Искусственный интеллект GPT-1900 воспроизводит инсайт Эйнштейна 1905 года о световых квантах

icon MarsBit
Поделиться
AI summary iconСводка
AI и крипто-новости: недавний эксперимент, в котором исследователь обучил GPT-1900 исключительно на знаниях до 1900 года. Модель сгенерировала утверждение, похожее на теорию световых квантов Эйнштейна 1905 года, но испытала трудности с большинством физических задач. Анализ данных в блокчейне и ИИ показал, что модель сильно зависела от подсказок, что вызывает сомнения в её способности к рассуждению.

Если отправить ИИ обратно в 1911 год и ограничить его знаниями, доступными Эйнштейну, сможет ли ИИ к 1915 году сформулировать теорию относительности?

GPT-1900

Этот кажущийся абсурдным тест от лауреата Нобелевской премии и сооснователя Google DeepMind Хасбиса.

Что на самом деле хочет проверить Хасбис, так это может ли ИИ, обладая только знаниями 1911 года, самостоятельно столкнуться с актуальными тогда научными и физическими проблемами, предложить новую объяснительную рамку и выполнить рассуждения, выходящие за пределы обучающих материалов, а не просто повторять ответы.

Если это возможно, он считает, что это станет мощным тестом для AGI.

GPT-1900

Самый умный аспект этой идеи заключается в том, что история науки уже告诉我们, что произошло; если мы сможем правильно контролировать узлы знаний, у нас появится возможность сопоставить с историей и наблюдать, приобрел ли модель способность к рассуждению, выходящую за пределы обучающих данных.

В статье Nature также дал этим тестам довольно громкое название:

Einstein test.

GPT-1900

Более того, кто-то действительно взялся за это.

В марте этого года независимый исследователь Майкл Хла продвинул дату ограничения знаний еще дальше — до 1900 года, и с нуля обучил историческую языковую модель GPT-1900, пытаясь заставить ее заново открыть кванты света, специальную и общую теории относительности.

GPT-1900

В эксперименте GPT-1900 внезапно выдал утверждение, крайне похожее на работу Эйнштейна 1905 года:

Свет может быть не непрерывным, а состоять из многих отдельных частей с различными частотами.

Но в результате этого эксперимента не родился «ИИ-Эйнштейн».

Поскольку GPT-1900 не справился с большинством физических задач, его впечатляющие ответы также сильно зависят от вопросов и подсказок, подготовленных людьми, и даже тот, кто якобы был заключен в мир знаний 1900 года, не смог полностью изолироваться от влияния современного ИИ.

Nature в последнем исследовании проанализировала эти попытки и обратила внимание на более сложный вопрос, чем «правильно ли ИИ ответил»:

Может ли ИИ действительно создавать настоящие новые идеи? И чего ему не хватает, чтобы стать ученым?

GPT-1900

Заперев ИИ в 1900 год, он породил тень «светового кванта»

22 миллиарда токенов, чтобы создать «мозг 1900 года»

Майкл Хла назвал свой проект Machina Mirabilis.

Это название заимствовано из «чудесного года» Эйнштейна.

В 1905 году 26-летний Эйнштейн опубликовал четыре статьи, изменившие физику, о квантах света, броуновском движении, специальной теории относительности и соотношении массы и энергии.

Этот год массового производства позже был назван «Annus Mirabilis» — «чудесным годом».

GPT-1900

Генерация изображений с помощью ИИ

Хла хочет знать: если бы ИИ обладал знаниями, доступными Эйнштейну в то время, смог бы он также пережить свой собственный «чудесный момент»?

Для этого он с нуля обучил Transformer-языковую модель с 3,3 миллиардами параметров с использованием обучающего фреймворка Andrej Karpathy nanochat и назвал её GPT-1900.

Основные материалы предварительного обучения модели поступили из книг и газет до 1900 года, в общей сложности около 22 миллиардов токенов.

GPT-1900

Для усиления своих исследовательских возможностей Хла собрал более 2600 исторических физических книг, журналов и научных трудов, включая «Оптику» Ньютона, а также работы Максвелла и Фарадея, сформировав исторический физический корпус объемом около 290 миллионов токенов.

