hero

如果科學發現只是歸納（從數據中找規律）加上演繹（從公理推導定理），那給 LLM 足夠的算力，它應該能發明廣義相對論才對。畢竟 LLM 以經在這兩件事上展現了壓倒性的能力。

Tom Zahavy（Google DeepMind）在 ICML 2026 的這篇 poster 論文，用愛因斯坦發現廣義相對論的完整歷史作為計算案例，給出了一個尖銳的答案：不行。LLM 結構上做不到。

這篇論文不是 benchmark 比較、不是技術路線之爭。它是一篇哲學立場宣言：科學發明需要第三種能力——abduction（溯因推理，創造性跳躍），而 LLM 沒有這個機制。論文一路從牛頓力學的輝煌時代，講到愛因斯坦在沒有 error signal 的情況下發明廣義相對論的七年歷程，最後論證：AI 即使學會了歸納和演繹，仍然跳不過「從感官經驗到公理」的那一步。

原文摘要

論文的核心論證框架來自愛因斯坦畫給 Maurice Solovine 的一張圖：科學發現是一個循環——從感官經驗（E）出發，透過一個直覺的「跳躍」（J）到達公理系統（A），再從公理演繹出邏輯結論（S），最後回到經驗世界驗證。作者採用了 Peirce（1934）的三種推理分類來對照這個循環：

演繹（Deduction）是 Rule + Case → Result：給定規則和案例，推導結果。這是唯一保證真理的推理方式——就像執行程式碼驗證輸出。

歸納（Induction）是 Case + Result → Rule：從大量案例和結果中，統計性地推導出規則。這就是機器學習在做的事——從數據中壓縮出規律。

溯因（Abduction）是 Rule + Result → Case：看到一個令人驚訝的結果，為它發明一個原因。這不是統計、不是邏輯推導，而是創造性的跳躍。

論文的論點是：生成式 AI 已經掌握了歸納（統計模式匹配）和演繹（形式證明），但缺少溯因——在數據稀缺的條件下，生成全新的解釋性假說。

歷史背景：牛頓力學的輝煌與裂縫

19 世紀的物理學以力學為基石。透過偏微分方程，科學家可以解釋聲波傳播、流體力學、離散質點運動，甚至氣體動力學（連結黏滯性、熱傳導和擴散）。連光都被理解為透過「以太」傳播的波動。

但裂縫開始出現。Maxwell、Faraday、Hertz、Mach 等人統一了電磁學的 Maxwell 方程式，而牛頓力學難以解釋這些電磁場。物理學分裂成兩個概念體系：帶有超距力的質點，和連續場。愛因斯坦無法接受這種分裂，想要為重力建立一個場論。

同時，光的本質引發了危機。Michelson-Morley 實驗試圖測量地球相對於以太的速度——結果是零。光速不隨地球繞太陽的運動而改變。試圖挽救以太理論的解釋（如「以太風」）越來越複雜而人為，最終全部失敗。

而牛頓的重力理論本身極其穩固。牛頓以擺錘實驗驗證了慣性質量等於重力質量（精確度 10⁻³），後世 Laplace 推進到 10⁻⁷，Eötvös 到達 10⁻⁹。牛頓力學的誤差極小。唯一的已知異常是水星近日點的微小偏移（Leverrier 1845），但科學家不質疑理論，而是假設有一顆未發現的行星「祝融星」（Vulcan）藏在水星軌道內側造成干擾。

狹義相對論

1905 年，愛因斯坦以兩個基本假設解決了 Michelson-Morley 的矛盾：相對性原理（物理定律在所有慣性參考系中相同）和光速不變原理（真空光速 c 在所有慣性參考系中恆定）。

從這兩個假設出發，愛因斯坦推導出 Lorentz 變換，其中時間的變換式為：t’ = (t − vx/c²) / √(1 − v²/c²)。歷史上，Poincaré 等人把 t’ 稱為「虛構時間」——一個計算上的方便。但愛因斯坦的詮釋是革命性的：t’ 不是計算產物，而是「貨真價實的時間」。他引入時間膨脹的概念：如果兩個原本同步的時鐘分離，其中一個經歷了速度 v 的運動，它們重逢時會顯示不同的時間。這個洞見粉碎了牛頓絕對時間的典範，代之以每個觀測者都擁有局部時間的現實。

