「天赐之物」与「道德风险」，Mu2e项目物理学家谈AI的能与不能

编辑丨coisini

2025 年 11 月，美国启动了创世纪计划（Genesis Mission），旨在将人工智能融入科学进程。今年 7 月，美国能源部选定了 278 个项目作为「创世纪计划」的一部分予以资助。其中一个项目将利用人工智能帮助物理学家寻找一种极其罕见的粒子转化现象 —— 缪子（μ 子）转化为电子，也就是在美国费米国家加速器实验室进行的 Mu2e 实验。

耶鲁大学物理系主任 Sarah Demers 参与了 Mu2e 项目。她赞赏人工智能可能有助于对实验装置进行快速调整。例如，磁场要运行多长时间？磁场以多大强度运行？靶标放置在什么位置？哪些系统需要在线？

「有时候，调节这些机器感觉更像是一门艺术，而非科学，拥有人工智能能力来帮助我们探索这个空间，简直是天赐之物」，Sarah Demers 说道。

然而，身为耶鲁大学物理系主任的 Demers，并不欢迎人工智能进入她工作或生活的其他领域。她对这项技术的一些保留意见源于：流行的大语言模型是在包含大量他人知识产权的数据集上训练的 —— 很可能包括 Demers 自己的工作，并且没有恰当地注明来源。

耶鲁大学物理系主任 Sarah Demers

面对人工智能的新发展，物理学家们正在就从事物理学研究意味着什么展开关乎学科存在的讨论。而 Demers 正通过美国物理学会牵头制定一份人工智能政策声明。她认为领域需要直面一些问题：物理学到底是什么？物理学实践有什么是不会随着人工智能而改变的？

最近，《Quanta Magazine》就人工智能在物理学中的应用、物理学家如何从中受益或受损，以及为何拒绝使用 AI 撰写邮件等问题，采访了 Sarah Demers。ScienceAI 对采访内容进行了不改变原意的编译、整理，内容如下。

您的研究长期以来一直在使用人工智能技术。那么人工智能给粒子物理学带来了哪些真正的变化？

目前在粒子物理领域，我们看到变化最快的是理论物理方向。大语言模型正极大地加速计算，并改变了人们在解决问题或回答疑问时，从起点走到终点所需的技能组合。

那人们现在需要具备哪些技能呢？

我们还没有真正弄清楚这些技能具体包括哪些。在美国的一些物理博士项目中，如果往回推几十年，你会发现当时要求学生们学习阅读德语。你必须能够做到这一点，因为如果你读不懂德语，就读不懂那些对你至关重要的关键论文。

显然，随着人工智能登上舞台，我们的要求有所变化。因此，我正努力以开放的心态去判断，哪些技能对现在和未来的物理学至关重要，哪些技能则没有那么核心。

在当下的人工智能时代，关于「做物理学研究意味着什么」，你们正在提出哪些问题？

我认为，现在每一位正在从事物理学的实践者都需要思考：好的物理学是什么样的？通过我们正在进行的实验性探究来认识宇宙，意味着什么？我们必须思考如何让这个学科在未来保持活力：我们如何培养下一批物理学家？我们必须思考实验的设计、实验的优化。我们还必须平衡我们所使用的资源，这其中就包括进行人工智能研究所需的成本。

我们需要保持怀疑精神，并对我们听到的各种炒作保持谨慎。人类的物理学还没有终结。

正确地注明思想的来源，也是科学过程的一部分。如果我们失去了这一点，失去了所有贡献者之间的对话，我们就是在攻击我们的根基。我们将会分不清什么是有效的，什么是无效的。

大语言模型在实验方面正在带来哪些变化？

在实验方面，我认为我们仍然处于摸索阶段，还在努力理解其潜力究竟有多大。

在（大型强子对撞机上的）ATLAS 实验中，我们接收来自数以亿计的电子通道的输出信号，然后必须重建出我们认为所发生的过程 —— 即粒子与探测器相互作用的整个过程。这要求数据以特定格式呈现，而且可能非常挑剔。现在，我们能够让 AI 为我们整理数据，或者从编码助手那里获得一个初版的数据访问框架，这些有可能加速我们的分析流程。

