在全球物理學界，一場關于人工智能（AI）與科研未來的深度討論正在掀起波瀾。哈佛大學理論物理學家Matthew Schwartz近日在APS全球物理學峰會上拋出驚人觀點：借助AI增強人類智能，未來一個世紀內或將催生一萬個“愛因斯坦級”科學家，徹底顛覆傳統科研模式。
Schwartz的核心論點基于對AI智力增長速度的預測。他指出，大型語言模型（LLM）的參數量正以每年10倍的指數級速度擴張，而人類大腦的進化卻陷入停滯。這種不對稱發展意味著，AI可能在五年內突破人類智能的臨界點。他以物理學家的天賦分布為例，認為AI能將這條“正態曲線”在天賦軸上整體抬升，使原本罕見的科學天才變得“批量可復制”。
這一觀點與DeepMind工程師Matthew Ginsberg形成鮮明對比。Ginsberg承認AI在數據處理和模式識別上的優勢，但強調物理學家的核心價值在于“提出正確的問題”。他以國際象棋為例：AI可以擊敗人類冠軍，但發明這項游戲的始終是人類。“偉大的科學突破往往始于非共識性的提問，而這正是AI目前無法復制的創造力?！?/p>
盡管存在分歧，兩位學者均預測AI將在十年內掌握“提問能力”。Schwartz甚至設想，未來的科研場景可能是人類與AI形成“共生關系”——人類負責設定宏觀目標，AI則處理從理論推導到實驗驗證的全流程。這種模式在OpenAI的“北極星計劃”中已現雛形：該計劃旨在2028年前構建能獨立攻克跨學科難題的“AI科學家”系統。
OpenAI首席科學家Jakub Pachocki透露的路線圖顯示，其研發將分三階段推進：2026年前實現特定領域的“自主AI研究實習生”，2028年部署能協作完成全流程科研的“多智能體實驗室”，最終目標是打造通用型科學智能。他以代碼編寫為例：過去需一周完成的實驗，AI現在只需一個周末，且錯誤率顯著低于人類新手。但Pachocki同時強調，AI在核心架構設計等復雜任務上仍需人類監督，“它尚未達到主導全局的層次”。
這場辯論背后，折射出科學界對AI的復雜心態。一方面，AI在粒子物理、藥物研發等領域的突破性應用（如AlphaFold預測蛋白質結構）已證明其潛力；另一方面，學者們擔憂過度依賴AI可能導致“科學品味”的退化——那些無法被數據量化的直覺判斷和美學選擇，或許才是人類在科研版圖上的最后防線。
正如Schwartz所言：“當AI能處理所有可計算的問題時，真正決定科學方向的，將是人類對‘優雅理論’的永恒追求?！边@場智力平權的浪潮中，科學家們正在重新定義：在算法與進化之間，什么才是不可替代的人類特質。
