理符号所显示的“幻觉”凸显了自动实施这一跳跃的困难程度。

为了将这一探究形式化，我们采用了哲学家皮尔士（Peirce）在1934年提出的框架。这一框架把规则（Rule，相当于函数定义）、实例（Case，相当于输入）和结果（Result，相当于返回值）三者排列组合，区分了三类不同的推理：

• 演绎（Deduction；规则+实例→结果）：把规则分析性地应用到实例上，以预测结果。它是唯一能够保证结果真实性的推理方式（例如执行代码以验证输出）。

• 归纳（Induction；实例+结果→规则）：从累积的实例和结果中综合提取出规则。它通过统计频率来验证假设（例如生成一个能够通过单元测试的函数）。

• 溯因（Abduction；规则+结果→实例）：为了解释令人意外的结果而推导出某个实例（或一条新的规则）。

演绎能确保结果的真实性，归纳能在数据中找到普遍模式，与这二者不同，溯因推理是一种创造性的跳跃，它能为某个异常现象找到原因。关键在于，爱因斯坦是通过身体性的模拟做到这一点的：运用思想实验，他把抽象的符号落地到身体的感觉中，进而在尚没有数据的情况下，提出了其广义相对论的公理假设。我们认为，尽管大语言模型已经掌握了归纳性质的数据压缩和演绎性质的定理证明，但是它们在结构上仍不具备科学发明所需的溯因式“跳跃”。我们认为，这一创造性跃升需要的不仅是更强的语言处理，而是能把抽象符号接入到感官模拟的、物理上一致的世界模型。

2. 背景

2.1 力学

在十九世纪，力学被视为所有物理学的基座。借助偏微分方程，科学家已能解释相当广泛的现象：声音的传播，流体力学，离散质点的运动，以及气体动力学（其统合了气体黏度、热传导和气体扩散）。在当时，甚至对光的解释也被纳入这一力学框架：光被描述为穿过“以太”的波。

然而，这一力学的（或说机械的）世界观开始出现裂痕。经由麦克斯韦、法拉第、赫兹和马赫的贡献，电磁学的规律被一统为麦克斯韦方程组。用牛顿力学来解释电磁场已显得捉襟见肘，这标志着力学不再是物理学的单一主导范式。物理学由此分裂为对两类现象的解释：一是发生超距作用的质点（经典牛顿力学的领域），二是连续场（电磁场的领域）。爱因斯坦无法接受这种分裂，故而力图创建一种适用于引力的场理论，用以取代超距作用的陈旧观念。

与此同时，一场围绕光本质的危机正在酝酿。由于光表现为一种波，科学家曾假定光是经由某种介质传播的，并称这种介质为“以太”。然而，十九世纪末著名的迈克耳逊-莫雷（Michelson-Morley）实验击碎了这一假设。实验试图测量地球相对于以太的速度，却未能成功。更令人震惊的是，观测表明光速并不随着地球绕太阳公转而变化。为了挽救以太理论，物理学家提出了日趋复杂和人为的解释，如“以太风”，但最终都无济于事。

而牛顿的引力理论则极其稳健，预测精确度很高，误差极小。通过摆锤实验，牛顿证实了伽利略的发现：无论质量大小，所有物体都以相同的速度下落。具体而言，我们有：

因此若：m_i=m_g，那么加速度d²x/dt²=g就是恒定的，与质量无关。牛顿的实验以10⁻³的精度验证了m_i/m_g=1。

几个世纪以来，这一精度不断提高——拉普拉斯达到了10的负七次方，厄特沃什则达到了10的负九次方。

事实上当时只有一个无法解释的异常现象：水星轨道的一个微小偏移，即所谓“近日点进动”（Leverrier，1845）。科学家对牛顿定律的信心使他们并没有怀疑理论本身；相反地，他们假想在太阳附近藏着一颗尚未被发现的行星——“火神星（Vulcan）”——正是它造成了这种异常。

