上周,我参加了麻省理工学院(MIT)尼尔·汤普森(Neil Thompson)的一场演讲,他专注于计算机和人工智能领域的进展。在短短半小时内,汤普森有力地论证了多个科学领域即将被人工智能颠覆的趋势。
随着数学领域因人工智能自动化而震荡,汤普森最新的研究表明,概率论、统计理论、经济理论、高能理论、引力与宇宙学以及量子物理等领域可能成为下一个受影响的对象。这得益于前沿模型能力的快速提升。研究显示,从2024年中到2026年中,最先进的人工智能模型在解决这些领域理论问题的正确率从约2%提升至35%。而且,这一进步没有放缓的迹象。
“预计在未来几年内,人工智能解决理论问题的能力将彻底改变许多领域,”汤普森说。
汤普森的实验室主要研究计算机科学的进步如何影响社会和推动创新。这项研究由汤普森与博士生加布里埃尔·曼索(Gabriel Manso)及研究科学家克劳迪奥·马伊林克·维尔顿(Claudio Mayrink Verdun)共同完成。他们选取了2025年12月至2026年5月间在线发布的研究论文中的问题,测试了不同的OpenAI模型——包括o1、o3、GPT-5、GPT-5.1、GPT-5.4和GPT-5.5——是否能够解决这些问题。
关键在于,这些问题的解决方案均来自于GPT-5.5及之前模型训练截止日期之后发表的论文,意味着模型必须自主推导答案,而非依赖训练数据中的现成答案。(这些论文作为测试模型解题能力的“标准答案”)。研究人员还切断了模型的网络访问,防止它们在线查找答案。
研究范围有限,主要聚焦于那些人工智能无需运行模拟或实验即可推理的问题领域。但研究结果表明,目前数学领域所经历的冲击波很可能会扩散到其他以数学和理论为主的科学领域。

今年9月,OpenAI震动数学界,宣布一款未公开模型成功解决了长期悬而未决的数学难题——纳维-斯托克斯方程(Navier-Stokes),该方程描述流体运动行为。这一事件引发争议,纽约大学一位数学家指责OpenAI在得知他们的进展后抢先发布成果。
此后,OpenAI及其他机构公布了数百个长期数学难题的解决方案,引发数学界的危机感。一些数学家呼吁限制人工智能的使用,警告说解题过程本身往往与最终答案同样重要。
汤普森指出,正如数学领域一样,其他领域的进步也将带来利弊。他强调理论进展有时会推动科学的实际应用,更多地利用人工智能可能加速这种进步。
部分知名人工智能研究者已成立专注于科学领域的AI实验室,主要人工智能机构也在加大科学研究投入,探索如何让人工智能在理论分析之外参与实际实验。人工智能或许能解决关键理论问题,但研究人员认为,专家仍然必不可少,他们负责理解和验证这些解决方案的合理性。
“我们仍然需要人类提出好的创意,串联各个点,”曼索说。他补充道,对于非常复杂的问题,人工智能可能会犯错。(事实上,OpenAI在最新数据集中撤回了若干解决方案。)“我们还需要验证机制,因为模型很容易告诉你‘这是正确答案’,但当你审视整个解答时,可能会发现并非如此。”


