给 AI 一个 1901 年的世界，它能发明相对论吗？

一句话看懂：Google DeepMind CEO 哈萨比斯提出一个思维实验：如果把 AI 的知识截止在 1901 年，它能像爱因斯坦那样在 1905 年提出狭义相对论吗？答案是否定的——因为相对论不是知识补全，而是一次“范式切换”，核心在于怀疑和推翻旧知识的前提，这正是当前 AI 的能力盲区。

事件核心：发生了什么

哈萨比斯在讨论 AI 创造力时，区分了两类能力：一是在既定问题中找答案，二是提出新理论。他设想了一个测试——训练一个截止于 1901 年的 AI，只让它接触牛顿力学、麦克斯韦方程和迈克尔逊-莫雷实验等当时已有的知识，观察它能否独立提出狭义相对论。分析认为，AI 可以识别理论矛盾、生成多种解释方案，但无法完成最关键的一步：质疑绝对时间这一基础前提。相对论不是从旧知识中“推导”出来的，而是重新定义了时空与运动的方式，属于真正的科学革命。

为什么重要

这个测试直接触及了当前大语言模型创造力的本质边界。当前 AI 通过预测下一个令牌来生成内容，其“合理性标准”完全来自训练数据中的旧知识。即使给它所有 1901 年前的资料，它更可能提出新的以太模型或更精密的探测实验，而不是质疑以太是否存在。AlphaGo 能走出“第 37 手”那样的惊艳操作，但围棋的规则和目标都是固定的；相对论要求的是改变问题本身——这需要三个关键能力：识别矛盾后主动推翻前提、从众多假说中识别出反常方向的价值，以及因理论不协调而产生主动追问的内在动力。目前 AI 三者都不具备。

对用户/开发者/创作者的影响

对科研工作者和开发者而言，这意味着 AI 仍是一个强大的“加速器”而非“替代者”。文献整理、计算推导、错误方向筛选等重复性工作可以高效交给 AI 完成，让科学家把精力集中在判断与选择上。但对于依赖 AI 进行前沿研究或原创内容创作的团队，需要清醒认识其边界：AI 可以在既定框架内优化答案，却不会主动怀疑框架本身。开发者在设计 AI 辅助研究工具时，应将人置于“判断矛盾是否值得追问”的核心环节，而非让 AI 自动生成结论后直接采纳。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

1. 哈萨比斯测试是否有更具体的实验设计？目前讨论停留在思维实验层面，DeepMind 是否计划真正训练一个知识截止的模型进行测试，值得关注。如果开展，结果将成为衡量 AI 科学创造力的重要标杆。
2. 当前大模型在“矛盾识别”与“前提质疑”之间的差距是否可能被新架构缩小？目前公开信息显示，AI 无法主动推翻训练数据中的核心前提，但未来是否有方法（如强化学习中的内部奖励机制）让模型产生“不协调感”，是值得跟踪的研究方向。
3. 科学发现 AI 工具的产品形态是否会因此调整？目前市场主流工具侧重文献摘要和假设生成，如果哈萨比斯的观点被广泛接受，可能会出现专门设计“前提检验”功能的 AI 系统，帮助人类科学家更快发现旧范式的裂缝。

来源：Readhub · AI