卡了半年的弦论难题,Claude一夜解开,东大教授惊到删推

marsbit發佈於 2026-07-14更新於 2026-07-14

文章摘要

东京大学的物理学家立川裕二教授在弦论研究中遇到一个难题,停滞了半年之久。他尝试将问题交给AI模型Claude Fable处理,结果Claude不仅在一夜之间提供了关键见解,帮助解决了问题,还主动调用SymPy编写代码验证了结果。立川教授惊叹AI似乎真正理解弦论并具备研究直觉,甚至评价其在该领域的代数拓扑知识可能超过自己。 与此同时,斯坦福大学的遗传学家Euan Ashley让Claude分析自己的基因组,AI仅用约30分钟就完成了专业团队曾耗时9个月的工作,准确识别出疾病风险基因和药物代谢相关变异,成本仅约5美元。 这两起事件显示,AI已能跨越工具边界,在理论物理和生命科学等前沿领域直接辅助甚至驱动科学发现,预示着科学研究可能进入一个由AI加速的新时代。

卡了半年的弦论难题,Claude一夜解开!

网友惊呼:人类迈入全新的科学时代。

Fable 5给东京大学研究量子场论和弦理论的教授立川裕二留下了深刻印象:

Fable似乎确实理解弦理论,并且也有直觉。

推文一夜爆火,作者紧急删推并解释:

我删除了那条推文,因为它在意想不到的方向上传播得太广了。

这是对AI怀疑论的重重一击:事实之下,谁还认为AI无法或者不会做出科学发现?

谁能想象5年后AI会发展到何种地步?

物理教授卡了半年,Claude一夜解开「弦论」难题

半年了,研究毫无进展。

7月12日晚上,东京大学的数学物理学家立川裕二突然心血来潮,将这份已经停滞半年的研究笔记扔给了AI,没抱任何希望。

但AI提出了一个非常有价值的见解,帮助他解决了这个卡了半年的问题。

更让他意外的是,接下来AI竟自己调用SymPy写代码,回过头去验证自己的预测结果。

立川裕二的评价是:它似乎真的理解弦论(String Theory),而且有直觉。

此前,他让Claude Fable计算TMF到KO的映射下的 BN 不变量。

Fable正确完成并生成PDF证明。

传送门:https://member.ipmu.jp/yuji.tachikawa/tmp/product-BN.pdf

他评价为「Fable 5比我还懂代数拓扑」,并问「是不是达到该领域硕士水平」。

这评价分量不低,要知道立川裕二最近的兴趣就是「与超对称量子场论相关的几何与代数结构」。

人类迈入科学新时代

这段时间,AI科学圈十分热闹。

6月,Anthropic发布Claude Science预览版,专为加速科学研究设计。

就在立川裕二利用Fable 5帮他解决弦论难题的同时,斯坦福大学的遗传学家、心脏病专家Euan Ashley,让Claude解读自己的基因组,结果AI用了30分钟就做完了。

Ashley在2010年带着31人的团队,做完了全球首个人类基因组的临床解读,耗时9个月。

这次他休假回来,一边收拾行李,一边让Claude按同样的标准,分析他自己的基因组。

结果30分钟,AI正确识别出一个阿尔茨海默病风险等位基因,以及若干影响药物代谢的基因变异。

整个过程,提示词只有约180个单词,大约消耗了40万token,费用约为5美元(Claude估算)。

而且大部分时间,Claude处于空闲状态,通过暂停等待连接NCBI服务器。

最后,Ashley留下了思考:无论从哪个角度看,这都绝对令人惊叹。

一个是理论物理的,一个临床基因组,AI跨过了工具和同事之间的那条线。

AI洪流之下,科学将以无法预测的方式爆发。

参考资料:

https://www.nature.com/articles/d41586-026-02091-6

https://x.com/kimmonismus/status/2076658442282934351

https://www.reddit.com/r/singularity/comments/1uv399n/yuji_tachikawa_one_of_the_worlds_leading/

本文来自微信公众号“新智元”,作者:ASI启示录

相關問答

Q东京大学立川裕二教授使用哪个AI模型解决了卡了半年的弦论难题?

A立川裕二教授使用了Claude,具体版本是Claude Fable,帮助他解决了弦论难题。

Q根据文章,斯坦福大学的Euan Ashley让Claude分析其基因组,结果在耗时和费用上与过去的人工分析有何不同?

AEuan Ashley让Claude在30分钟内以约5美元的成本完成了其基因组分析,而他2010年带领的31人团队完成首个人类基因组临床解读则耗时9个月。

Q立川裕二教授对帮助他解决弦论难题的AI做出了什么具体评价?

A立川裕二教授评价该AI(Claude Fable)“似乎确实理解弦理论,并且也有直觉”,并在另一个计算任务后评价它“比我还懂代数拓扑”。

Q文中提到的两则AI应用案例,分别展示了AI在哪些科学领域的突破性能力?

A文中的两则案例分别展示了AI在理论物理(特别是弦论与代数拓扑)和临床基因组学领域的突破性能力。

Q文章最后引用Ashley的思考,认为AI在科学研究中的角色发生了什么变化?

AAshley认为,AI在科学研究中的角色已经“跨过了工具和同事之间的那条线”,意味着AI不再仅仅是工具,而是可以像研究伙伴一样提供深刻的科学见解。

你可能也喜歡

存储的繁荣,能够持续多久?

半导体存储器市场正经历历史性的爆炸式增长。根据WSTS数据,存储器出货量在短短十年内增长超11倍,2026年5月单月达633亿美元,同比增速高达285%,远超以往任何“泡沫”时期。增长的核心驱动力并非出货量,而是DRAM和NAND闪存价格的异常飙升,自2025年初以来两者现货价格均上涨约10倍。 价格暴涨的根本原因在于人工智能数据中心带来的需求激增。以亚马逊、谷歌、微软和Meta为代表的超大规模数据中心运营商,为构建AI基础设施进行了巨额资本投资,预计2026年将达7550亿美元。这些数据中心像“黑洞”一样吸走了大量用于AI的高性能存储(如HBM),导致供应产能向AI领域倾斜,进而造成用于个人电脑、智能手机等消费电子产品的传统DRAM和NAND闪存严重短缺,价格被大幅推高。 这种扭曲的增长结构使得全球半导体市场规模预测被彻底颠覆。此前预测到2032年达1.2万亿美元的目标,可能在2026年就被超越。市场增长高度集中于存储器和逻辑电路(含GPU),而模拟和微控制器市场则增长平缓。 然而,作者根据存储器市场近35年的历史周期规律发出警告:该市场从未出现过连续六年以上的正增长,繁荣期通常不超过五年。此次以2024年为顶点的AI热潮,按历史规律预计最迟将在2028年、甚至2027年结束。更关键的是,“高峰越高,低谷越深”是半导体行业的铁律。当前285%的增速是前所未有的峰值,随之而来的衰退很可能比以往任何一次都更加严重和漫长。 尽管当前存储制造商因利润暴增而股价飙升,甚至创造了许多“亿万富翁”,但作者强烈呼吁行业应保持冷静,利用当前的繁荣期为必将到来的严峻衰退做好切实准备。

链捕手8 分鐘前

存储的繁荣,能够持续多久?

链捕手8 分鐘前

交易

現貨
活动图片