廣義相對論：七年苦旅

狹義相對論只適用於慣性參考系——沒有加速度的觀測者。受到 Ernst Mach 的影響，愛因斯坦認為慣性系不應享有特權地位，開始尋求適用於任意參考系的「廣義」相對論。這段七年的旅程充滿了深刻的物理直覺、生動的思想實驗、嚴格的數學形式化，以及疲憊與錯誤的交替。

靈感期（1907–1912）：1907 年，Johannes Stark 委託愛因斯坦撰寫一篇相對論的綜合評論。電動力學不需要修改（已與 Lorentz 變換相容），力學需要調整（能量、動量、質量，導致 E = mc² 的正式化），熱力學也草擬了相對論版本。但愛因斯坦感到必須走更遠。他想要把相對性原理推廣到加速運動。他後來稱為「一生中最幸福的想法」降臨了：加速與重力等效，慣性本身就是重力的效應。這些想法在 1912 年匯聚成靜態重力場理論，他大膽提出：重力會彎曲光線、減慢時鐘、光速在重力場中不是常數。

整合期（1912–1913）：關鍵轉折發生在 1912 年夏天到 1913 年初。愛因斯坦意識到曲率的數學是關鍵，轉向數學家好友 Marcel Grossmann 求助。他們的合作記錄在著名的「蘇黎世筆記本」中，並在 1913 年發表「Entwurf」（草稿）論文。

愛因斯坦整合了一套物理要求：廣義相對性原理、等效原理、測地線原理、「重力自身產生重力」、應力-能量張量、廣義 Poisson 方程、牛頓極限（總共七條，附錄 B 有詳細說明）。

致命錯誤：Grossmann 在數學部分幾乎走到了終點。他識別出 Riemann 曲率張量是正確的時空曲率度量，甚至收縮張量推導出一個幾乎等同現代 Einstein 張量的量（Gᵢₖ）。從現代視角看，終點線就在眼前。但新方程必須通過關鍵測試：在弱靜態場中還原牛頓的簡單重力定律（第七條要求）。在一個致命錯誤中，Grossmann 認為他們的候選張量沒有化簡到牛頓表達式。但他們後來才發現——錯誤不在幾何，而在對靜態場本身的假設。相信這條路是死胡同，他們放棄了。愛因斯坦被迫以純物理線索（守恆律、早期靜態場研究）建構場方程。結果是一團糟：十個複雜的非線性方程，沒有清晰的幾何意義——這個彎路延遲了最終理論兩年。

數學驗證（1913–1915）：1913 到 1915 年是痛苦的修正與完善過程。1913 年中發表「Entwurf」後，愛因斯坦起初認為重工以完成。但隨著時間推移，他發現自己越來越費力地為一個本質上有缺陷的理論辯護。

到了 1915 年夏天，不利證據堆積如山。他知道舊理論無法解釋水星異常軌道，無法處理旋轉運動，最後發現自己在 1914 年底的「唯一性證明」是有缺陷的。在絕望中，他放棄了「Entwurf」的自適應座標系統，回到 1912 年的直覺：理論必須在所有座標系統中成立。

接下來可能是愛因斯坦職業生涯中最密集的一個月。得知著名數學家 David Hilbert 正在追趕同一問題，愛因斯坦進入瘋狂的生產力狀態——連續四週，每週向普魯士科學院提交一篇新論文。11 月 4 日首次提出解答，仍有錯誤；11 月 11 日修正，困難仍在；11 月 18 日，宣布驚人結果：他的方程正確預測了水星異常軌道；11 月 25 日，第四次通訊公布廣義相對論的最終場方程：

