对于人工智能，不同物理学家的体验其实完全不同，Ooguri给每一个在24年填写弦理论一百问的学者回访时给出了两个关于ai的问题，我大致记录一下感想

1.事实是Witten这种顶尖的大师都已经使用ai进行计算(实际上是在细粒度层面，不过我并不知道Witten的提示词是怎么样的），他的实际体验一如采访中所言，ai可以帮助他进行许多的计算，但他尚不认为ai有洞察力

评论：实际上是小马过河最生动的例子，Witten目前看来是前无古人后无来者的存在，他的洞察力可能要求更高？

技术评论：我想从纯粹的神经科学来讲，所谓直觉是一种长期浸润出的模式识别能力，之所以有许多人认为直觉难以言说，是因为人类的思维过程(包括模式识别）有许多非意识的步骤(其实人类的思维过程比我们感受到的更多)，然而我们不知道如何训练ai进行这种无意识的思考(也有说法是ai已经自动涌现出来这种能力)。另一方面，人类无法主动将这些无意识的思考过程写下来，这点也许在以后会成为一个真正的问题。不过我们可以把论文改的更原始一点，让ai学着像人类一样不做严格的证明，而是在甚至使用完全错误的数学下得到正确的结果，也许这接近一些物理学家的风格

2.对于Moore，立川裕二
这也是非常非常强大的数学物理学家，我看二人都对ai非常乐观，Moore甚至愿意参与三年内ai能不能写出Witten或Nima类似档次的文章的赌注。

立川更是坦言困惑他几个月的问题被ai以极具启发式的方法解决了，并且立川认为ai已经实质上真正理解/具备了专家级的直觉，我认为非常靠谱。

评论：还是小马过河，看起来他们两个都比较认同AI能独立解决真正的问题并具有一定层次的弦理论直觉。嗯，但这个结果并不让他们担心弦理论的未来，反而是兴奋，原因也很简单，他们早就功成名就，有永久职位，AI可以充当他们的学术助手解决技术问题或实现想法，就算AI冲击也不会影响了

3.山崎雅人或谢丹

呃，这俩都已经满怀热血的搞物理特化版ai了，显然

4.普通学生

从小马过河的角度讲是最悲哀的，因为你的高度比河水低，甚至ai当着你的面胡说八道都看不出来，这真的非常震撼，如果算时间帐，阅读一篇Witten的经典文章投入一到两个月时间非常不过分，然而你发现自己阅读一两个月的理解还未必比得上人家

更扎心的事实是，一个理论家的培养周期大约十年起步，然而现在ai每两三个月就可以迭代一次……

而且我感觉大的问题是我说的，人类的直觉无法被有意识的写下来，但在ai训练过程中需要有明确的结果奖励。

比如棋谱的训练是你不知道为什么应该这样下，但你会不断奖励模型的输赢做强化学习，通过大量的对局，ai自己会具备一个想要赢棋的直觉

可对于物理的话训练对错也许不是一个好的指标，一些物理学家会更喜欢用美或品味这种难以言说的东西来表达自己的取舍，那训练ai时就不得不全部当成黑箱了(怎么奖励ai呢)

ai在思考时如何模拟/训练人类的潜意识空间？训练文本该如何优化？

我感觉是值得思考的，至少从Witten现有的文章反推思维过程，是羚羊挂角，无迹可寻，我们应该改变论文的写法，把更多不干净的东西展示