全世界拿 AI 搞科研的姿势，可能从一开始就用错了。
哈佛物理学家、量子场论教材作者 Matthew Schwartz 找到的正确姿势，恰恰是别把 Claude 当科学家。
他把 Claude 够不着的深层问题留给自己，只挑它最擅长的题交给它。
结果，他花了好几周、逐行写代码才完成的计算，Claude 只跑了 20 分钟就复现了，连他自己都没想到。
他又多追问了一句，Claude 在接下来几周里算出 15 个费曼积分，这些积分此前从来没有人算出来过。
三个月后，Schwartz 手里多了 36 篇论文初稿，从对撞机里的粒子做到了巴拿马雨林里的树，横跨 18 个学科。
10 月 1 日，Anthropic 将这篇长文发到官方科学博客，标题叫「Claude 形状的科学」。
他在文中给出的理由是，今天的大模型很擅长做科学，但还算不上科学家。硬把它当成人类科学家去使唤，它的本事反而发挥不出来。
想让 AI 变强，有两条路。一条是等巨头在实验室里堆出下一代模型，另一条就是拿到模型的人，自己找到对的用法。这条路怎么走，云栈社区里不少开发者已经在摸索。
哈佛教授挖出了 Claude 最强的一面
去年 12 月，Schwartz 让 Claude Opus 4.5 给自己当科研助手。用他的话说，Claude 像一个能干的研究生，干活快 20 倍，论文最后写出来了，过程却很磨人。
很多科学家都有类似的体会。新闻里 AI 一会儿解开数学难题，一会儿刷新纪录，自己上手一用，却总觉得隔着一层。
这种落差，在他看来有迹可循。AI 科研的新闻头条大多出在数学里，那是唯一能把问题完整写下来、答案能被绝对验证的学科，可大部分科学并不长这样。
他借了物理学里的一个词，叫「阻抗不匹配」——两个系统各自运转良好，接在一起却配不上。放到 AI 科研上，一头是科学家想要的，另一头是 AI 最擅长的。
于是他按 Claude 实际的样子来用它。Claude 眼下帮不了他想深层的概念问题，可它几乎什么领域都懂，写代码是强项，读论文和数据也是机器的速度。
他要做的，就是专挑正好落在这些长处上的题。这类题，他叫作「Claude 形状的问题」。
科学家想做的事和 AI 能做的事只在两小块地方重叠，那里就是「Claude 形状的问题」。
追问一句，算出 15 个新积分
第一个 Claude 形状的问题，他从老本行里挑，叫散射振幅。
物理学家要靠它从对撞机的碎片里认出新粒子。可它的核心是费曼图背后的多维积分，难一点的，算出一个就够写一篇博士论文。
为了绕开这些难算的积分，过去 20 年，物理学家发展出一条捷径，叫 S 矩阵 bootstrap。它不硬算积分，靠物理约束一层层排除。
比如，知道振幅在哪些地方会变成无穷大，候选就缩到 2 万个，再加一个对称性，剩下 500 个，就这样一步步缩到 1 个。约束不够用的时候，再在几个点上把振幅算到极高的精度，把剩下的系数钉死。
在 Schwartz 看来，这道题天生适合 AI。一来，它要的数学、物理和计算机知识没人能全部掌握；二来，答案能被验证，跑两个脚本就能对到任意位数，Claude 想糊弄也糊弄不了。
他交给 Claude Fable 5 的第一件事，是把散落在各种代码和论文里的方法搬进同一个框架。结果，Claude 很快复现了他的旧结果，还指出他有个算法写慢了。
突破出在后面。他让 Claude 去找还没人算过的振幅，发现它一直把自己限制在最简单的对数函数里，于是追问了一句：更难的椭圆函数能不能也这么做？
这一问问到了难处。人类完整算出的椭圆费曼积分只有寥寥几个，还没有一个完全靠 bootstrap 算出来，因为所需的知识散在许多人身上，从来没人试过。
Claude 却没有这个障碍，它把整套工具扩展到了椭圆函数上，大部分新软件由它自己写，剩下的借自数学界。
几周后，30 个积分被从头到尾算完，一半是复现已知结果，另外 15 个此前从来没人算出来过。
回头看这几周，Fable 5 的能力是底子，决定结果的是两次选题。一次是挑中这道能验证、知识又分散的题，一次是看出 Claude 在给自己设限，追问了一句。
其中第二次更关键，那批前人从没算出来的积分，全出在追问之后。
这套越用越全的工具，Schwartz 起名叫 BootLoops。它是套在大模型外面的一层工具和流程，已经开源，换哪家的模型都能驱动。
其中两个积分引擎的算法，出自北京大学马滟青团队。
门槛有多低，我们自己试了一下。在一台 Mac 上装好 BootLoops 后，我们只用一句话给 Claude Code 交代任务。
它自己翻文档、找工具，20 分钟出头、花了约 1.5 美元，就把官网上一个新算出的积分系数重算了一遍，还找出了闭式，和数值对上 157 位。
