发出挑战仅一个月便被击败的事并不常见，当下正值不寻常时代。越来越多物理博客转向讨论人工智能，但这并非作者专长，虽略涉猎也只能信任专家。令人沮丧的是专家意见不一：一些消息灵通者确信人工智能几年内将达超级智能且能力可怕，另一些聪明博学的人则持不同看法。
正文
我向外界发起挑战，结果一个月后就被攻克了，这种事并不常见。但我们正生活在非同寻常的时代。
我写物理博客越来越多地写到 AI，但我不是专家，听聪明人说 AI 将超智能也可怕，也听人说 LLM 快到天花板连物理都做不好。我不愿预测，想先看 LLM 在熟悉且知难度的领域进展。此外，我想看它做计算上难的事：数学靠新思想，而计算更实在。我希望它用学者能用的资源解决散射振幅领域悬案，证明预期的计算极限不重要。我发的挑战是：给出 N=8 超引力到七圈，或 N=4 超杨-米尔斯到九圈。
挑战
我旧领域是振幅学。粒子物理学家计算散射振幅，用动量能量算反应概率。振幅极难算，几乎都用近似，按“圈数”截断，圈数越多越精确也越难。实践大多只到两圈，少数三圈，最精确预测用过五圈。振幅学家用“玩具模型”试新技术。我挑战了两个，Anthropic 选了 N=4 超杨-米尔斯到九圈。
杨-米尔斯解释世界大部分力。N=4 超来自超对称，每粒子有四个超伙伴，很不现实，不解释暗物质，但粒子间平衡让计算反而易，被用来磨练技术。计算用 bootstrap 实验技术，意外适合 AI：不需考虑所有相互作用，只需知答案大概样貌存专用字母表，然后像 Sudoku 交叉验证，直到只剩一种可能且满足所有检查。
Lance 已准备好验证九圈公式，但没人算出。他八圈靠与形状因子的意外联系间接得来，以为九圈得更间接。若常规 bootstrap 多跑一圈就行，早有人做了。
然后人们做到了
Anthropic 有人读我博客。八月底 Liam Fitzpatrick 和 Siddharth Mishra-Sharma 联系我说攻克了挑战，经 Lance 验证。他们没用百万美元算力，用 Fable 5.1 在 Claude Science 平台（一种 harness，用 Claude LLM 加规则提示获取稳健科学行为）。他们让 Claude 选最可能的问题，给提示：“问题是计算平面 N=4 SYM 九圈六粒子（六边形）振幅。”之后就让它继续，如“我去睡几小时，继续干直到我让停”。
Claude 用两种方式算：原 bootstrap 和间接形状因子。任一种终端用户花一两千美元，主要因跑 Claude 久。Bootstrap 用 Python 加 SymPy 约花 100 美元，对应 96 个 CPU 跑一周，现在挺便宜。结果人类也不远：几天后中科院 Song He 组已得大部分结果，用 GPT-6 辅助但非那种几乎无人方式。大家友好，人类将发表论文，Claude 任务暂完。
那么，问题解决了吗？
我设挑战想弄清 AI 能做什么。我本以为 AI 会惊人克服计算障碍，结果它做了人类也能做的事：用已知方法，比人之前试的算力多点，可能得益于 Python 和更好软件工程，但不算超智能。
最大收获：低垂果实比想的多。即使目标简单明确，专家也常低估可行性。有计算机背景的人多年说振幅学雇几个程序员就能大进，他们对了。
Claude Science 一击达成，监督仅“继续”。这计算繁琐，我若用 96 CPU 一周大概率首试出错耗两周。不知 Claude 内部错几次，但 harness 带到了终点无外部输入。若你还认为 AI 易错不可用，该记住：它能可靠做这种事。
事情发展快。三月 AI 像学生需手把手，这次是真正前沿计算，通常顶级专家做。可能这问题对 AI 友好，但技术真变了。能推广多远？不确定。玩具模型小众，真实世界振幅计算是大领域，可能低垂果实少，但未必。我知道有人用 AI 编码，若还没检查 AI 科学 harness 能否一击前沿计算，应该去试并计划验证，不惊讶合理预算多挤一圈。
然后社区要讨论新前沿。振幅不仅是新方法训练场，有目标：精确预测比对实验。领域离目标多近？更广泛地，我没真得到未来答案。超智能预测曾想 AI 能模拟人操纵或造病毒，反对者说那混淆智能与算力。我没法更好回击批评者。我知 AI 现在能自主做重要工作，但希望看到更怪新方法或未来一瞥，想知道 AI 能把计算极限推多远，学到的只是我太天真于极限在哪。
附录：被机器抢先发表是什么感觉？
大多数理论物理学家认 LLM 将彻底改变物理思考方式，问题只是何时冲击。我是在 9 月 1 日 Liam 和 Siddharth 说 Claude 算了九圈 MHV 六粒子振幅并让我验证时感受到的。需提振幅和形状因子两个对象，都有圈数，每圈更难，同圈数形状因子易。2023 年我和 Andy Liu 用形状因子和 antipodal duality 得到八圈振幅。
