在圆周理论物理研究所的一场引人瞩目的演讲中，谷歌DeepMind旗下Blueshift团队负责人亚当·布朗以“训练沙子思考：通用人工智能与物理学的未来”为主题，向听众描绘了人工智能技术对科学研究领域的颠覆性影响。这场演讲不仅获得诺贝尔物理学奖与图灵奖双料得主杰弗里·辛顿“精彩绝伦”的高度评价，更引发学界对AI与基础科学融合路径的深度思考。
布朗的学术履历堪称理论物理与人工智能的跨界典范。这位曾执教于斯坦福大学、研究领域横跨宇宙学与量子计算的学者，自2018年加入谷歌后，主导了Gemini大模型核心算法开发。他坦言，近年来已停止撰写传统物理学论文，转而专注于构建能“工业化生产知识”的智能系统——这种转变恰是当前科研范式变革的缩影。
演讲核心聚焦于大语言模型（LLM）的进化逻辑。布朗用“培育神经元”的比喻解释技术本质：不同于传统程序编写，现代AI通过海量文本的“预测下一个词”训练，让神经网络自主形成认知能力。这种生长式发展模式使系统参数量在十年间从十亿级飙升至万亿级，尽管仍远低于人脑突触规模，但已展现出超越人类专家的解题能力。
支撑这场智能革命的关键在于物理学界贡献的“缩放定律”（Scaling Law）。布朗指出，当训练算力、数据规模与模型参数按特定比例扩大时，系统性能会呈现稳定的对数增长曲线。这条被验证跨越八个数量级的规律，直接催生了资本市场的疯狂投入——当前单次顶级训练成本已达数亿美元，但相对于全球GDP规模仍具巨大提升空间。
基准测试的快速失效印证着AI的指数级进化。2020年MATH高中数学测试中，最先进模型仅得6%，而到2024年已突破90%大关；面向博士生的GPQA测试在同年被攻克；更令人震惊的是，布朗团队开发的系统在2025年国际数学奥林匹克竞赛中斩获金牌，其证明过程被组委会评价为“具有人类数学家般的抽象思维”。这些突破并非偶然，布朗展示的斯坦福广义相对论期末考试结果显示，AI在未接触过题目的前提下同样取得满分。
尽管展现惊人能力，布朗也坦承当前系统存在根本性缺陷。在演示经典逻辑谜题时，模型虽能正确解答“医生是母亲”的脑筋急转弯，却无法理解题目反转后的“医生是父亲”情境，暴露出训练数据偏见导致的认知盲区。这种“模式化思维”限制，使得AI在需要战略判断的科研领域仍需人类协作。
人机协作的新模式正在改写科研规则。布朗团队与职业数学家合作的“半人马模式”证明，AI可作为思维伙伴提出创新性证明路径，再经人类专家完善形成学术论文。这种协作在2026年初取得突破性进展——OpenAI模型独立推翻了埃尔德什1946年提出的“单位距离猜想”，构造出超越传统认知的点集结构，该成果经菲尔兹奖得主复核确认，标志着AI首次在纯数学领域取得重大原创突破。
回顾国际象棋AI的发展轨迹，布朗预测科学研究将经历类似进化：从辅助工具到半人马协作，最终迈向超人时代。当前AI在战术执行层面已超越人类，但战略规划能力仍在提升中。他特别指出，尽管最强棋手现已完全依赖AI训练，但人类棋艺整体水平反而达到历史巅峰，这种共生关系或将重塑未来科研生态。
即便假设AI能力就此停滞，现有技术也足以重构物理学研究范式。布朗列举了四大应用场景：作为24小时在线的跨学科导师、超越传统编程范式的计算工具、全文献库的智能检索系统，以及激发创意的头脑风暴伙伴。这些优势源于AI可无限复制的特性——培养一个物理学家需要数十年，而训练成功的模型能同时支持数万研究者使用。
