谷歌DeepMind认为，大型语言模型永远无法做出真正的科学发现。

他们发表了一篇论文，剖析了阿尔伯特·爱因斯坦对科学发现的私人观点。

在给朋友莫里斯·索洛文的著名信件中，爱因斯坦绘制了一幅科学实际发生过程的图表。

这是一个循环回路。

首先，你体验原始感官数据。然后，通过一种神秘的、非逻辑的直觉行为，你做出一个直觉性的“跳跃”，到达抽象公理。最后，你使用严格的逻辑演绎，从这些公理中推导出结果。

生成式AI已经完全掌握了这个回路的三分之二。

• 归纳：跨越数十亿标记的统计模式匹配。• 演绎：形式化证明生成，比如AlphaProof解决复杂数学奥林匹克竞赛。

AI可以处理数据，它也可以证明定理。

但它无法做出那个跳跃。

论文认为，AI完全缺乏溯因推理，即在观测数据稀缺时生成新颖解释性假设的过程。

主流科技神话宣称“创造力只是数据压缩”。如果给大型语言模型输入足够多的文本，科学突破就会自然而然地冒出来。

爱因斯坦对广义相对论的表述证明了这是妄想。

当爱因斯坦表述相对论时，观测数据并不要求一个新的物理框架；经典力学仍然大获成功。这个突破需要一个概念断裂。从物理现实到全新基础公理集的直觉飞跃。

大型语言模型可以在给定公理后执行数学计算。但它在结构上无法自行表述这些前提。

它可以在现有的人类思想内部进行插值，但它无法超越它。

将物理现实转化为形式公理仍然是人工科学发明中绝对的、难以逾越的瓶颈。

我们可以构建拥有万亿参数的模型。我们可以将计算能力扩展到天际。

我们可以让计算器无限快速。

但在解决 grounding 问题之前，机器可以处理宇宙中所有数据。

它仍然无法做出那个跳跃。