AI科研高效姿势：别把Claude当科学家，哈佛教授3个月出36篇

现在全世界所有人都在教人工智能去干科研这事儿，但是有人叫施瓦茨的家伙认为, 这个做法可能从一开始就走歪了方向, 他根本就不用等那种下一代模型发布出来这件事情, 他就把自己手里正拿着的这款名叫克劳德的人工智能给用起来了, 然后硬是逼出了十五个费曼积分数, 这前头可从来没有人算得过这些东西呢, 他用了三个月的时间把横跨十八个学科的范围给覆盖了, 并且做出了三十六篇论文的初稿。

熬三周它只用20分钟

Schwartz为了那一组计算结果, 硬是花了好几周的时间, 一行一行地手写代码去慢慢完成。相比之下, Claude仅仅只跑了20分钟, 就把全部的结果给一模一样地复现了出来。

更加令人感到意外并且难以理解的是, 执行操作的这个人甚至都没有察觉到自己在算法编写速度上其实是慢了一大截的, 而Claude却是直接就把那个存在效率低下的环节给指认出来了。

他接着又追问道一句, Claude就在此后的好几周的时间里面, 算出了一共有15个费曼积分。这些个积分, 在之前从来就没有人算过, 人类从头到尾算出来的椭圆费曼积分, 总数也就仅仅只是少数的几个而已, 并且所有这几个积分都绝对没有依靠bootstrap方法去做出来。

从对撞机到巴拿马雨林

过了三个月的时间, 他的手里便又多了三十六篇论文的初稿, 而这些稿件的范围是横跨了十八个学科的, 这中间的跨度是非常大的, 它从粒子对撞机里面出现的那些碎片开始入手, 一直做到了巴拿马雨林那里的树木。

同时, 他也将四千四百五十二篇经济学领域中的顶级刊物的论文复现包给搬进了自己的开源代码之中, 并且是一个一个地进行了核对的工作。此外, 那六千零七十三种不同语言的重音数据库也被他给接了过来。

这些题目存在一个显而易见的共同之处, 那就是它们的答案都可以被用于进行核对工作。

这批题目是Schwatches通过对大约四百个候选问题进行了层层筛选之后最终挑选出来的, 截至目前, 所有这些项目都还没有正式地公开发表, 但是每一个项目组哪怕最后遭遇了失败的结局, 也都会在过程中留下一些新的工具或者方法, 让人感觉到Claude在使用中变得越来越强大, 就好似刚刚完成了功夫训练的全新尼奥一样。

两头都转得好却对不上

Schwartz借来了物理学里的一个词汇, 它的名字叫作“阻抗不匹配”。

科学家想要寻求的是深层次的关于概念的突破表现, 而人工智能所最擅长做的事情, 却是编写程序代码、阅读相关论文文献以及运行处理数据任务, 这两个系统都在各自独立地运转着, 并且每一个系统自身的运转状态都表现得相当不错, 可是当把这两个系统进行连接搭配在一起的时候, 却发现它们之间怎么样都无法达成一种相互匹配的状态。

这个重叠的区域实际上是非常小的, 有人把它专门称为Claude形状的问题。能够被解决的问题往往是那些可以把步骤完全写出来、并且最终的答案能够被绝对地加以验证的技术性的工作。而关于像为什么这样的属于概念层面的内容, 在目前阶段是没办法得到帮助的。

一句追问打开了新方向

Claude在计算散射振幅的时候, 总是把自己框在最简单的那种对数函数里面, Schwartz没有允许他去这么干, 而是追问了一个问题, 更复杂一点的那些椭圆函数, 是不是也能够采用这种办法去处理啊, 这句话直接就把一个完全全新的研究方向给打开了。

它把整套 bootstrap 工具扩展到了椭圆函数上, 大部分新软件由它自己编写, 剩余的则是借用了数学界现成的工具。几周之后, 30个积分从头到尾被计算完毕, 其中有一半是对已知结果的复现, 另外15个是此前 nobody 没有计算出来的结果。

等模型不如自己拼工具箱

Schwartz 表示, Claude 就像是一个能干的研究型研究生。干活的速度快整整 20 倍, 论文最后也成功写出来了, 但是过程非常令人折磨。

他打的比方是说, 这像《黑客帝国》电影里刚刚灌输了功夫技能的尼奥。模型最终能做成多少事情, 不仅取决于底层的权重参数, 还完全依据使用者手头拥有的工具箱。

有一条路, 是等着那些巨头企业, 在实验室里面通过大量的堆砌来打造出新一代的模型。另外一种道路呢, 则是拿到这些模型的人, 自己去找到正确的使用方式。

前面的路掌握在少数几家公司的手里边, 而后一条路每一个懂得使用人工智能工具的人, 现在就可以出发去走了。你要自己去挑选题目, 自己去搭建相关的工具系统, 你还要自己来规定验收的标准, 所有这些环节全都得靠你自己来完成。

你手头上是不是有这样一种情况, 就是你明明已经确认过了那个答案是正确的, 但是却一直解决不了, 因为工具不够用, 这是一个难题, 你可以去评论区聊一聊, 如果你也觉得这个方法是有用的, 那么就请点个赞, 并且把它转给同行业的其他人去看看。