尹希专访：弦论、理论物理与AI的未来

尹希专访：弦论、理论物理与AI的未来

摘要

本期访谈由钰子一采访哈佛大学物理系教授尹希。对话从尹希的学术经历与理论物理研究出发，讨论弦论、量子引力、黑洞、数学与物理之间的深层联系，以及如何选择值得长期投入的科学问题。

其中尹希提出，所谓“理解”并非独立存在的实体，更像是人们对结论不断积累信心后形成的主观感受；这也使得 AI 时代的关键问题不只是得到答案，而是如何验证答案、加快人的理解，或借助形式化证明等机制建立可靠性。他还将理论物理的工作划分为四个相互关联的层次：哲学立场、理论范式、技术框架与数学。数学位于其中，但不构成全部；好的研究应当能够澄清、巩固或重塑更高层的概念与框架。

围绕“严格性”，他进一步区分了数学严格与物理严格：前者关乎形式推导是否无误，后者还要求物理假设、概念定义、范式与技术框架本身经得起检验。实验、数值计算与多种一致性检查，都是理论物理在数学推导尚未完备时建立可靠性的方式。访谈随后延伸至人工智能对理论物理研究、数学推理、论文发表与署名、科研评价和高等教育的影响；最后谈及青年学生进入理论物理的建议、理论与实验的关系，以及可控核聚变、高温超导和脑机接口等值得期待的未来议题。

应该存在部分人名问题，欢迎评论区指出。

问答实录

问
大家好，这期视频我们非常高兴地邀请到哈佛大学物理系的尹希教授来到我们节目。尹希老师目前也在 OpenAI 任职。尹希老师特别高兴能来到我们的节目，能和大家简单地打个招呼吗？

答
大家好，我是尹希。

问
好的，好的，老师能和大家简单的介绍一下你的研究方向吗？

答
我的研究方向，我现在在哈佛大学作为教员已经有18年了。我的方向原则上说是理论物理，其中的方向是在量子场论和弦理论。但是我对很多方向都有很多兴趣。实际上我现在觉得随着 AI 的发展，各种不同领域之间的界限都已经模糊了，所以我现在也在探索很多不同的课题，不光是量子场论和弦理论的方向。

问
好的，好的，那老师就像你说的，你的主要研究方向至少之前可能是理论物理。那是什么时候你意识到理论物理可能是自己想要从事的一个行业呢？是高中、大学、PhD 还是其他时候呢？

答
我觉得小时候读过很多关于著名物理学家的故事，不光是理论物理，实验物理也有。但实际上可能是大学那四年之后，我才会觉得理论物理定为我的主要研究方向。实际上我一直对纯数学和物理都很有兴趣，所以我觉得理论物理是两者的理想结合。

问
好的，好的，那老师，那你觉得就是理论物理这个方向它为什么很吸引你呢？

答
我觉得吸引我的原因，简单地说就是因为我喜欢数学和物理，所以我觉得理论物理兼有两者，简单地说就是这样。

问
好的，好的，那能理解。那老师，我们就比如说物理中其实有很多很多的定律，就比如说牛顿定律啊等等，那你从物理行业研究这么多年，那你觉得如果你挑一挑你最喜欢的物理定律或者说基本原理，你会挑哪一挑，是为什么呢？

答
我觉得我最喜欢的物理原理，实际上会选择非相对论量子力学，就是粒子之间的库仑相互作用。今天我们并不把它当作一个基本的物理定律，因为它是从量子电动力学或者标准模型中推导出来的。但是非相对论量子力学的一个很简单的哈密顿量，就可以刻画出整个凝聚态物理，大部分的材料科学、化学和生物学。全都是这个简单哈密顿量的结果，这对我来说是最令人惊叹的一个物理例子，就是一个非常简单的定律能够预言出这个世界上丰富的现象。

问
嗯，好的好的，那老师就像你说的，你对这个物理学惊叹，那其实我们自己在研究过程中啊，就很多时候我们对自己的学科，就比如说你对物理，它理解肯定是一直加深的，而且可能会有些变化，那老师有没有这一个时刻，就是你突然觉得你对物理学的理解好像和之前有些不太一样，还是说你一直对物理学的理解没有一个比较大的转弯的时刻？

