在全球物理学界，一场关于人工智能（AI）与科研未来的深度讨论正在掀起波澜。哈佛大学理论物理学家Matthew Schwartz近日在APS全球物理学峰会上抛出惊人观点：借助AI增强人类智能，未来一个世纪内或将催生一万个“爱因斯坦级”科学家，彻底颠覆传统科研模式。
Schwartz的核心论点基于对AI智力增长速度的预测。他指出，大型语言模型（LLM）的参数量正以每年10倍的指数级速度扩张，而人类大脑的进化却陷入停滞。这种不对称发展意味着，AI可能在五年内突破人类智能的临界点。他以物理学家的天赋分布为例，认为AI能将这条“正态曲线”在天赋轴上整体抬升，使原本罕见的科学天才变得“批量可复制”。
这一观点与DeepMind工程师Matthew Ginsberg形成鲜明对比。Ginsberg承认AI在数据处理和模式识别上的优势，但强调物理学家的核心价值在于“提出正确的问题”。他以国际象棋为例：AI可以击败人类冠军，但发明这项游戏的始终是人类。“伟大的科学突破往往始于非共识性的提问，而这正是AI目前无法复制的创造力。”
尽管存在分歧，两位学者均预测AI将在十年内掌握“提问能力”。Schwartz甚至设想，未来的科研场景可能是人类与AI形成“共生关系”——人类负责设定宏观目标，AI则处理从理论推导到实验验证的全流程。这种模式在OpenAI的“北极星计划”中已现雏形：该计划旨在2028年前构建能独立攻克跨学科难题的“AI科学家”系统。
OpenAI首席科学家Jakub Pachocki透露的路线图显示，其研发将分三阶段推进：2026年前实现特定领域的“自主AI研究实习生”，2028年部署能协作完成全流程科研的“多智能体实验室”，最终目标是打造通用型科学智能。他以代码编写为例：过去需一周完成的实验，AI现在只需一个周末，且错误率显著低于人类新手。但Pachocki同时强调，AI在核心架构设计等复杂任务上仍需人类监督，“它尚未达到主导全局的层次”。
这场辩论背后，折射出科学界对AI的复杂心态。一方面，AI在粒子物理、药物研发等领域的突破性应用（如AlphaFold预测蛋白质结构）已证明其潜力；另一方面，学者们担忧过度依赖AI可能导致“科学品味”的退化——那些无法被数据量化的直觉判断和美学选择，或许才是人类在科研版图上的最后防线。
正如Schwartz所言：“当AI能处理所有可计算的问题时，真正决定科学方向的，将是人类对‘优雅理论’的永恒追求。”这场智力平权的浪潮中，科学家们正在重新定义：在算法与进化之间，什么才是不可替代的人类特质。