在我的领域中，人工智能最令人兴奋的用途之一，是回溯并重新审视以往的实验数据。如果我想要回头就某个早期实验的数据提出一个问题，我就必须恢复早已过时的计算系统，恢复一些已经不复存在的代码，这本来是完全不切实际的事情。但如今，我们可以吸纳所有经过处理的数据、已有的图表，甚至可能处理一个尚未被充分整理的数据集。虽然我们必须谨慎地提出问题，以确保使用这些数据是安全的，但我们能够提出并回答原本无法解答的问题。

您正在与同事们制定一份关于物理学领域人工智能的政策声明。关于物理学和人工智能，您从同行那里听到了哪些意见？

有不少人，包括我，对知识产权和成果归属问题感到担忧。已经发生的事情令人愤慨，对吧？这是一种道德风险。我们不能坐视不管。

与此同时，大家又对这样一个事实感到无比兴奋：你只要在电脑上输入内容，就好像有每一位曾写下文字的思想者的光环围绕着你，为你提供他们的言辞。这既大错特错，又如此令人惊叹，两者同时存在。

我认为，我们这个领域最一致的共识是：如果一位物理学家要在论文上署名，那么他就要对论文中的内容负责。你可能并不理解某个模型运作的所有细节，但你肯定需要有办法来验证模型输出的信息。否则，我们就不再是在科学的领域里取得进步了，我们只是在向系统里添加噪音。

大语言模型正在如何改变粒子物理学的人才培养？对于现在刚进入本科阶段的学生来说，未来五年或十年会是什么样子？

最理想的情况是，他们能够以我们以前难以想象的速度提出和回答问题。过去，一个新加入我课题组的本科生可能需要花五个月时间，才能画出一张有意义的图。我认为，我们可以让新研究人员更快地接触到最前沿的数据。

在理想状态下，如果能少花时间在调试代码或访问数据上，我们将有更多时间用于人才培养。什么是有趣的问题？你如何去回答这些问题？也许那些要绞尽脑汁思考的大问题，可以在研究生涯的更早期阶段就提出。

这和你自己的经历有什么不同？

我记得在研究生院的时候，当我有一个问题，那时甚至很难用谷歌搜索找到答案，我总是不得不去问别人：「这是怎么运作的？」我常常觉得自己很丢人。

但当我向别人承认自己不知道某件事时，那种解脱感是实实在在的。他们的解答不仅让我学到了一些东西，还让我建立了联系 —— 既有人与人之间的，也有我内在思维上的。

当可以向大语言模型抛出任何问题，并且没有人会评判你，这会不会激发一些错误想法？

我认为，在使用人工智能方面，资历较深的研究人员比资历较浅的研究人员用的更好。如果你真的有足够经验，我听说大语言模型可以成为一个「思想伙伴」。我自己不这样做，但我确实有些同事发现这样做很有成效。他们可以很快获得参考文献，取得一些进展，并完善自己的想法。

但那是针对专家级用户而言的。你必须懂得足够多，才能知道什么时候偏离了正轨。我认为，对于资历较浅的研究人员或经验较少的人来说，试图将大语言模型用作思想伙伴是有风险的。甚至我觉得这听起来很危险。

你为什么不像那样使用大语言模型？

坦白说，我有足够多反对理由，以至于我从未在 Claude 或 ChatGPT 中输入过任何内容。所以在这方面，我个人处在一个非常奇怪的境地。

一方面，作为系主任、研究生研究主任、指导研究生的人，以及美国物理学会公共事务委员会主席，我觉得自己有义务足够了解这个领域的状况，以便能够发表评论、为人们发声并帮助教育他人。

另一方面，我的课题组参与了「创世纪计划」，我们在 Mu2e 实验中试验人工智能智能体。你可以说我们处于最前沿，并正在尽可能地推进人工智能应用。

如果我现在是一名博士后，我想我对它的使用会是处理数据、编写代码的基础版。但我目前的职位并不需要以这种方式使用它，因此大语言模型目前解决不了我的问题。

原文链接：https://www.quantamagazine.org/in-an-age-of-ai-a-physicist-seeks-what-endures-20260903/