DeepMind：语言模型难以创新，世界模型更有潜力

语言模型能否引发科学革命？

语言模型能否引发科学革命？在题为《LLM 跳不起来》的立场论文中，Google Deepmind 的 Tom Zahavy 认为它们不能。它们缺少创造真正新事物所需的认知机制。

Zahavy 的论点建立在爱因斯坦在给友人 Maurice Solovine 的一封信中勾勒的框架基础之上。爱因斯坦写道，发现是一个循环过程：感官体验导向对公理的直观"跳跃"，然后逻辑演绎产生可检验的结论。公理是理论中未被证明的基础假设。

AI 处理三种推理中的两种

为了精确定位问题所在，Zahavy 引用了哲学家 Charles Sanders Peirce 的经典论述。Peirce 根据规则、案例和结果如何相互连接，对所有推理进行了分类。

演绎法从固定的规则推导出必然的结论，就像运行程序产生可被证明正确的输出一样。归纳法在数据中识别模式：观察一千只白天鹅，你就推断所有天鹅都是白色的。而溯因法则是创造性的跳跃。它发明一个原因来解释某个令人惊讶的现象。

Zahavy 认为，关键的瓶颈正在这第三种推理中，他进而区分了两个层次。普通溯因法从一组已知的候选解释中挑选最合理的一个，就像医生根据症状匹配疾病一样。他承认语言模型可以做到这一点。但更难的版本是他所谓的"创造性溯因法"：为一个尚无语言模板的原因进行发明。他主张这才是科学发明的真正瓶颈，而机器无法胜任。

归纳法和演绎法，这篇论文指出，完全在 AI 的能力范围内。语言模型已经在统计模式识别上表现出色，在形式推导上也在快速进展。AlphaProof、Gemini 和 GPT-5 等系统目前已在国际数学奥林匹克竞赛问题上获得金牌级成绩。Zahavy 甚至承认，如果给定爱因斯坦的假设作为起点，语言模型很可能可以推导出广义相对论。但关键难点在于最初的假设制定——做出创造性的飞跃抵达这些假设——仍然是瓶颈所在。

为什么机器在这一跳跃上举步维艰

Zahavy 用该理论本身来说明这个问题：AI 模型通常通过将预测与现实对比，根据预测与实际结果的偏差进行调整来学习。没有可检测的错误信号，系统就无计可施。而这正是爱因斯坦当时面临的局面。

当爱因斯坦工作时，并无数据危机。牛顿物理学已被验证到极高的精度。唯一已知的异常——水星轨道的微小漂移——被归咎于一个假设的隐形行星，名叫"火神星"。Zahavy 的观点是，一个以优化为驱动的 AI 没有理由推翻物理学。按照这个逻辑，它会像当时的天文学家一样：发明一颗额外的行星来解释这点小差异，而不是重新思考时空本质。后来证实爱因斯坦理论的数据——比如 Eddington 对光线偏折的测量——都是在理论提出后多年才得到的。

跳跃需要一个身体

那么，引导爱因斯坦得出公理的创造性溯因从何而来？Zahavy 指向爱因斯坦的"最幸福的想法"：一个自由下落的观察者，不再感受到重力。这个洞察源自具身模拟——爱因斯坦在脑海中体验身体的物理感觉，而非仅在纸上推导方程。他想象了一个在太空加速升降机内的物理学家，由此得出加速度和重力从内部是无法区分的结论。

Zahavy 将之类比为阿基米德，后者并非通过计算发现浮力原理，而是，据传说，通过踏入浴缸时感受到水位上升的物理感觉。在两个案例中，一个当时的语言中尚不存在的基础原理由此诞生。

语言模型正是缺少这种感官基础。Zahavy 把它们比作哲学家 John Searle 的"中文房间"——一个著名的思想实验，其中一个人按照规则手册操纵中文字符而对其毫不理解。语言模型以类似的方式操纵物理学的符号，却无法接触到赋予这些符号意义的物理体验。

Sakana 的 AI Scientist 和 Deepmind 的 AlphaEvolve 令人印象深刻地自动化了科学工作流。但 AI Scientist 只是重新组合现有概念，而 AlphaEvolve 虽优化出色，却需要一个它能逐步缩小的清晰错误信号。爱因斯坦从未拥有过这样的信号。Zahavy 认为，这两个系统都无法跳跃进入一个全然新颖的思维框架。

世界模型：通往溯因的路径

作为可能的前进方向，Zahavy 指向物理上自洽的世界模型。他在此划出一条界线：Veo 这样的视频生成器只是预测最可能的下一帧。苹果下落不是因为模型理解重力，而是因为下落在训练数据中是最常见的延续。那仍然只是模式匹配。

相比之下，Genie 这样的动作可控世界模型让智能体能够主动干预模拟，进行反事实实验——比如在脑海中切断升降机的电缆。这样的"合成实验室"可能提供所需的反馈环，来发明那些尚无语言模板的新公理。