据科技媒体WIRED于2026年10月14日报道，MIT研究显示，人工智能在攻克数学难题之后，正迅速渗透到概率论、高能物理学、经济学理论等多个科学领域，其解决问题的能力在短短两年内从约2%跃升至35%。这项研究由MIT教授尼尔·汤普森（Neil Thompson）领导，他警告说，科学界必须为AI带来的颠覆性变革做好准备。独立消息源MIT新闻办公室证实，该研究已提交同行评审，并引发学界广泛讨论。
电影杀青AI在数学领域引发震荡：Navier-Stokes方程被攻克
2026年9月，OpenAI宣布其未公开模型成功解决了著名的纳维-斯托克斯（Navier-Stokes）方程——一个关于流体运动的长期未解难题。这一突破瞬间震动了数学界。根据OpenAI官方发布的声明，该模型通过了严格的验证程序，但同时也引发了争议：纽约大学一位数学家指控OpenAI在得知其研究进展后抢先发布了结果。仅一个月内，OpenAI及其他实验室又公布了数百个数学难题的解决方案，导致部分数学家呼吁限制AI的使用，认为求解过程本身的价值不亚于最终答案。
电影开机MIT最新研究：AI解决科学理论问题能力两年飙升17倍
汤普森领导的研究组选取了2025年12月至2026年5月间发表的科研论文中提出的理论问题，并测试了OpenAI的多个模型（o1、o3、GPT-5、GPT-5.1、GPT-5.4、GPT-5.5）。关键设计在于：这些问题的解答均发表于GPT-5.5训练截止日期之后，因此模型必须独立思考，而非依赖训练数据。模型还被禁止联网搜索。下表展示了解决率的提升：
电影选角| 时间区间 | 测试的AI模型 | 平均解决率 |
|---|
| ---------- | -------------- | ------------ |
|---|
| 2024年6月至2024年12月 | o1、o3 | ~2% |
|---|
| 2025年1月至2025年12月 | GPT-5、GPT-5.1 | 约12% |
|---|
| 2026年1月至2026年6月 | GPT-5.4、GPT-5.5 | 约35% |
|---|
数据表明，AI在理论型科学问题上的能力正以指数级速度增长。汤普森表示：“在未来几年内，大量理论问题将被AI彻底改变解决方式。”
选角消息受冲击六大领域：从经济学理论到量子物理
研究聚焦于不需要实验模拟或实物实验的纯理论领域，包括概率论与数理统计、经济理论、高能物理理论、引力与宇宙学、量子物理学。这些领域共同特点是依赖严密的数学推导和逻辑推理，恰好是当前前沿AI模型的强项。汤普森指出，数学领域已感受到的冲击波将很快扩散至这些领域。“我们正在见证科学范式的转换，”他补充说。
演员阵容正面效应与潜在风险：AI加速进步，但需谨慎验证
汤普森强调，理论突破常能推动实用科学创新，AI的介入可能使这一进程大幅加速。然而，博士生加布里埃尔·曼索（Gabriel Manso）警告说：“对于极其复杂的问题，AI可能犯错。OpenAI在发布最新数据集后已撤回了好几个解。”他补充说：“我们仍然需要人类来连接点子，并验证结果的正确性——因为模型很容易给出‘这就是正确答案’，但仔细审视整个解题过程后会发现可能并非如此。”
未来趋势：AI实验室转向科学发现
包括杰夫·迪恩（Jeff Dean）在内的顶尖AI研究者已创立了专门用于科学发现的AI实验室，各大AI公司也纷纷加大对科研的投入。这些努力旨在让AI不仅能做理论分析，还能操控真实实验。但专家表示，这并不意味着理论家将被完全取代——解读AI成果、确保其合理性仍需要人类专家。曼索说：“我们仍然需要人类提出好想法来连接各个点。”
ee
FAQ
Q1: AI在科学理论领域的解决能力增长为何如此迅速？
eeA1: 主要得益于前沿模型（如GPT-5系列）的推理能力大幅提升。它们不再仅依赖训练数据，而是能进行多步逻辑推理，类似于人类的“深度思考”。MIT研究的数据显示，从2024年中到2026年年中，解决率从2%飙升至35%，且没有放缓迹象。
Q2: 科学家是否应该对AI取代理论家感到担忧？
eeA2: 既有机遇也有挑战。AI能加速解决长期未解的理论问题，推动科学进步。但OpenAI已出现过撤回错误解的先例，说明验证机制仍必不可少。多数专家认为，人类理论家将向“监督者”和“连接者”转变，聚焦于解释AI输出、生成新想法和确保科学严谨性。
ee
总的来看，AI在科学理论领域的崛起已是不可逆转的趋势。从数学到高能物理，从经济学到宇宙学，人工智能正从辅助工具升级为核心解题者。未来几年，科学家需要调整工作方式，既能善用AI的速度，又能保持对结果的批判性审查。这场由AI驱动的科学革命，才刚刚开始。
