过去两周，学术圈集体失眠。不是因为赶deadline，而是AI接连啃下了人类悬了几十年的题。
38年的死局，100分钟破防
1988年，Sompolinsky等三位物理学家在《物理评论快报》提出一个模型：把一堆神经元随机连接，耦合强度超过临界值，整个网络就陷入混沌。这个模型后来成了理论神经科学的基石，连AI的循环神经网络都算它的徒子徒孙。但当年三位大佬只算出了最大的那个"李雅普诺夫指数"，完整的谱留给后人——一留就是38年。新智元
这张"谱"有多重要？它相当于混沌系统的基因测序图：拿到它，就知道系统有多少个维度、产生信息的速度有多快。此前有团队靠算力暴力数值算过，但学术圈的共识是：想写出解析解，“人力不可为”。
理论神经科学家David Clark本来也这么认为。直到他把题目喂给GPT-6 Astra，模型独立运算了100分钟，吐出一份完整推导，结果和超级计算机的模拟严丝合缝。新智元
戏剧性的是，Clark自己都看不懂。他形容这套推导是带着"非人类神秘感"的"外星数学"。于是第二个AI登场——Claude Opus 5.5帮他把这套硅基语言翻译成物理透明、逻辑清晰的人类推导，顺手还重现了1988年原作者的结果。论文已挂上arXiv。新智元
面对降维打击，Clark不焦虑反而兴奋：大脑是已知最复杂的动力系统，“有了AI介入，我们终于有望触及过去只能隐约指望的理解层次。”
化学、数学也没幸免
这不是孤例。同期，BitMiracle的科研智能体系统让1个Claude Opus 5.5指挥136个GPT-6 Astra，用11天证明了1974年提出的化学反应网络猜想（严格说是其中满足细致平衡的一类情形），每一步都过了Lean机器检查，没有糊弄空间。10月底OpenAI更是一次放出三篇论文，碰了杨-米尔斯理论、挂谷猜想，还证伪了理论计算机科学的基石之一——指数时间假设。知乎36氪机器之心
知乎已经吵翻：如果这些成果是一个人做出来的，他在数学史上该排第几？知乎
但先别喊"AI接管科研"
Anthropic在10月做了个测试：把最强智能体扔进11个真实学科的25个科研任务，全程无人干预。分数很漂亮，全部超过已发表的最佳基线。可拆开操作记录，真相露出来了：Opus有56%的尝试是在调学习率、换调度器、延长训练这类常规操作，剩下的多半是加层、换现成骨干、做模型集成——全是工程套路，几乎没有科学洞察。36氪
说白了：数学、理论物理是规则闭合的世界，语料本身就承载着世界规则，AI如鱼得水；一进生物、地质这些要靠实验和直觉的经验荒野，它还是个调参实习生。Anthropic自己也承认，当前模型的"科研品味"相当有限，递归自我改进很容易触顶。36氪
人类还剩什么？
角色变了：从"推导的人"变成"提问和验收的人"。Clark在这场突破里更像包工头兼翻译官——方向是他定的，价值是他判断的，AI的答案对不对也是他核的。稀缺的不再是算力，而是提出好问题、看懂答案的能力。
下一个诺奖，很可能颁给最会和AI搭伙的碳基翻译官。