Кроме того, Хла также специально очистил данные, которые могли содержать утечку ответов.

Если в документе встречаются современные понятия, такие как «Эйнштейн», «квантовая механика», «теория относительности», весь документ будет удален. Предисловия, сноски, добавленные современными людьми, а также слова, явно не относящиеся к периоду до 1900 года, также должны быть отфильтрованы.

GPT-1900

GPT-1900

В результате всех этих действий возник мозг, который теоретически «не знает физики XX века».

GPT-1900 подошел к порогу квантового света, но этот экзамен, возможно, уже «списали»

Затем Хла задал GPT-1900 задачу по фотоэлектрическому эффекту, суть которой:

Почему при недостаточно высокой частоте даже самый яркий свет не выбивает электроны, тогда как повышение частоты позволяет электронам получать больше энергии?

В то же время Хла приложил несколько ключевых подсказок:

Когда частота света ниже определенного порога, даже самая яркая подсветка не поможет;

После превышения порога увеличение яркости в основном увеличивает количество выбитых электронов, а увеличение частоты увеличивает кинетическую энергию электронов;

Также были представлены тогдашние популярные классические гипотезы, чтобы модель могла сравнить и определить, где возникла проблема.

Эти противоречия в конечном итоге были разрешены объяснением Эйнштейна квантов света:

Энергия света передается порциями, и энергия каждой порции связана с частотой.

Хла хочет посмотреть, на каком этапе может оказаться GPT-1900?

Усердие вознаграждается, и GPT-1900 действительно дал такое описание в одном из ответов, по сути:

Свет может быть не непрерывным, а состоять из многих отдельных частей с различными частотами.

GPT-1900

Это действительно очень напоминает объяснение Эйнштейна о том, что энергия передается порциями, и Хла также описал это как «вспышку интуиции».

Но не спешите сразу вручать Нобелевскую премию.

Хла признал: GPT-1900 еще далеко от «переоткрытия кванта света».

Он провалился в большинстве физических задач, а те ответы, которые кажутся прорывом, возможно, просто результат того, что модель склеивает правдоподобные фразы, но не обладает по-настоящему надежным пониманием физики.

GPT-1900

Более того, на протяжении всего теста Хла уже отфильтровал явления и устранил противоречия; задача модели — лишь определить, какая гипотеза может быть ошибочной, и дать объяснение.

Это намного проще, чем ученым самим искать проблемы и определять направления.

Во времена Эйнштейна никто не выделял для него ключевые моменты.

И что еще более сложно, то, что находится в «1900 году», не полностью герметично:

Хла провел предварительную обработку данных для этого «мозга 1900 года», но в ходе эксперимента все еще полагался на помощь современных ИИ-моделей Claude — генерировал инструкции и ответы с помощью моделей Claude Sonnet 4, Claude 3 Haiku, а также использовал современные модели для оценки в процессе обучения с подкреплением.

GPT-1900

△ Подробности можно просмотреть по ссылке на репозиторий в конце текста

Это означает, что, хотя Хла отфильтровал содержание, связанное с современными знаниями, «комната 1900 года» также не была полностью изолирована от современных знаний.

Сам экспериментатор признал в журнале: вмешательство современных моделей поставило под сомнение «нулевое загрязнение» этого эксперимента…

В конце концов, исследователям сложно доказать, видел ли GPT-1900 квантовую теорию света.

То есть, прежде чем оценивать креативность ИИ, исследователи должны сначала доказать один факт: он не подсматривал ответы.

Если даже одна послесловная информация проникнет в обучающий набор, «переоткрытие» может превратиться в тайное извлечение знаний.

Даже если в будущем действительно удастся создать модель с полным отсутствием загрязнений, остается нерешенным более фундаментальный вопрос:

Просто воспроизведение правильного ответа достаточно, чтобы назвать ИИ ученым?

Ответ исследователей — нет.

После появления новых идей, насколько далеко ИИ от ученых?

Исследователь Google DeepMind Том Захави в статье под названием «LLM не могут прыгать» разделил научные рассуждения на три уровня.