2023 后我们想用这思路到九圈，我以为直接算振幅太难。Claude 能直接算让我特惊艳，不只因计算量大，更因设置脆弱：配方错一点就崩。且很多构建细节没在论文全写，Claude 得从零写代码。由九圈振幅回推形状因子较易，我主要这样验证。即上两周我在验证九圈形状因子——我们团队搞了两年的目标。机器解了我认为太难直接解的问题。困扰我吗？不，两个原因。一：我们团队已用定制 transformer 模型预测高圈，口号“有所有工具验证机器给的任何候选解”。Claude 更大，但我们说过能验证就该做。二：Claude 用我们多年方法，并以我们设格式呈现。我验证它时，它也在验证我们之前工作。我敢说 Claude 比除合作者外任何人都懂我们 2019 和 2023 论文。
我写此后 Song He 说他组也算了九圈振幅的 symbol 部分，用 GPT-6 辅助约束但非整体框架。所以两周内我被机器和人机组合都抢先了。
回到 Claude 计算：LLM 执行这复杂配方所有步骤并组织算力是 triumph。但当 LLM 开始提出新物理原理洞察先于人类时，更灵魂拷问时刻才会来。
补充材料
评论
多数人对这篇「AI 一次性解决散射振幅难题」的说法持保留态度，分歧主轴在于：这到底是模型能力的真实跃升，还是把算力和营销成本藏在了看不见的地方；少数人则更关心它是否真正推动了科学本身。
认为只展示成功案例、缺少可验证的证据
- 质疑「一次成功」的叙事：我们只看到成功的那一次，前面试了多少轮、跑了多少次都没说；而且消息来自发起方自己。（较多人）
- 看不懂模型究竟做了什么、如何被验证，这类「AI 取得科学突破」的文章基本都是「相信我们，它做到了」；至少应该公开对话记录、代码和中间产物，让同行复核。（较多人）
- 连答案的形态都没讲清楚——它是一个公式、一段程序，还是一份形式化证明？（少数人） > 我连这里描述的到底是什么类型的解都搞不清，是公式、程序，还是证明？（@an0malous）
认为算力并没有省下来，只是被挪到了别处
- 声称没用几百万美元算力，但训练出这些模型本身每次增量就是百万美元级；要么预付在训练里让搜索更聪明，要么事后花在推理上，算力总要花。（较多人）
- 最后那段解法据说 96 核跑一周就行，但尝试过程中烧掉了多少推理量？这笔账没人算。（较多人） > 这些解法对实验室值几百万美元，我猜他们花的也正是这个数。（@rozab）
认为付费约稿让科学叙事变成了营销
- 邀请并付费给作者写稿，结论自然倾向于自己赢；可以理解这种操作，但营销与科学的比例需要平衡，结果必须可复现。（较多人）
- 有人直接把它当成软文。（少数人） > 亲爱的，又到了你每天一篇 Anthropic 公关稿的时间了。（@nozzlegear）
认为「快到天花板」和「接近超级智能」并不矛盾
- AI 确实在变强，但它每次突破的上限都来自人类的创造性劳动，无论它自己多能干，这种依赖大概率会持续。（较多人）
- 把两种判断当成互斥的二选一本身就是误读，两者可以同时为真。（较多人）
- 更值得期待的是持续性优势：即使永远摘不到最高的果子，能把所有低垂的果实逐个摘完，也是巨大的收益。（较多人） > 即便它们永远不让我们摘最高的果子，只要能帮我们摘遍每一颗低垂的果子，那依然是巨大的胜利。（@m12k）
认为该用真正「复杂」的决策环境来检验
- 想看 AI 在 4X 策略或 roguelike 里连胜：最难难度下《小丑牌》或《杀戮尖塔》连赢 20 把，或者在《文明》里击败顶级人类选手。简单棋盘游戏和拼手速的 RTS 说明不了问题。（少数人） > 我想看 AI 在那些规则描述超过一分钟、纯靠决策取胜的「复杂」玩具环境里能做成什么。（@Buttons840）
认为让 AI 去做没人马上要解决的问题才是重点
- 这次的结果人类团队也几乎同时拿到了，还用了 GPT-6 辅助；那为什么 AI 实验室不自己提出类似千禧奖的题目，去攻没有人类紧随其后的空白。（少数人）
有价值的补充
- 物理学家的代码水平是被严重低估的瓶颈：当年被迫用 FORTRAN 77，有人写的 FITS 处理程序跑几千张图像要几天，重写后不到一分钟就跑完，快到让人以为算错了。AI 为科学家提供「不那么糟糕的软件」这里存在巨大机会。（@madaxe_again）
- 有评论者称自己刚用 Fable 5.1 和 Astra 证出了 33 年前关于「雾中海岸线搜索问题」的对数螺旋猜想，并感慨这类事已经变得多么例行。（@atemerev）
- 实操技巧：对 Claude 说「我只是个生物人类，现在必须去睡觉了」，它就会自己连续跑几个小时，照看多轮计算任务。（@skyberrys）
- 关于成本结构存在分歧：有人认为主要开销是 AI 操作费用，也有人表示自己的账单里算力仿真占大头，AI 只占一小部分。（@skyberrys）