Rᵢₖ − ½gᵢₖR = −κTᵢₖ

其中 Rᵢₖ 是 Ricci 曲率張量、R 是 Ricci 純量、Tᵢₖ 是應力-能量張量、gᵢₖ 是度量張量。左邊代表由度量決定的時空幾何（曲率），右邊代表物質與能量。

歸納推理的極限

論文引用 Roger Penrose 的一段話切入這個核心論證：物理學家不只是「注意到數據中的規律」——愛因斯坦發現廣義相對論時，觀測上根本不需要它。

機器學習的主流觀點與 Schmidhuber（2008）的「壓縮進步理論」一致：科學發現由壓縮數據的歸納慾望驅動。這個框架在數據豐富的環境中取得了令人印象深刻的成果：稀疏優化從數據中提取偏微分方程（Schaeffer 2017），「AI Physicist」（Wu & Tegmark 2019）從模擬軌跡中重新發現守恆律。

但這個歸納框架不足以解釋廣義相對論的發明。愛因斯坦追求的是邏輯的簡潔，但他的過程不是由數據壓縮驅動——因為根本沒有統計學上顯著的監督訓練集可以壓縮。

論文提出了一個關鍵數據點：在廣義相對論發明時，牛頓重力學沒有經驗危機。慣性質量與重力質量的等效已被驗證到 10⁻⁹ 的精確度。唯一的已知異常——水星近日點——不被視為失敗，而是隱藏變數（未發現的「祝融星」行星）的證據。

這凸顯了「創造力＝壓縮」的根本局限：科學發明經常在沒有監督 error signal 的情況下發生。一個作為歸納優化引擎的 AI 會發現牛頓損失函數接近零——沒有足夠的預測與觀測差異來驅動一個朝向重構時空的梯度。

如果現代 Transformer 模型連基礎算術規則都難以逆向工程（Gambardella et al. 2024; Yang et al. 2024），很難想像它能在沒有大量數據的情況下發明新物理。而且，即使有數據，歸納系統也傾向於收斂到捷徑啟發式而非因果定律——Vafa et al.（2025）證明，沒有正確的歸納偏誤，基礎模型經常發現滿足數據但無法抓住底層結構的錯誤世界模型。

驗證廣義相對論的經驗證據——從 Eddington 實驗到相對論 GPS 校正——是在理論形成之後才到來的。愛因斯坦不是在壓縮一個嘈雜數據集來擬合回歸曲線；他是在構建一個邏輯框架來揭示數據尚未顯現的物理結構。

論文也討論了一個反駁：愛因斯坦雖然沒有壓縮數據，但他在壓縮「假說空間」——把慣性定律和重力定律統一到一個框架中（最小描述長度）。但論文指出，邏輯簡潔往往是事後的回溯屬性。雖然最終的廣義相對論是優雅的，但到達它的搜尋路徑卻充滿複雜性、被拋棄的張量、錯誤的方程。一個壓縮驅動的 AI 可能更傾向於用一個參數（如「祝融星」假說）來修補牛頓重力，而非擴展假說空間到非歐幾何——後者會先增加複雜性，之後才簡化。

演繹推理的極限

論文引用愛因斯坦本人的話來區分感官經驗領域和邏輯處理領域：概念和命題的「意義」僅來自它們與感官經驗的連結。

搜尋廣義相對論的動機本身就包含強烈的演繹成分。愛因斯坦的驅動力不是來自數據異常（牛頓觀測史中沒有 error signal），而是來自概念的矛盾：力學超距作用與新興的電磁場論之間的衝突。指認這個矛盾本身是一個演繹任務——一個優化來搜尋科學文獻中不一致處的 AI 可以做到，就像辨識「有 bug 的程式碼」一樣。比如，一個 AI 可以標記 Maxwell 方程中恆定光速與牛頓絕對時間的不相容性。但論文強調：指認錯誤和產出修復是兩回事。提出一個重力場論來模仿 Maxwell 方程的結構性任務是演繹操作，但選擇正確的公理來化解衝突需要的不只是邏輯一致性。

