理论物理学家、科普作家Matt von Hippel曾向AI公司发出挑战:用学术机构级别的计算资源,解决散射振幅领域的一个重大未解难题,例如将N=4超对称杨-米尔斯理论推进到九圈。一个月后,Anthropic的两位物理学家Liam Fitzpatrick和Siddharth Mishra-Sharma通过Claude Science平台使用Fable 5.1模型完成了这一挑战。团队仅给Claude一条简单问题指令,之后只需定时发送’继续工作’的提示。Claude分别以bootstrap方法和形状因子方法独立完成计算并交叉验证,总成本约1000至2000美元,其中bootstrap计算仅花费约100美元,相当于96个CPU运行一周。SLAC国家加速器实验室的Lance Dixon独立验证了结果正确性,并评价Claude对其团队多年研究论文的理解可能超过任何人类。几乎同时,中科院Song He团队借助GPT-6辅助也完成了大部分计算。von Hippel总结,AI并未发明新物理方法,而是以更充足的算力和更好的软件工程实践执行了人类已知的成熟技术,这表明科学领域的’低垂果实’远比专家预期的更多,AI已能可靠地自主完成前沿科学计算。
事件分析
技术层面,此次突破并非源于新物理方法,Claude使用的是领域内成熟的bootstrap技术与既有计算框架,真正值得注意的是执行可靠性——整个计算链路极为脆弱,任何环节出错都会导致全盘失败,而AI在无科研人员深度干预下一次性跑通全程。产业层面,Claude Science这类harness架构(LLM叠加结构化规则与提示词)正在成为AI科研的主流范式,竞争焦点从底层模型转向工程化封装。一个常被忽视的细节是,Claude选用Python+SymPy而非物理学界惯用的Maple或Mathematica,软件工程生态的代差可能是AI表现超出专家预期的原因之一。后续值得关注的走向包括:真实世界散射振幅计算是否同样存在低垂果实、其他实验学科能否复制这种自主长时计算模式,以及学术界如何建立针对AI产出的系统性验证机制。
核心观点:AI尚未学会创造新方法,但已能廉价可靠地执行人类最难的计算——科学界的低垂果实远超专家预期。
原文链接:Hacker News