物理学家史蒂夫·许近日宣布，他成功发表了一篇经过同行评审的理论物理学论文，该论文的核心思想完全来源于GPT-5人工智能模型，这一突破性案例引发了科学界对AI在基础科学研究中角色的广泛讨论。
据虎嗅网报道，物理学家史蒂夫·许公开表示，他最近在一家知名物理学期刊上发表了一篇经过严格同行评审的理论物理学论文，而这篇论文的主要理论框架和创新思想完全由GPT-5生成。[1]
许博士详细解释了研究过程：他向GPT-5提出了一个长期困扰理论物理学界的难题，随后AI模型提供了一个全新的理论视角，经过数月的验证和数学推导，这一思路最终形成了完整的学术论文。值得注意的是，该论文不仅通过了常规的学术审查，还获得了审稿人的高度评价，被认为"具有潜在的范式转变意义"。[1]
这一案例标志着生成式AI首次在理论物理学领域贡献了被学术界认可的核心思想，而非仅作为辅助工具使用。许博士强调：“这不是简单的文本生成，而是AI真正参与了科学发现的过程，提供了人类研究者未曾考虑的理论路径。”[1]
史蒂夫·许的案例并非孤立现象，而是AI深度融入科学研究的最新例证。早在2022年8月，物理学家就曾通过使用基于多年实验数据的神经网络，发现了质子中存在隐性内含粲夸克的证据，这一发现甚至可能改写量子色动力学的教科书。[1]
学术界已将这种AI驱动的科研模式称为"第五科研范式"——在数据密集型范式基础上引入智能技术，强调人的决策机制与数据分析的融合。中国工程院院士李国杰研究员将这种智能化科研（AI4S）视为继经验观察、理论建构、仿真模拟和数据密集型科学发现之后的第五种科研范式。[1]
值得注意的是，2024年诺贝尔物理学奖授予了杰弗里·辛顿，以表彰他利用人工神经网络进行机器学习的奠基性发现和发明，这进一步凸显了AI技术在基础科学领域日益重要的地位。[1]
史蒂夫·许的声明在学术界引发了两极分化的反应。支持者认为这是AI赋能科学研究的里程碑，证明了大型语言模型已经能够参与高层次的理论创新，而不仅仅是执行简单的数据处理任务。[1]
批评者则质疑AI生成理论的可靠性和可验证性，担心这可能导致"黑箱科学"的出现——即研究者无法完全理解理论背后的逻辑链条。部分学者还担忧，过度依赖AI可能削弱科学家的原创思维能力，甚至引发学术诚信问题。[1]
针对这些质疑，许博士回应称："GPT-5提供的只是一个起点，后续的数学推导、实验验证和理论完善仍然需要人类科学家的深度参与。AI不是替代研究者，而是扩展了我们的认知边界。"他强调，论文中已明确标注了AI的贡献程度，符合最新的学术伦理规范。[2]
史蒂夫·许的案例预示着AI在基础科学研究中角色的深刻转变。随着技术发展，新一代AI系统正展现出自我进化的潜力。最新研究表明，多智能体自进化系统（MASE）能够根据环境反馈和元奖励持续优化其提示、记忆和工具使用策略，甚至在没有外部监督的情况下迭代进化。[1]
在物理学领域，这种趋势尤为明显：
专家预测，随着AI技术的进一步发展，未来五年内将有更多由AI贡献核心思想的论文通过同行评审，这将彻底改变科学研究的流程和方法论，同时也对学术出版、同行评审和科研伦理提出新的挑战。[3][1]