1913–1915 年這段時期恰好說明了這個演繹掙扎。它不是靈光閃現，而是一個苦澀的、機械式的搜尋——尋找正確的數學框架來滿足愛因斯坦的假設。這個階段與現代神經符號 AI 的能力非常接近：愛因斯坦和 Grossmann 的合作本質上是在幾何約束上進行「搜尋」——他們識別出 Riemann 曲率張量是正確的物件，但因為一個「致命錯誤」（錯誤認為它不化簡到牛頓重力）而丟棄了它。花了兩年的衰竭來 debug 這個假設。

論文回顧了近年來自動證明的進展：Lean 等依賴型別理論的證明助手已經成熟（mathlib Community 2019）。LLM 在證明生成上展現驚人流暢度：AlphaProof（Hubert et al. 2025）在 IMO 上達到銀牌水平；後續系統如 Gemini、DeepSeekMathV2、GPT-5 在 2025 年達到金牌；Aristotle（Achim et al. 2025）甚至產生了對開放研究問題的驗證解答。

基於這個軌跡，論文假設：一個現代 LLM，如果用愛因斯坦 1915 年可用的物理假設初始化，可能推導出廣義相對論。一旦場方程設定好，水星近日點進動的推導就是一個可驗證的邏輯任務（A → S）。當前的系統理論上也能辨識和消除錯誤約束——比如愛因斯坦對靜態場的錯誤假設——透過對公理子集進行系統性優化。

但這裡有一個關鍵但書。AI 要推導「等效原理」的後果，前提是這些概念被作為輸入提供。如愛因斯坦所言，邏輯思維僅限於概念之間的連結；它無法從原始感官數據中生成概念本身。1913 年的推導失敗不是因為邏輯有缺陷，而是因為公理本身是錯的。這引導到根本瓶頸：什麼認知過程讓愛因斯坦在第一時間生成「等效原理」？

論文最後指出，即使 AI 擁有從假設推導愛因斯坦方程的演繹能力，還有一個根本的意圖問題。形式定理證明有一個明確的目標（證明某個開放猜想），但愛因斯坦不是在證明定理——他在建構一個現實的預測模型。水星的異常近日點雖然提供了一個驗證目標，但當時不被認為足夠重要。決定性的驗證——Eddington 測量星光經過太陽附近的重力彎曲——是在理論形成多年後才到來。演繹（A → S）嚴格來說是一個下游過程：它展開理論的邏輯後果，但既不具備上游生成公理的能力，也不具備外部驗證的能力。

Abduction：那消失的跳躍

論文以愛因斯坦的「最幸福的想法」作為核心證據：「對於一個從屋頂自由落下的觀測者——至少在他周遭——不存在重力場……觀測者因此有權將自己的狀態解釋為『靜止』。」因為這個想法，那個不尋常的實驗定律——所有物體在重力場中以相同加速度落下——獲得了深刻的物理意義。

論文將這個思想實驗概念化為兩階段過程：首先，透過模擬想像一個觀察；其次，透過溯因推理為那個觀察推導出解釋。現代的 ARC-AGI benchmark（Chollet et al. 2025）已經測試了後者：模型必須從稀疏範例（2–5 組格線對）中推斷隱藏規則——數據太少，無法統計歸納；缺少演繹所需的明確指令——解題者必須做出溯因跳躍。但論文強調：ARC 捕捉到了邏輯跳躍，卻遺漏了操作性的成分——驅動愛因斯坦洞見的物理感受和具身模擬。

模擬作為物理變異：第一個過程——發明一個問題來強迫進展——可以透過現代 AI 的 Test Time Reinforcement Learning 視角來理解：發明問題的新變體並學習解決它們。這個策略已成功應用於解決西洋棋的 Penrose 局面（Zahavy et al. 2024）和 IMO 銀牌水準（Hubert et al. 2025）。但關鍵區別在於：西洋棋和數學中的符號變異受固定規則（公理）約束，而愛因斯坦的變異需要基於尚未存在於數學中的物理直覺來發明新公理。他設想一個物理學者在一個透過深空被均勻加速的電梯中（圖 2）。在這個封閉空間中，感官經驗揭示了一個特定模式：物體被釋放時，地板向它們衝來。對物理學者而言，物體似乎以相同加速度「落下」，不論其組成。這裡的模擬不是符號的排列，而是知覺經驗的操作。

