Mô Hình Ngôn Ngữ Không Thể Kích Hoạt Cách Mạng Khoa Học, Nhưng Mô Hình Thế Giới Có Thể

在一份题为'LLMs 无法跳跃'的立场文件中，Google DeepMind 的 Tom Zahavy 认为，语言模型无法引发科学革命，因为它们缺乏创造真正新思想的关键认知机制。他用爱因斯坦的发现模型作为一个循环：从感官体验经过直觉'跳跃'到公理，然后逻辑推导出可检验的结论。Zahavy 区分了三种推理类型：演绎、归纳和溯因，并声称语言模型处理归纳和演绎，但不处理'操纵性溯因'——即发明一个尚无语语言模板的原因。他以爱因斯坦的工作为例，指出当时并不存在数据危机；牛顿物理学高度精确，除了水星轨道的一个微小异常，一个纯优化的 AI 可能会发明一个假设的行星，而不是重新思考空间和时间。Zahavy 认为，爱因斯坦的'最快乐的想法'——自由下落的观察者——来自具身模拟，一种身体感觉，而非公式操作。他将其与阿基米德在浴缸中的尤里卡时刻相比。语言模型缺乏这种感官基础；它们就像'中文房间'——移动符号而无具身经验。他指出，像 Sakana 的 AI Scientist 和 DeepMind 的 AlphaEvolve 这样的系统可以自动化科学，但要么重组现有概念，要么需要清晰的错误信号，而爱因斯坦从未有这种信号。作为一个潜在途径，Zahavy 建议物理一致的世界模型：视频生成器如 Veo 只预测下一帧，但动作可控的世界模型如 Genie 允许代理干预和运行反事实实验，提供发明新公理所需的反馈。Zahavy 持谨慎态度，表示该论文'暗示'但未证明这种跳跃是关键的瓶颈。