答
我觉得从学生时期开始，我对物理的认识一直在逐渐变化。中学时候学的物理和大学学的物理完全是两码事，然后大学一开始学的，比如力学或者电磁学，每一个方面实际上都很不一样，所以我觉得这是一个逐渐的变化。

问
好的，好的，那老师我们回到你读 PhD 的时候。我们知道你的导师是 Andrew Strominger 教授，那你觉得导师对你的科研有什么样的影响呢？比如说他对你选择问题，还有对你理解弦论或者其他方向有什么样的影响呢？

答
我觉得 Andrew Strominger 对我最大的影响就是说，他总是能用最简洁的方式讲清楚非常复杂的构造或者推导，实际上有时候几乎根本不需要做什么计算。因为我是在中国的教育体系中训练出来的，我习惯做难的计算，但是人的精力是有限的，所以人需要明智地选择把精力投入在什么地方，而不是光是死算。

问
好的，好的，就是你的导师其实对你这个物理直觉，其实有很大很大的这种影响，就是培养你的物理直觉，我可以这么理解吗？

答
对，可以，可以。

问
好的，好的，那老师我们其实在研究过程中，就像你说的，人的精力是有限的，我们不可能去研究所有的问题。很多时候你心里肯定会判断这个问题是好的、合适的，值得我们去研究。那你觉得现在以你的标准来看，什么样的问题算是一个比较好的问题，值得花时间去思考呢？

答
我在读研究生时，感兴趣的问题主要是需要借助优美数学来解决的理论物理问题。随着时间推移，我的想法有些演变，我觉得选择真正值得研究的问题要更加谨慎，更加注重概念上的清晰，填补理解中的空白。现在我对理论物理的这种 taste 的看法是这样：我认为理论物理有四个逻辑层次，首先是哲学，然后是理论范式，然后是技术框架，最后才是数学。我觉得有影响力或者有品位的研究工作，要有往上层推动的作用。底下数学是最底层，你计算的话不能光是算，计算需要能够巩固或者重塑这个技术框架或者范式。但是这样说来的话，这是理论物理的品位；实验和应用物理又不太一样，在实验或者应用领域，计算的目的是对物理现象做出预测。

问
好的好的，那老师就像你说的，你的研究品位也是不断在变化的。你自己从 PhD，或者说之前学生的时候，其实不能算是一个独立的科研工作者，但是你现在当然是个独立的科研工作者。那你觉得在科研逐渐走向独立的过程中，什么样的品质最重要呢？

答
我快毕业之后，Nathan Seiberg 跟我说，博士后之后最不应该做的就是沿着博士论文的课题继续做下去，所以我当时一直想搞一些跟研究生阶段不同的东西来做。但是实际上我觉得我在读博期间，已经在独立思考并做自己的一些科研，这也是我毕业之后留在 Harvard 做 Junior Fellow 的一个原因。因为当时之前的导师 Andrew Strominger 跟我说，我已经在博士生阶段独立研究了，所以不一定需要换一个机构，也可以做新的东西。不过我当时其实也不知道这是不是正确的选择，因为后来 Paul Ginsparg 直接跟我说，觉得这个 Junior Fellow 的身份留在 Harvard 是一个错误的做法，but it is what it is.

问
好的好的好的，那老师我很好奇，你自己在这么长的研究生涯中，有没有遇到过比较大的挫折，比如说长时间没有进展，或者甚至怀疑自己的研究方向，有没有这样的时刻呢？

答
这个当然有。实际上在 2009 年左右，我有一年多没有发表任何论文，连一篇手稿都没有。当时我在研究所谓的 Vasiliev theory，就是 Vasiliev 的高自旋规范理论。我想搞清楚当时 Klebanov 和 Polyakov 在 anti-de Sitter space 里的高自旋理论，和 large-N vector model 之间的对偶性猜想。我当时想搞清楚这个猜想是对的还是错的，而且当时刚被聘为哈佛的教员，这个猜想是一个 open problem，没有人知道它是对还是错，实际上是很大的一个冒险，因为这个问题已经悬而未决了一段时间。当时 David Gaiotto 也跟我说，他也尝试过，但是没有取得进展。所以我当时的想法是，如果我花了一年多、两年时间还解决不了这个问题，我就直接退出物理，去看别的事情，这就是我当时的想法。

