原文: Can AI Solve Science? 作者: Stephen Wolfram（计算科学家、Wolfram Language 创始人） 发布日期: 2024 年 3 月
这篇长文的核心问题很简单：AI那么厉害，能不能把科学问题全解决了？
Wolfram的答案是：不能。而且永远不能。
但这不是因为AI不够聪明，而是因为宇宙本身有一道"硬墙"。
那道硬墙叫"计算不可约性"
什么意思？想象你在下棋。有些局面你能一眼看出谁赢——这叫"可约"，有捷径。但很多局面没有捷径，你必须一步一步推演下去才知道结果——这叫"不可约"。
Wolfram说，宇宙中大量现象都是不可约的。不管你的AI多强，它本质上也是在做计算。而计算等价原则告诉我们：AI的计算能力不会比被研究的系统本身更强。换句话说，要预测一个复杂系统100步后的状态，你可能真得老老实实算100步，没有捷径。
这听起来很悲观，但其实不是。
科学为什么可能？因为有"口袋"
虽然到处是不可约的硬墙，但墙上有很多"口袋"——局部的规律性。牛顿定律、热力学、相对论，都是人类找到的"口袋"。科学的本质，就是找这些口袋。
AI在这方面能帮忙吗？能，而且很有用。
Wolfram做了一堆实验：让神经网络预测简单函数、细胞自动机、三体问题、蛋白质折叠。结果很一致：简单情况AI搞得定，复杂情况就崩了。
比如预测正弦波，AI行；预测一个混沌的三体轨道，AI直接画歪。蛋白质折叠呢？看起来像的，AI预测得不错；结构复杂的，就差很多。
这不是AI笨。这是因为AI本质上在做"高级模式匹配"。它见过类似的，就能猜对；没见过的，就抓瞎。
AI真正擅长什么？
- 高级自动补全：你写论文写代码，AI帮你续写"大概率对的下一步"
- 找异常值：从海量数据中挑出"不太一样"的东西
- 跨领域类比：LLM读过所有领域的文献，可能发现"这个物理概念和那个生物概念长得像"
- 扩展精确科学的边界：以前只有物理化学能量化，现在AI能给艺术品相似度、神话结构差异打分
但有一件事AI做不了：决定什么"有趣"
科学不只是预测，还要问"该研究什么"。什么分子值得合成？什么定理值得命名？
Wolfram说，这些"有趣性"的判断，本质上是人类选择。AI可以预测"学术界大概会关注什么"（因为它读过所有论文），但它无法在人类做出选择之前知道什么是"真正的新方向"。
就像生成式AI可以画出"看起来像艺术"的图，但什么图会成为下一代艺术运动的起点？这取决于人类社会的集体选择，不取决于AI。
核心洞察
AI之于科学，就像GPS导航之于探险：GPS能高效带你去已知目的地（计算可约的部分），但无法替你发现新大陆（计算不可约的突破）——发现新大陆仍需人类走进未知的丛林。
结论
AI是极好的助手，但不是科学的替代者。
它能帮你跑得更快，但不能帮你决定往哪跑。它能在已知地图上导航，但发现新大陆仍然是人类的事。
而那些真正突破性的科学发现——那些打破现有范式的东西——恰恰来自计算不可约性带来的"惊喜"。AI被训练成避免惊喜，而科学的前沿就是惊喜本身。
一句话：AI让科学更高效，但不能让科学"完成"。宇宙比任何AI都复杂——这不是bug，是feature。