2.2 狭义相对论

1905年，爱因斯坦以一种与麦克斯韦方程组完全相容的方式，化解了迈克尔逊-莫雷实验所揭示的理论矛盾。他的新理论建立在两条基本假设之上：相对性原理——物理定律在所有惯性参照系中表现相同；光速不变原理——真空中的光速c在所有惯性参照系中保持恒定。

迈克尔逊-莫雷实验原本旨在探测地球在假想“以太”中的运动，但结果发现光速并没有任何变化：光始终以速度c传播，而不受地球运动的影响——这恰好印证了第二条假设。

从这两条公设出发，爱因斯坦推导出了洛伦兹变换，它把静止参照系的坐标与以匀速v运动的参照系联系起来。由此得到的时间变换公式为：

历史上，庞加莱等先行者曾把变量t′称作“虚构时间”。然而爱因斯坦的解释是颠覆性的：他认为t′并非出于计算需要的向壁虚构，而正是时间无疑。为说明这一点，他引入了“时间膨胀”的概念：如果两台原本完全同步的钟被分开，且其中一台以速度v运动，那么当它们再次相遇时，读数将不再相同。凭借这一洞见，爱因斯坦击碎了牛顿范式中绝对、普适的时间，而代之以特定于观察者的局域、相对的时间实存。

2.3 广义相对论

爱因斯坦的新理论本质上只适用于惯性参照系，即适用于匀速的、无加速度的观察者。这一特定的限制正是“狭义”相对论名称的由来。受恩斯特·马赫先前工作的启发，爱因斯坦坚信惯性参照系不应享有特权。因此，他寻求把这一理论推广到任意参照系，由此踏上了探索广义相对论的征途。这趟长达七年的奥德赛之旅，包含深刻的物理直觉、鲜活的思想实验以及严格的数学形式化工作，其间也夹杂着疲惫与失误。在下面的分析中，我们借用诺顿（Norton，2020）的框架，将爱因斯坦的征途划分为三个阶段。

构思阶段（1907-1912）。1907年，约翰内斯·斯塔克委托爱因斯坦撰写一篇有关相对论的全面综述，这成了爱因斯坦迈向广义相对论的最早期工作。这项任务初看起来简单直接：爱因斯坦需要检视物理学的各现有分支，确保它们都能纳入他于1905年提出的时空新框架。

工作进展顺利。电动力学无需修改，因为它已经与洛伦兹变换相容。力学则需要一些调整，尤其在涉及能量、动量与质量的方面，这促使爱因斯坦把质能等价关系形式化（E=mc²）。他甚至勾勒了对热力学的相对论处理方式。

然而，在综述接近完成时，爱因斯坦迫切地想要走得更远。他希望把相对性原理一般化，使其不仅涵盖匀速运动，也涵盖加速运动。一个深邃的洞见击中了他，这个被他后来称为“我一生中最快乐的想法”是：加速度会模仿引力的表现，这意味着惯性本身就是一种引力效应。这些想法最终汇聚成他1912年的静态引力场理论。在这一理论中，他大胆提出引力会使光弯曲、使时钟变慢，并且光速并非常数，而是随着引力势的变化而变化。

整合阶段（1912-1913）。通向广义相对论的关键转折发生在1912年夏至1913年初之间。在艰难地尝试把自己的物理直觉转译为严格的理论时，爱因斯坦意识到曲率数学是那把钥匙。为了掌握这一复杂的领域，他向在苏黎世的好友、数学家马塞尔·格罗斯曼求助。他们的合作被记录在著名的“苏黎世笔记本”中，并最终凝结为1913年那篇被称为《Entwurf》（“草案”）的论文。