溯因與物理先驗：第二個過程是溯因推理——推斷最佳解釋。不像演繹保證真理，溯因尋求對觀察而言最簡單、最可能的原因。

在愛因斯坦的情境中，現有的牛頓框架為他想像的觀察提供了零解釋。他面對的是語言空間中的沉默——缺乏先驗的符號表徵。愛因斯坦自己說：「文字或語言，如它們被書寫或說出的那樣，似乎在我的思微機制中不扮演任何角色。」

為填補這個空白，他依賴物理先驗。因為加速的模擬感官經驗與重力的記憶感官經驗無法區分，愛因斯坦溯因推斷它們必須是同一現象。電梯內的場不是偽造的慣性效應；它，根據定義，就是真正的重力場。

從中國房間到世界模型：這種將抽象符號錨定在具體物理模擬中的認知過程，稱為操作性溯因（Magnani et al. 2009）。這與 LLM 的運作機制形成尖銳對比。

LLM 精於歸納（在數據中找規律），但缺乏將這些符號接地到物理現實的感官能動性。它們操作為高維度的「中國房間」（Harnad 1990）——操弄物理的語言，卻從未接觸賦予那語言意義的物理指涉物。這個限制阻止了 AI 做出溯因跳躍（E → A）。愛因斯坦可以將他的公理奠基在落體的物理經驗中；LLM 被限制在既有文本的邏輯演繹中。

這個物理接地的缺失正是近期 AI 批判的核心：專家認為儘管語言能力精湛，當前系統缺乏空間智慧（Li 2025）和內部世界模型（LeCun 2022）來推理物理現實。沒有感知或與世界互動的能力，LLM 在連學步兒都能輕易掌握的空間推理任務上掙扎。

世界模型的興起提供了一條橋接的途徑，但論文劃出了一個關鍵區別：視覺預測 vs. 互動模擬。當前的影片生成模型如 Veo，展現「直覺物理」（Hassabis 2025）主要是統計相關的副產品——它們正確生成一顆掉落的蘋果，不是因為模擬了重力，而是因為「掉落」是「無支撐物體」在訓練分佈中最主要的延續。

但最近的架構如 Genie（Bruce et al. 2024）標誌了一個根本轉變：引入行動可控性到生成式世界模型中。不像被動影片生成器，Genie 學習一個允許能動者介入的動作空間——這是操作性溯因（以行動來思考）的先決條件。要重現愛因斯坦的電梯思想實驗，AI 不能只是「看」一段電梯影片；它必須擁有反事實介入（Pearl & Mackenzie 2018）的能力。它必須能夠基本上掌控模擬，在概念上「剪斷纜繩」。論文主張：未來版本這類互動環境，在一致潛在物理流形（而非僅僅像素）上運行，將提供一個合成實驗室，將溯因跳躍從神秘的洞見轉化為可重現的演算法過程。

最後，論文的視野超出了物理。愛因斯坦依賴他的物理先驗，用重力的感覺來剪枝公理搜尋空間。但操作性溯因延伸到物理之外：歷史上的科學革命經常由強烈的、前符號的直覺驅動——無論是 Kepler 的新柏拉圖信仰（太陽在宇宙中心），還是驅動馬克斯資本模型的「客觀憤怒」。要自動化發明，我們可能需要的系統不只是模擬世界，而是持有關於世界應該如何結構的強烈信念或先驗，用模擬來測試那些特定的直覺。

結論

論文回到核心問題：一個現代 AI，擁有愛因斯坦當時可用的知識，能否發明廣義相對論？對當前 LLM 而言，答案是不能。雖然這個領域已成功機械化了歸納（透過統計壓縮）和演繹（透過形式驗證），但這些機制單獨不足以維持科學發明的循環。

