哈佛教授90天横扫18个学科，Claude神助攻！连开36篇论文

中文精读

原文约 2,880 词 · 7 节

1. 导语：用AI搞科研的正确姿势

   • 哈佛物理学家、量子场论教材作者 Matthew Schwartz 提出，搞AI科研的关键是不要把 Claude 当科学家，而由自己承担它做不了的深层问题，只把最擅长的题交给它。
   • 他熬了好几周逐行写代码完成的计算，Claude 只花20分钟就复现；多追问一句后，Claude 在几周内算出15个此前无人算出的费曼积分。
   • 三个月后他手上多了36篇论文初稿，从对撞机粒子做到巴拿马雨林里的树，横跨18个学科。Anthropic 于10月1日在官方科学博客发布了他的长文，题为「Claude形状的科学」。
   • 他的判断是：今天的大模型很擅长做科学，但还算不上科学家。让AI变强有两条路——等巨头堆下一代模型，或拿到模型的人自己找到对的用法。

2. 哈佛教授挖出了Claude最强的一面

   • 去年12月，Schwartz 让 Claude Opus 4.5 当科研助手，形容它像一个能干的研究生，干活快20倍，但过程磨人。
   • 他认为这种落差源于：AI科研头条多出在数学，那是唯一能把问题完整写下来、答案能被绝对验证的学科，而大部分科学不是这样。
   • 他借物理学概念称之为「阻抗不匹配」：一头是科学家想要的，另一头是AI最擅长的。科学家想做的事与AI能做的事只在两小块区域重叠，那里就是「Claude形状的问题」。
   • 他按 Claude 的实际样子用它：帮忙不了深层概念问题，但几乎什么领域都懂、写代码是强项、读论文和数据是机器的速度，于是他专挑正落在这些长处上的题。

3. 追问一句，算出15个新积分

   • 第一个「Claude形状的问题」取自他的老本行——散射振幅，其核心是费曼图背后的多维积分，难的一个就够写一篇博士论文。
   • 过去20年物理学家发展出 S 矩阵 bootstrap（S矩阵bootstrap）捷径：不硬算积分，靠物理约束层层排除，从2万个候选缩到1个；约束不够时再在高精度点上算振幅，钉死剩余系数。
   • 这道题在他看来天生适合AI：所需数学、物理、计算机知识无人能全掌握，且答案可验证，跑两个脚本就能对到任意位数，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框架；Claude 很快复现旧结果，还指出他有个算法写慢了。
   • 转折点是追问：Claude 一直把自己限制在最简单的对数函数里，他问更难的椭圆函数能不能也这么做。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，因为知识散在许多人身上，从没人试过。
   • Claude 把整套工具扩展到椭圆函数上，大部分新软件由它自己写，其余借自数学界。几周后30个积分被从头算完，一半复现已知结果，另15个此前从未被算出。

4. 追问一句，算出15个新积分（续）

   • 他认为Fable 5的能力是底子，决定结果的是两次选题：挑中这道可验证、知识分散的题，以及看出Claude在给自己设限并追问一句——后者更关键，那批新积分全出在追问之后。
   • 这套工具和流程名为 BootLoops，套在大模型外面，已开源，可驱动任意厂商的模型；其中两个积分引擎的算法出自北京大学马滟青团队。
   • 记者自测：在 Mac 上装好 BootLoops，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、约1.5美元就把官网一个新算出的积分系数重算了一遍，找出闭式并与数值对上157位。

5. 一套积分，打穿18个学科

   • 原计划写完这批积分就收工，但同一方程会在不同学科反复出现，工具的用处远不止物理。Claude 指出这些积分还能对应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，与 BootLoops 为费曼图打造的积分同属一类。
   • 他立了一条规矩：老工具要用，新工具也要造。这样每个项目哪怕失败都会留下新工具，Claude 越用越能干，像《黑客帝国》里刚灌完功夫的尼奥。即模型能做多少事，不只取决于权重，也取决于手边的工具箱。
   • 生态学最先出成果：中性理论认为森林物种兴衰全凭运气，其方程写出20年没人能在大尺度上解开，Claude 认出这是 BootLoops 形状的题并解了。用巴拿马运河巴罗科罗拉多岛的普查数据对照，树种组成变化速度比中性理论允许的快4.5倍，光靠运气解释不了。
   • 他与植物生物学家 James O'Dwyer 用 Claude 搭出新模型，把物种间寿命、生长和繁殖的差异加回来，正往全球森林样地推广。
   • 其他学科也陆续出结果：群体遗传学在57亿对相邻突变中找到基因转换证据；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；语言学家拿到覆盖6072种语言的重音数据库；数学家 Watson 1939年开启的格点积分系列最后一道难题也被解开。
   • 这些成果合计就是那36篇论文稿，由 Schwartz 从约400个候选问题中筛出做成，目前都尚未正式发表。他在文末披露：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。

6. 一套积分，打穿18个学科（续）

   • 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反复核查。这些题共同点是答案都能被核对，正因为算错了瞒不住，他才敢放手让它跑——能被验证的地方，AI就能放开手往前推。

7. 通往ASI的另一条路，谁都能走

   • Schwartz 这三个月回答的是更大的问题：智能靠什么扩张。外界几乎只看模型本身（参数、跑分、下一代何时发布），而他认为模型上限由实验室决定，最终能发挥多少取决于挑题、搭工具、定验收标准的那个人。
   • 他用数学概念「凸包」作比喻：人类知识是参差不齐的形状，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年用某种方法研究透一组基因，旁边的基因和别的方法却一直荒着。
   • 那些人类够得着、但还没有人去的中间地带最适合交给AI，BootLoops 做的就是这些尖刺之间连线，把凸包一点点填满。
   • AI去填空白后，人在科研中的位置也变了：一个AI可能一夜算完的问题，为何还要申请三年经费；连怎么带研究生他也说还没想清楚。但他认为只要找对问题，大部分技术活都能自动化，离不开人的是概念部分。
   • 通往ASI同样是两条路：等实验室训出更强模型，或把人类散落在几十个学科里的工具拼成工具箱，交给一个什么都懂一点的模型，由人挑题、追问、验收。前者握在少数几家公司手里，后者不用等下一代模型，每个会用AI的人现在就能走。
   • 原文参考文献为 Anthropic 的 Claude-shaped science 研究页面及 Anthropic 官方账号发布的推文链接。