爱因斯坦整理出一组新理论需满足的物理学要求和概念支柱（详见附录B）：

1. 广义相对性原理：把狭义的相对性推广到加速参照系。

2. 等效原理：引力与加速度不可区分。

3. 测地线原理：自由落体在时空中的运动。

4. “引力产生引力”：引力能量本身也充当引力源。

5. 应力-能量张量：引力场的源。

6. 广义泊松方程：场方程的结构。

7. 牛顿极限：回归经典引力理论。

致命的错误。在数学部分，格罗斯曼曾无限接近最终答案。他识别出黎曼曲率张量是刻画时空曲率的正确工具，甚至通过缩并该张量推导出一个与现代爱因斯坦张量几乎别无二致的量（G_ik）。从现在的眼光看，终点线已经近在眼前。但尽管如此，他们还是止步不前了。新方程必须通过一项关键检验：在弱的、静态的引力场中，能还原为牛顿的简单引力定律（原理7）。格罗斯曼犯下了一个致命错误：认为其所用的张量无法退化为牛顿表达式。然而他们后来才发现，错误不在几何本身，而在他们对静态场所做的假设。

既然认定此路不通，他们便弃之而去。爱因斯坦只能全凭物理线索来构造场方程——诸如守恒定律，以及他早期关于静态场的工作。结果一团糟：他不但没有得到一个简洁的牛顿方程，反而推演出了十个复杂、非线性且缺乏明确几何意义的方程——这条弯路使最终理论的诞生推迟了两年。

数学验证阶段（1913-1915）。1913年至1915年期间的工作都在艰苦地修正和完善1913年的草案中度过。随着《Entwurf》论文在1913年年中发表，爱因斯坦起初认为最困难的工作已经完成，只须清扫一些细节。但这种感觉很短暂。预期的几个月变成几年，他发现自己越来越费力地在为一个本质上就站不住脚的理论打磨。

到了1915年夏天，反对旧理论的证据越来越多。他意识到这个理论无法解释水星轨道的异常。他发现它无法解释旋转运动。最终他意识到，自己在1914年末为证明该理论的唯一性所做的精巧努力也是有缺陷的。在日益加剧的绝望中，爱因斯坦放弃了《Entwurf》中那些“适配化的”坐标系，回到了1912年早前的直觉：理论必须在所有坐标系中都成立。

继而发生的也许是爱因斯坦职业生涯中最为紧张激烈的一个月。得知著名数学家大卫·希尔伯特也在竞逐同一个问题后，爱因斯坦进入了近乎疯狂的高产状态，他接连四周每周都向普鲁士科学院提交一篇论文。他在11月4日的第一篇通讯中提出了一种解法，但依然包含着错误。到了11月11日，他又已完善了理论，但困难仍在；然而到了11月18日，他宣布了令人振奋的结果：他那不断修正的方程终于正确预言了水星的异常轨道。最终，在11月25日，第四篇通讯展示了完整的广义相对论场方程：

其中，Rᵢₖ是里奇曲率张量，R是里奇标量，Tᵢₖ是应力-能量张量，gᵢₖ是度规张量。左侧表达式表示由度规决定的时空几何（曲率），右侧表达式则表示物质与能量。

3.归纳的边界

“你可能时常听到这样一种观点：物理学家只不过是在识别模式……但在我看来，这种看法大错特错……当爱因斯坦的理论刚提出时，从实验观测层面而言，它并不是非有不可的。……爱因斯坦并不只是识别物理对象的运行模式，而是揭示出本就隐藏在世界之运行中的深刻的数学结构。”

——罗杰·彭罗斯

“识别模式”与“揭示结构”的不同，正标示了当下的人工智能跟科学发明所期待的人工智能之间的边界。机器学习界的主流观点与“压缩进步理论”（Schmidhuber，2008）相一致，该理论认为科学发现是由压缩数据的归纳欲求驱动的。在这一框架下，发现的“乐趣”正是复杂度降低的速率：原本复杂的观测经由更好的预测而在主观上变得简单了。这一归纳方法在数据丰赡的情境下取得了令人瞩目的成果：稀疏优化成功地从数据中提取了偏微分方程（Schaeffer, 2017），而“AI物理学家”（Wu and Tegmark, 2019）则从模拟的轨迹中重新发现了守恒定律。