主流的「創造力＝壓縮」假說之所以無法解釋這個發現，是因為它預設了普遍存在的 error signal。但牛頓典範沒有遭遇危機，驗證廣義相對論的數據在理論形成數年後才出現。而演繹典範雖然提供了一條從公理推導場方程的途徑，它終究是一個下游過程——發明循環中的驗證步驟，而非發明的機制。

這個限制即使在高端的自動發現系統中也可見：Sakana 的 AI Scientist（Lu et al. 2024）和 Google DeepMind 的 AlphaEvolve（Novikov et al. 2025）展示了機械化科學循環的巨大力量，但也凸顯了論文中指認的溯因缺口。AI Scientist 重組既有符號概念來優化指標——一個精密的「中國房間」操作，缺乏在沒有符號先例時發明公理的感官接地。同樣，AlphaEvolve 在固定框架內優化表現卓越，但它依賴梯度；而愛因斯坦根本沒有牛頓力學的 error signal 來驅動他的發現。這些系統缺乏執行反事實物理模擬所需的那種具身世界模型——而這種模擬正是驅動溯因跳躍到全新典範的力量。

論文的核心結論是：關鍵瓶頸是從感官經驗到形式公理的直覺跳躍（E → A）。愛因斯坦不是在符號空間中搜尋來發現廣義相對論；他是透過模擬一個落下觀測者的感官體驗來發現它。等效原理的提出是一個自足的物理溯因行動——前提完全透過內部模擬建立，獨立於立即的外部驗證。

要建立一個能真正發明的 AI，必須從只會「讀」科學文獻的系統，進化到能「感知」物理世界的系統。物理一致的世界模型的出現提供了一條通往合成實驗室的途徑：讓能動者執行反事實模擬——「體驗」思想實驗的物理後果——我們可能最終機械化直覺與邏輯之間的回饋循環。

最後，論文強調這個提案是專門針對物理科學的——其研究對象是外部物質現實。在抽象領域如數學或電腦科學中，感官經驗（E）可能奠基於高維拓撲，或用通用性或極簡性等其他目標來代替。溯因跳躍的必要性跨領域普遍存在，但模擬的本質必須適應各自學科的本體論：對物理，基底是這個世界；對數學，基底是形式系統的抽象地景。

作者筆記（附錄 A）

Zahavy 在附錄中交代了這篇論文的個人歷程。擁有物理與電機雙學士、博士研究專注於深度強化學習的他，明確表示不聲稱物理學家頭銜——這篇論文不意圖提供對愛因斯坦理論的新穎歷史或物理解釋，而是基於既有來源，探索愛因斯坦的思維過程對 AI 創造力未來的意義。

他的追問始於 2020 年左右。閱讀 Penrose 的《The Emperor’s New Mind》（1994）激發了對科學發現機制的更深層迷戀——尤其是 Penrose 的論點：相對論的發現是由邏輯而非新測量驅動的。這正是論文的核心主題。

這些想法在 2024 年結晶。在 AlphaProof 計畫期間，Zahavy 維護了一份關於計算創造力的活文件。他關於 Penrose 論點的一段評論引起了同事 Oliver Nash 的注意，Nash 提供了詳細的時間線和歷史背景，顯著深化了 Zahavy 的理解。作者使用 Gemini 來潤飾和重述原文的特定段落。

愛因斯坦的廣義相對論公設（附錄 B）

論文以七條公設清單作結，作為理解愛因斯坦理論工程的完整框架：（1）廣義相對性——從慣性系擴展到所有參考系；（2）等效原理——局部均勻重力場與均勻加速物理等效；（3）測地線原理——自由落體沿彎曲時空中的測地線運動，重力重新定義為幾何現象；（4）「重力自身產生重力」——重力場的能量本身也貢獻於場，使場方程必須非線性；（5）應力-能量張量——完整描述物質來源：能量密度、動量密度、壓力與剪應力；（6）廣義 Poisson 方程——用曲率張量取代純量的張量推廣；（7）牛頓極限——在弱場、低速、靜態條件下，廣義相對論必須化簡到牛頓定律。

