推文

@tvytlx · 2026-10-11 01:21

一个科学家本来觉得"这题没法解"，交给 AI 跑了 100 分钟，AI 解出来了。 答案是对的，他自己却没太看懂。 事情是这样的。 1988 年，三个物理学家搭了一个随机连接的神经网络模型，用来模拟大脑的自发活动。 连接强度一旦超过某个临界值，整个网络就进入混沌。 混沌就是蝴蝶效应：初始状态差一点点，后面的差距会指数级放大。 往不同方向推一下，放大的速度也不一样。每个方向都有自己的速度，这一整套速度叫 Lyapunov 谱。 当年他们只算出了最快的那一个，完整的谱留成了公开难题。 2023 年有人用计算机硬算出了数值结果，但解析解，也就是能用公式讲清楚的答案，一直没人拿到。 后来这个模型成了理论神经科学的基石之一。 Flatiron Institute 的 David Clark 研究这个模型很多年，他一直默认这题在解析上做不出来。 然后他把问题交给 GPT-6 Astra，开最高思考档，让它自己干了 100 分钟。 推导出来，和大规模网络的模拟结果对上了。 这个兄弟的原话是：有意思，挺复杂，还有点神秘。 所以他接下来干的事，是跟 AI 一起拆这个解的结构，一直拆到物理上说得通、同行也能看懂的程度。 论文里专门写了一节 AI 方法论，摘要里也直接写了和 GPT-6 Astra、Claude Opus 5.5 合作完成。 他说这是他目前为止最重要的纯理论突破。 我觉得最值得想的是分工变了。 以前科学家的活是找答案。 这次答案先出来了，人的活变成了搞懂它为什么对。 他还说，理论科学圈很多人对 AI 挺焦虑，但大脑里那些高维计算，我们离真正搞懂还差得远，所以他是兴奋的。 下一步，他想把这套方法用到 AI 模型本身身上。 用神经网络去算神经网络到底有多混沌。 https://x.com/fanofaliens/status/2108633769636925752

曝光 126 · 评论 1 · 点赞 0 · 书签 0 · 曝光/时 101.6477572218121