然而我们认为，归纳的研究框架不足以解释广义相对论的发明。尽管爱因斯坦追求逻辑简洁，但他的发现过程并不是由数据压缩驱动的——主要是因为当时根本不存在具有统计意义的“监督训练集”可供压缩。

在广义相对论发明之时，牛顿引力并未遭遇任何经验危机。惯性质量与引力质量的等效性已被验证到 10⁻⁹的精度，而牛顿定律的精确度之高，误差之小，令人咋舌。当时唯一已知的异常——水星近日点的进动——并未被视为理论的失败，而是被视为尚未发现的“火神星”（Vulcan）这一隐藏变量存在的证据。

这凸显了“创造力即压缩”的根本局限：科学发明往往发生在缺少“有监督的误差信号”（即指机器学习中预测值与真实值之间的差值）的情况下。一个作为归纳优化引擎运行的人工智能，会发现牛顿理论的损失函数近乎为零。既然预测与观测没有显著偏差，就不会有任何梯度来驱使系统对时空进行根本性的重构。

如果现代Transformer模型连基本的算术规则都难以逆向工程（Gambardella等, 2024; Yang等, 2024），那么很难想象它在缺乏大规模数据集的情况下发明一种新的物理学。此外，即便数据可得，其归纳系统也有收敛于启发式捷径而非因果定律的风险。瓦法（Vafa）等人（2025）表明，如果缺少正确的归纳偏置（bias），基座模型往往会发现一些有缺陷的世界模型——它们虽然能匹配数据，却无法捕捉到底层结构。验证广义相对论所需的实验证据——从爱丁顿实验到GPS的相对论修正——都是在理论提出之后才出现的。爱因斯坦不是在压缩噪声数据集来拟合回归曲线，而是在构建一个逻辑框架，以揭开还未被数据披露的物理结构。

最后，有人可能会争辩，虽然爱因斯坦不是在压缩数据，但他寻求将惯性定律与引力定律统一为单一框架（最小描述长度），实则是在压缩假设空间。然而，逻辑的简洁性往往是事后所见。广义相对论的最终理论固然优雅，但通往它的道路却满是繁复错综，铺陈了被遗弃的张量和错误的方程。一个由数据压缩驱动的AI，更倾向于用一个参数来为牛顿引力打补丁（例如引入“火神星”假说），而不是将假设空间扩展至非欧几何——这一扩展先是增加了问题的复杂性，之后才简化了问题。

4.演绎的边界

“我看到的，一边是全体的感官经验，另一边是全体的书本中的概念与命题。概念与命题之间的关系，就其自身而言，是逻辑层面的……而概念与命题只有通过同感官经验的连接，才能获得‘意义’或‘内容’。”

——阿尔伯特·爱因斯坦

爱因斯坦明确区分了感官经验与逻辑加工这两个领域。在我们的框架中，后者对应演绎推理（A→S）：从一组公理推导出定理。

甚至探索广义相对论的动机，也包含强烈的演绎成分。驱动爱因斯坦的并非数据中的异常。牛顿观测史中并不存在什么“误差信号”；真正驱动他的是某种概念不一致：力学上的超距作用与正在兴起的电磁场理论之间的冲突。尽管现代大语言模型由于“信号微弱”（并不存在替换牛顿引力的现实需求）而难以生成类似的想法，但通过模仿麦克斯韦方程组来为引力提出一种场论，这一结构性任务本质上就是一种演绎。

一个为检索科学文献中的不一致而优化的现代AI系统，是有可能识别出这样的矛盾的。如同一个能识别“有缺陷的代码”的系统，AI可以标记出麦克斯韦方程组中的恒定光速与牛顿绝对时间的不相容。然而，识别错误与生成修正方案是两回事。虽然为引力提出场论的结构性任务是一个演绎过程，但选择正确的公理来解决冲突，所需要的不仅仅是逻辑一致性。