一套积分，打穿 18 个学科
本来，Schwartz 打算就这批积分写篇文章收工。可科学里有个巧合，同样的方程总会在不同学科里反复出现，这批工具的用处远不止物理。
Claude 告诉他，这些积分还能对应到群体遗传学里的贝叶斯证据积分。
系统发育学用 DNA 给物种排家谱树时要算的积分，和 BootLoops 当初为费曼图打造的积分也是同一类。
BootLoops 为费曼图造的积分工具，在物种家谱、群体遗传和生态学里都能用。
为了让工具箱越用越全，他给 Claude 立了条规矩，老工具要用，新工具也要造。
这样一来，每个项目哪怕失败，都会留下新工具，Claude 越用越能干。用他的话说，就像《黑客帝国》里刚灌完功夫的尼奥。
也就是说，模型能做成多少事，不只取决于权重，也取决于手边的工具箱。下一代模型要等实验室发布，工具箱却每天都在扩充，和模型打交道的人自己就能改进它。
工具箱带进别的学科后，生态学最先出了成果。中性理论认为，森林里物种的兴衰也许全凭运气。
可这个理论的方程写出来 20 年，一直没人能在大尺度上解开。Claude 认出这是 BootLoops 形状的题，把它解了。
拿巴拿马运河巴罗科罗拉多岛的普查数据一对，树种组成的变化速度比中性理论允许的快了 4.5 倍，光靠运气解释不了。
于是，他和植物生物学家 James O'Dwyer 用 Claude 搭出新模型，把物种之间寿命、生长和繁殖的差异加了回来，正往全球的森林样地推广。
其他学科也陆续出了结果。群体遗传学里，他们在 57 亿对相邻突变中找到了基因转换的证据。
经济学五大顶刊 4452 篇论文的复现包，被搬进开源代码逐个核对，语言学家也拿到了覆盖 6072 种语言的重音数据库。
数学家 Watson 在 1939 年开启的格点积分系列，最后一道难题也被解开了。
这些成果加起来，就是那 36 篇论文稿。它们是 Schwartz 从约 400 个候选问题里筛出来做成的，目前都还没正式发表。
Schwartz 在文末披露，项目期间他在 Anthropic 担任访问研究员，BootLoops 由 Anthropic 资助，由他本人拥有和维护。
撑起这个产量的工作台并不复杂。每个项目一个 Claude Code 会话，一个总控会话负责协调和验收，计算交给后台子Agent。
还有一个会话专门扮演挑刺的审稿人，把结果翻来覆去地核查。
一个总控会话管着一群项目会话，计算交给后台子Agent，另有会话专门挑刺。
Claude 做成的这些题有一个共同点，答案都能被核对。
正因为算错了瞒不住，Schwartz 才敢放手让它去跑。所以说，能被验证的地方，AI 就能放开手往前推。
通往 ASI 的另一条路，谁都能走
Schwartz 这三个月，回答的是一个更大的问题：智能到底靠什么扩张。
外界衡量 AI 有多强，看的几乎全是模型本身，参数多了没有，跑分高了没有，下一代什么时候发。
Schwartz 看的却是另一件事——模型的上限由实验室决定，最后能发挥出多少，取决于挑题、搭工具、定验收标准的那个人。
至于 AI 该去哪儿，他用了一个数学概念来比喻，叫凸包，也就是把一个形状所有尖角连起来后，围出的最小凸形状。
人类知识就是这样一个参差不齐的形状，生物学往一个方向突出去，数学往另一个方向突出去。
一个实验室可能花 20 年，用一种方法把一组基因研究透，旁边的基因和别的方法却一直荒着。
那些人类够得着、但还没有哪个人去过的中间地带，最适合交给 AI。
BootLoops 做的，就是在这些尖刺之间连线，把凸包一点点填满。
人类知识像一颗参差不齐的星形，BootLoops 的工具包在尖刺之间连线，填补中间的空白。
AI 去填这些空白，人在科研里的位置也跟着变了。
局面变得太快，几乎没法提前规划。Schwartz 反问，一个 AI 可能一夜之间就算完的问题，为什么还要申请三年的经费去算？
连该怎么带研究生，他也说自己至今还没想清楚。
不过在他看来，只要找对问题，大部分技术活都能自动化，离不开人的是概念那一部分。
放到通往 ASI 这件事上，也是两条路。一条是等实验室训出更强的模型，另一条是把人类散落在几十个学科里的工具拼成一个工具箱，交给一个什么都懂一点的模型，再由人来挑题、追问、验收。
前一条路握在少数几家公司手里，后一条路不用等下一代模型，每个会用 AI 的人现在就能走。不管选择哪条路，稳定可靠的模型 API服务都能省下不少折腾。
参考资料：
https://www.anthropic.com/research/claude-shaped-science
https://x.com/anthropicai/status/2105733864152858919
发表于 半小时前
|
查看: 5|
回复: 0
