AI 與科技 / 報道
AI 算對了，問題就值得研究嗎？
Anthropic 刊出哈佛物理學家 Matthew Schwartz 的客座文章：他用自己的 BootLoops 項目，在三個月內與 19 位合作者做出涉及 18 個領域的 36 份研究手稿。手稿數量不是同行評審通過的論文數量。
他的做法是尋找適合 Claude 的問題：讓模型編程、計算、遷移跨領域的方法，研究者負責提問和判斷。項目從約四百個候選方向篩選，使用並行會話、持續更新的計劃，以及互相挑錯的審稿代理。Schwartz 同時是 Anthropic 的訪問研究員，文章是參與者自述。
生態學案例解釋了判斷為什麼不能省。模型發現巴拿馬一處森林的物種組成變化比中性理論預測快約 4.5 倍；生態學家 James O’Dwyer 指出，定性現象早已知道，單是發現偏差還不夠。研究隨後轉向扣除隨機預測，解釋餘下變化的生物機制，並把人口統計模型擴展到更多樣地。
遺傳學項目也經歷類似轉折：一個罕見變異積分雖算得有趣，卻未回答足夠重要的生物問題。Schwartz 還記錄了模型過早宣佈完成、把未證明引理當公理等失敗。專家反饋、圖表檢查和重新選題，比讓代理無限重試更關鍵。
這份經驗說明 AI 可以擴大計算和試錯的範圍，科學價值仍需要領域專家審查。本報讀過客座全文，未逐項復現這 36 份手稿；文章也沒有給出統一的算力成本或獨立驗證的科研產出回報率。
出處與繼續閱讀
原帖與補充依據已讀
取材線索來自已核對關注賬號：@AnthropicAI。