1913年至1915年的这段时期正说明了演绎之艰辛。它主要不是靠灵感的火花，而是靠艰苦的、机械的搜寻，以找到满足爱因斯坦公设的正确数学框架。这一阶段与现今神经符号人工智能（Neuro-Symbolic AI）的能力高度相似。爱因斯坦与马塞尔·格罗斯曼的合作，本质上是一个几何约束下的“搜索”过程。值得注意的是，他们曾将黎曼曲率张量识别为正确的数学对象，却因一个“致命错误”而将其弃置——即错误地认为它在静态场中无法退化为牛顿引力。在走了两年令人疲惫的弯路后，他们才修正错误、回到正轨，推导出最终的场方程。

数学发现的面貌近年来已经被自动化所改变。建立在依赖类型理论之上的证明助手，如Lean，已经发展成由大型库支持的稳健平台（mathlib Community，2019）。2024年，大语言模型在证明生成方面表现得惊人的顺畅：AlphaProof（Hubert等，2025）在国际奥林匹克数学竞赛（IMO）试题上达到了银牌水准。Gemini、DeepSeekMathV2和GPT-5等后继系统在2025年达到金牌水准；Aristotle（Achim等，2025）等系统则能为开放的研究问题生成已经验证的解答。

“十二岁那年，我体验了一种性质迥异的惊奇感——那是一本关于欧几里得平面几何的小书……书中的那些论断可以被如此确凿地证明，如此无可置疑。这种清晰与确定给我留下了难以言喻的印象。”

——阿尔伯特·爱因斯坦

沿着这一轨道，我们认为，如果把1915年爱因斯坦已得到的物理学假设作为初始条件输入给现代大语言模型，它或许可能推导出广义相对论。一旦场方程就绪，推导水星的近日点进动就是一个可验证的逻辑任务（A→S）。此外，当前的系统在理论上也有能力通过对公理子集进行系统性优化，识别并消除错误约束——例如爱因斯坦关于静态场的错误。

然而，这一能力伴随着一个关键限制。只有当“等效原理”等概念已经作为输入提供给人工智能时，人工智能才能演绎其结果。正如爱因斯坦所指出的，逻辑思考仅限于概念之间的连接；它无法从原始感官数据中生成概念本身。1913年的推导之所以失败，并不是因为逻辑有误，而是因为其公理假设是错误的。这便向我们引出了根本性的瓶颈：究竟是什么样的认知过程，使爱因斯坦得以首先得出了“等效原理”？要理解这一点，我们必须越过逻辑来考察“跳跃”（J）的机制。

最后，即使人工智能具备从爱因斯坦的公设推导出其方程的演绎能力，一个关于“意图”的根本问题依然存在。形式定理证明的目标通常是特定的某个猜想，而爱因斯坦并不是要证明一个定理，而是在构造一个关于现实的预测模型。诚然，水星近日点的异常提供了一个核查目标，但在当时它并没有被看得足够重要。最关键的是，爱丁顿对掠过太阳附近的星光引力偏折的测量这一决定性的验证，是在理论形成数年之后才得出的。演绎（A→S）严格来说是一个下游（downstream）过程：它展开某个理论的逻辑推论，但它既缺乏生成公理的上游能力，也缺少外部根基来验证这些公理。

5.溯因：缺失的“跳跃”

“随后，我一生中最快乐的想法突然降临……对于一个从屋顶自由下落的观察者来说——至少在他紧邻的周围——不存在引力场……因此，这位观察者完全有理由将自己的状态诠释为‘静止’。正是由于这一想法，那条极不寻常的实验定律，即在引力场中所有物体都以相同加速度下落，一瞬间便有了深刻的物理意义。”

——阿尔伯特·爱因斯坦

在缺少充足的数据时，心智如何构思新的公理？爱因斯坦的“最快乐的想法”给出了答案：操作式溯因（Manipulative Abduction；Magnani等，2009）。这一过程有赖于具身模拟——通过与心理模型的积极交互，以“做中想”的方式生成假说，由此触及纯靠演绎无法企及的知识。爱因斯坦并不是靠搜集观测数据把狭义相对论与引力联结起来的，而是通过模拟身处密闭环境中的观察者的身体感受。