城武觀點

先說結論：這篇論文對「歸納＋演繹 ≠ 科學發現」的歷史論證極強，我幾乎被說服。但論文的修辭策略做了一件微妙的事——它把「LLM 的訓練資料缺乏物理互動」包裝成了「LLM 的結構性缺陷」。這兩者之間的落差，就是這篇論文最值得追問的地方。

論文的歷史重構幾乎無懈可擊。愛因斯坦當年確實沒有 error signal 可以驅動 gradient descent——牛頓力學在觀測上是零危機。水星的近日點偏移被歸因為「祝融星」，不是理論失效。這直接打穿了 Schmidhuber 的壓縮進步理論：如果你的 loss 已經接近零，還有什麼好壓縮的？論文用一個例子把整條歸納主義的路線封死，做得漂亮。

但到了結論，論文把「沒有 error signal」偷換成了「結構上不能」。這是兩個命題。前者是一個經驗事實（LLM 的訓練資料中不存在足夠的物理互動）；後者是一個架構主張（LLM 的 transformer 架構本質上無法執行溯因）。論文沒有給出後者的證據——它沒有證明 transformer 在接收到正確的訓練資料後仍然無法做溯因。它只是展示了 LLM 目前的訓練資料不夠。

更值得玩味的是，論文自己的解法——Genie 式的互動世界模型——間接承認了這一點。如果你相信 LLM 的 transformer 架構結構上無法做溯因，那你在 LLM 上加一個世界模型模組也不會突然解鎖溯因。但你如果相信問題在於 LLM 沒有接觸過物理互動和反事實干預——那 Genie 恰好就是解方。論文顯然站在後者，但嘴巴上說的是「結構性」。這個詞在全文做了大量修辭工作。

真正的深水區是論文引用的「中國房間」論證（Harnad 1990）。LLM 操作的是物理的語言——「重力」、「加速度」、「場」這些詞彙的統計共現模式——但從未接觸物理指涉物。符號接地問題不是多餵一點 YouTube 影片就能解決的。論文說 Genie 讓 AI 「模擬像素」，但我必須問：操弄像素和體驗重力是同一件事嗎？

這裡就回到一個根本的哲學問題：什麼叫「體驗」？一個人類在電梯裡感受到的加速，是內耳前庭系統、本體感覺、視覺輸入的整合同步——不只是「看到地板往上衝」的影片。如果 Genie 只能模擬視覺（像素），那它給 AI 的不是「物理經驗」，而是更多像素。論文自己也承認了這個張力：它說「在一致潛在物理流形上運行的互動環境」才有可能——但一個潛在流形，不管多真實，仍然是一個符號表徵。你只是從文字的符號換成了向量的符號。符號接地問題沒有因此消失，它只是換了一層。

（這篇部落格文章的封面圖也是 AI 生成的，這篇文章的觀點由 LLM 輔助寫成——所以嚴格來說，我正在用一個可能「結構上無法做創造性跳躍」的系統，來拆解一篇論證「LLM 結構上無法做創造性跳躍」的論文。如果你覺得這構成了一個悖論——那我們對「創造性跳躍」的定義可能需要從新校準。）

說到底，論文的真正貢獻不是證明了 LLM 「結構上不能做溯因」，而是用愛因斯坦的案例證明了「科學發明需要的不只是壓縮和推導，還需要感官接地與反事實模擬」。把這個命題從「結構缺陷」改寫成「當前訓練範式的局限」，論文的所有論證仍然成立，而且更加誠實。

我賭的是：三年內，有人會做出一個有互動世界模型的 LLM，讓它在一個物理模擬環境中學會溯因。到時候這篇論文的「結構性」主張會被低調修正為「當前 LLM 的訓練範式」，而論文的歷史案例仍然是對的——只是命題變了。論文的價值在於它問對了問題，不在於它給出的架構結論。

城武的未解檔案——你可以訓練 AI 讀完所有物理學論文，但你不能讓它感覺到從屋頂墜落時，胃離開身體的那一瞬間。那個瞬間，在 LLM 的 token 序列裡，只是一個機率分佈。