X 上一位研究者分享一个非常有意思的观点，核心论点就是：大模型的思维不会“飞跃”。

他抛出了一个非常有画面感的思想实验：

假设我们把一个大模型的知识库死死冻结在 1905 年。把当时人类所有的论文、数据、公式统统喂给它。你觉得，它能自己憋出“广义相对论”吗？

答案是：绝对不能。

为什么大模型做不到？因为人类所谓的“科学发现”，其实是由三种完全不同的机能组成的：

归纳（Induction）： 从数据中总结规律。如果全靠这一招，大模型最多能推导出“牛顿力学 + 一堆用来解释水星诡异轨道的补丁（均轮和本轮）”。

演绎（Deduction）： 从已有的公理出发进行严密的逻辑推导。但问题是，你再怎么推导，也推导不出“新公理”。

飞跃（Jump）： 这才是真正的神仙操作——直接掀翻旧桌子，重新定义游戏规则。比如爱因斯坦一拍脑袋决定：“别修补牛顿了，时空本身就是弯曲的！”

这第三种能力，恰恰是归纳和演绎这两条腿怎么迈都跨不过去的鸿沟。

这里还搬出了物理学家罗杰·彭罗斯（Penrose）的“三个世界”理论：

物理世界、精神世界和柏拉图世界。

数据从物理世界流入大模型的“脑子”里，这没问题。

但一个颠覆性的新定律，必须先在“柏拉图世界”里被撞见——而完成这一步，必须靠“飞跃”。

大模型本质上只是一个在既有数据里疯狂打转的“超级归纳机”，从底层结构上来说，它就没长那根能跳跃的骨头。

这位师傅警告大家，别把两件完全不同的事情混淆在“自动化科研”这一个词里：

爬山模式（Hill-climbing）：

在已知的山峰上往最高处爬。在这个领域，大模型已经是超人级别了。优化现有成果、在已知框架里找最优解，这类AI科研正在疯狂飙车。

飞跃模式（The Jump）：

直接瞬移到一座新山峰，重塑整个学科。这种质变，绝不是单靠把“归纳法”的参数量做大（Scaling Law）就能大力出奇迹变出来的。

总而言之：目前市面上绝大多数“AI科学家”交出来的答卷，顶多算是极其壮观的“高级爬山行为”。

至于那打破僵局的临门一脚——那场属于人类智力的“科学飞跃”，至少在目前，依然是我们的特权。