我们将这一思想实验概念化为一个两阶段过程。第一阶段，通过模拟想象出一个观察结果；第二阶段，通过溯因推理为该观察结果推导出解释。像ARC-AGI（Chollet等, 2025）等现代基准测试已经能够检验后者。在ARC中，模型必须从稀疏样本（2至5个网格对）中推断出隐藏规则。由于数据过于稀疏，不足以支撑统计归纳，同时又缺乏演绎所必需的明确指令，所以解题系统必须要完成通向最合理解释的溯因跳跃才行。然而，正如我们接下来将要讨论的，ARC虽然捕捉到了逻辑跳跃，却缺失操作性的成分——也就是驱动爱因斯坦灵感的身体感受与具身模拟。

图2　爱因斯坦关于等效原理的思想实验（AI生成）。

以模拟作为物理情境的变异。第一个过程——发明一个问题以启动进程——用现代人工智能的视角可理解为“测试时强化学习”（Test Time Reinforcement Learning）。这一范式涉及发明某个问题的新变体，并学习如何求解它们。这一策略已经成功用于解决国际象棋中的“彭罗斯局面”（Zahavy等，2024），并在国际奥林匹克数学竞赛（IMO）中达到银牌水准（Hubert等，2025）。

然而仍有一个关键区别：国际象棋和数学中的符号变异受限于固定的规则（公理）；而爱因斯坦的变异则要求用一种尚未存在于数学中的物理直觉来发明新公理。他想象一名物理学家在一台于外太空深处做匀加速运动的电梯内（图2）。在这个封闭舱体中，感官经验揭示出一个特定模式：当物体被释放时，地板会迅速迎上来接住它们。在这位物理学家看来，无论物体由什么构成，它们似乎都以相同加速度下落。因此，这一模拟并不是对符号的排列，而是对知觉经验的操控。

溯因与物理先验。第二个过程是溯因推理：即对最佳解释的推断。不同于从前提推导至确定结论的演绎，溯因是为某项观察找到最简单且最可能的原因。

在爱因斯坦的场景中，现存的牛顿框架无法为他的思想实验提供令人满意的解释。他面对的是语言空间的沉寂——一种先验符号表征的缺失：

“无论什么词汇或语言，无论书面或口头的，在我的思考机制中似乎都不起任何作用。”

——阿尔伯特·爱因斯坦

为了填补这一虚空，他诉诸于一种物理直觉。因为加速中模拟到的感官经验与记忆中对重力的感官经验无法区分，爱因斯坦便通过溯因推断它们必定是同一现象。盒子内的场并非虚假的惯性效应；根据定义，它是一个真实的引力场。

从中文屋到世界模型。这种把抽象符号锚定在可感的物理模拟中的认知过程，称为操作式溯因（Magnani等，2009）。它与大语言模型的运行机制明显不同。

大语言模型精擅于归纳（从数据中寻找模式），但它们缺乏把符号接入物理现实所需的感官能动性。它们像高维度的“中文屋”（Harnad，1990）：虽操作着物理学的语言，却无法触及赋予这些语言意义的物理指称。这一限制使AI无法作出溯因跳跃（E→A）。爱因斯坦可以基于下落中身体的物理体验来建立公理，而大语言模型只能限于对既有文本进行逻辑演绎。

物理根基的缺失正是近期对人工智能批判的核心。专家认为，尽管当下的系统精通语言，但是仍缺少推理物理现实所需的空间智能（Li，2025）和内部世界模型（LeCun，2022）。由于无法感知世界和与之互动，大语言模型在幼儿都能轻易完成的空间推理任务上都显得吃力。

世界模型的出现为弥合这一鸿沟提供了一条路径，但需注意视觉预测与交互式模拟的关键区别。当前的视频生成模型（如Veo）表现出的直觉物理（Hassabis，2025）主要只是统计相关的副产品。它们能正确生成一个下落的苹果，并不是因为它们建模了引力，而是因为“下落”是其训练分布中无支撑物体最常见的延续方式。