Первый способ — индукция: выявление закономерностей на основе большого количества примеров.

Второй — дедукция: вывод необходимого заключения из имеющихся посылок.

Третий — абуктивный: при столкновении с аномальным явлением изобретается причина или объяснение, которых ранее не существовало.

Захави считает, что современные крупные модели уже отлично справляются с индукцией и быстро улучшают способность к дедукции, но все еще не обладают эйнштейновским «абдуктивным прыжком».

Модель может продолжать логическую цепочку, уже проложенную ранее, но с нуля трудно сформулировать совершенно новую объяснительную рамку.

GPT-1900

Заголовок всё говорит сам за себя

Не только это, но и Сендхил Муллайнатан, изучая базовую модель орбит планет, столкнулся с тем же явлением:

В заданных орбитальных миссиях планет модель делает точные прогнозы; но при смене сценария она не может применять законы Ньютона обобщённо. Она скорее временно складывает набор правил для каждого набора данных и не может отличить, какие теории действительно верны и заслуживают проверки, а какие просто случайно совпадают с текущими данными.

Это как если бы студент выучил ответы на все прошлые экзаменационные задачи, но так и не понял базовые принципы, лежащие в их основе — и когда преподаватель немного менял цифры, он уже не мог решить задачу.

GPT-1900

Митчелловский ученый-компьютерщик Джейкоб Андреас отметил, что сама по себе способность ИИ генерировать релятивистские формулировки, возможно, не является самой сложной задачей; настоящая трудность заключается в том, может ли он определить, какие теории являются правильными или, по крайней мере, заслуживают экспериментальной проверки.

Ведь создание теории — это лишь первый шаг; только понимание, какая теория стоит того, чтобы вложить в неё время, финансовые ресурсы и карьеру, может превратить ИИ в настоящего учёного.

Кроме того, Андреас также подчеркнул:

Как определить, стоит ли углубляться в ту или иную идею, и как оценить её значимость — вот в чём главное различие между ИИ и человеческими экспертами.

Потому что настоящая научная работа никогда не состоит в решении готовой задачи, а заключается в самостоятельном принятии решений в хаосе.

Возможно, однажды в будущем, с развитием технологий, ИИ действительно пройдет «тест Эйнштейна» и выведет результаты уровня теории относительности;

Но прежде чем объявить, что ИИ стал Эйнштейном, ИИ должен как минимум доказать всем одно:

Когда за него никто не выделяет ключевые моменты, он всё равно способен сам найти вопрос, заслуживающий внимания, оценить его ценность и активно проверять и корректировать его.

Иначе он будет только повторять уже имеющиеся знания, а не настоящий ученый.

GPT-1900

Ссылка для справки:

[1]https://www.nature.com/articles/d41586-026-02804-x?utm_source=x&utm_medium=social&utm_campaign=nature&linkId=63673104

[2]https://michaelhla.com/blog/machina-mirabilis.html

[3]https://github.com/michaelhla/gpt1900/blob/master/PROJ EC T_LOG.md#4-генерация-данных-инструкций

[4]https://www.tomzahavy.com/files/llms-cant-jump.pdf

[5]https://arxiv.org/abs/2507.06952

[6]https://x.com/Nature/status/2099077628900565498

Эта статья взята из официального аккаунта WeChat «Quantum Bit», автор: Вэнь Тин

Отказ от ответственности: Информация на этой странице может быть получена от третьих лиц и не обязательно отражает взгляды или мнения KuCoin. Данный контент предоставляется исключительно в общих информационных целях, без каких-либо заверений или гарантий, а также не может быть истолкован как финансовый или инвестиционный совет. KuCoin не несет ответственности за ошибки или упущения, а также за любые результаты, полученные в результате использования этой информации. Инвестиции в цифровые активы могут быть рискованными. Пожалуйста, тщательно оценивайте риски, связанные с продуктом, и свою устойчивость к риску, исходя из собственных финансовых обстоятельств. Для получения более подробной информации, пожалуйста, ознакомьтесь с нашими Условиями использования и Уведомлением о риске.