不过，近来Genie（Bruce等，2024）等架构标志着一种根本性的转变：它们把动作可控性引入了生成式世界模型。与被动的视频生成模型不同，Genie会学习一个动作空间（action space），允许智能体主动干预虚拟环境——而这正是操作式溯因（“做中想”）的前提条件。要复现爱因斯坦的电梯思想实验，AI不能仅仅观看电梯的视频；它必须具备反事实干预的能力（Pearl and Mackenzie, 2018）。它必须能够实质性地掌控模拟，比如在想象中切断电梯的缆绳。我们认为，这类交互式环境的未来版本应是运行在一致的隐式物理流形（latent physics manifold）之上的，而不是仅仅处理像素，它们将提供某种模拟实验室，以便于把溯因跳跃从一种神秘的洞见转化为可重复的算法过程。

最后很重要的一点是，爱因斯坦依凭其物理直觉，利用重力感受来修剪公理的可能搜索空间。然而，操作式溯因远不限于物理学。历史上的科学革命常常由强烈的、先于符号的直觉所驱动——无论是开普勒的新柏拉图主义式的太阳中心信念，还是驱动马克思构建资本模型的那种“客观的愤怒”。要使发明变得自动化，我们或许需要这样的系统：它们不仅能模拟世界，还对世界应当如何被架构持有坚定的信念或直感，并运用模拟来检验这些具体的直觉。

6.结论

本文提出了一个根本性的问题：如果把爱因斯坦当时可获得的知识交给现代人工智能，它能否发明广义相对论？我们的研究表明，对于当前的大语言模型而言，答案是否定的。尽管这一领域已经成功地把归纳（经由统计压缩）和演绎（经由形式验证）机械化了，但仅凭这些机制，仍不足以维持科学发明所需的循环。

位于主流的“创造力即压缩”假说无法解释该发现，因为它预设了一种普遍存在的误差信号。然而，牛顿范式当时并未面对这样的危机；验证广义相对论所需的数据也直到理论形成数年之后才出现。此外，尽管演绎范式为能在公理设定之后推导出场方程提供了道路，但是它终究只是下游过程——是发明循环中的验证环节，而不是发明机制本身。

即便在当今最强大的自动化发现系统中，这一限制也清晰可见。Sakana的AI Scientist（Lu等，2024）和Google DeepMind的AlphaEvolve（Novikov等，2025）等智能体展示了将科学循环和进化优化（Evolutionary Optimization）加以机械化的巨大威力。然而，它们也正好凸显了我们所见的溯因鸿沟。AI Scientist重组现有的符号概念以优化指标——这一精妙复杂的“中文屋”操作，缺乏发明公理所需的先于符号的感官根基。类似地，AlphaEvolve虽然在固定框架内的优化表现卓越，但它依赖于梯度；相比之下，爱因斯坦从牛顿力学中并未获得任何可驱动其发现的误差信号。这些系统缺乏执行反事实物理模拟所需的具身世界模型，而这种模拟正是驱使溯因跳跃并达至全新范式的关键。

我们的分析明确了关键的瓶颈在于从感官经验到形式化公理的直觉跳跃（E→A）。爱因斯坦并不是通过搜索符号来发现广义相对论的；他是通过模拟一位下落观察者的感官体验来发现它的。等效原理的提出是自足的物理溯因探索，其前提完全靠头脑中的模拟确立，独立于即时的外部验证之外。

为了构建具有真正发明能力的人工智能，我们必须超越只会阅读科学文献的系统，走向能够感知物理世界的系统。物理一致的世界模型的兴起，为实现模拟实验室提供了道路。通过让智能体运行反事实模拟来“体验”思想实验的物理结果，我们或许终将可以把直觉与逻辑之间的反馈循环机械化。

文章精选：

1.图灵奖得主姚期智最新演讲： AI有边界，恰恰是好事