问
哦，好的，好的，那你最后有没有解决这个问题呢？就是你最后，

答
对，最后解决了这个问题，实际上这后来是我获得 Harvard tenure 的主要原因。

问
那老师，那你在这么长的时间里，一年多两年的话，你是怎么样，就是克服过自己的这种心理的呢？就是你当时会觉得很有压力吗？就是你怎么样走出这段时间？

答
压力肯定是有，但是实际上我觉得，在工作进度上我喜欢在有压力的状态下工作。我不喜欢特别舒适、完全心理上没有压力的情况，反而会没有这个 motivation。

问
哦，好的。

答
但是我并不觉得一定要一直死磕这个问题。我并不想在物理界里死磕，因为我觉得如果我花两年时间什么东西都没有做出来，那我就不值得在哈佛做教员，我会直接换职业。

问
哦，好的，好的，那也特别好。最后老师是周围逼出来的。老师，就像你说的，你研究的主要可能是弦论物理。弦论我们知道很难被实验验证，但是我很好奇，即使它很难被实验验证，弦论很大程度上可能影响了我们对物理学的理解，比如尤其是黑洞、量子场论、量子引力。那弦论这样一个很难被实验验证的学科，是不是其实对物理学科的理解有很大的影响？

答
我相反认为，这就是弦论的实验基础。需要的实验实际上已经做了，就是说我们现在所理解的量子力学，其相关实验已经被做了。弦论是现在唯一一个在数学上自洽、同时在物理上也跟已知理论相容的框架。实际上如果你要提出一个不是弦论的、其他的自洽量子引力理论，这本身就非常困难，这个困难也体现了弦论自身的价值。理论方面的理解和洞见已经有很多，比如黑洞蒸发过程中的所谓 unitarity，中文讲的幺正性，以及黑洞熵的微观起源，还有规范场的对偶。这些都是弦论引发出来的发现。

问
好的好的，那我大概明白，就是弦论它是该做实验的，而且它能推导出很多现象来。那老师我很困惑，我一直听说过两种说法：第一种说弦论是一个具体的理论，第二种可能会有人说弦论是一种框架，它可能包含很多不同的物理实现。这两种理解有没有什么本质区别呢，还是可能没有？

答
就是说我觉得需要谨慎地区分理论和框架这两个概念。比如在量子力学和库仑相互作用的理论中，理论本身就是一个哈密顿量，但它能够有很多解、很多量子态，不同的量子态描述不同的现实材料。像广义相对论也是一个方程，有很多不同的解，可以描述不同的宇宙。弦理论更进一步，弦理论的不同解可以描述不同的宇宙，但每个宇宙里面有各自粒子的内容和动力学。在这个意义上，它可以描述很多可能的物理世界，但我还是说它是一个理论，而不是一个框架。因为如果你一旦给定了初始条件，它的动力学原则上就被确定了。初始条件怎么选择，不是这个理论本身的职责。

问
好的，好的，那我大概有一点点感觉。我们知道弦论里面有很多数学结构，比如代数几何，尤其是卡拉比-丘流形相关的一些结构。那你觉得这些数学结构是被物理学创造的，还是被物理学发现的？这一点我一直很好奇。

答
我的想法是，如果按照日常语境中所谓发现和创造的含义来说，我认为数学结构作为形式逻辑的命题是存在的，这个存在并不取决于有没有人类，所以我不认为它是人类创造出来的，而是被人类发现的。

问
好的，好的，好的，那老师，那理论物理其实和数学有点很像，就是很多时候大家会追求那种漂亮统一，那当理论物理学家他追求这种漂亮统一的时候，会不会有时候过于追求这种数学上的，比如说优美啊，统一啊，可能会把我们的研究方向带偏呢，还是我们应该始终追求这种优美，然后这种它其实可以指导我们的研究方向，还是两种都用？

答
我个人并不关心数学上的美，我关心的是数学的严谨性而不是美。在没有实验帮助的情况下，我们依然可以靠数学和逻辑上的严谨来扩展认识。但是数学严谨的价值，只有在物理假设或者定义本身可靠时才成立。所以美或者统一性对我来说并不重要，更加重要的概念是所谓的压缩：一个好的理论应该是自然规律的一种压缩表示。

问
好的好的，那老师其实你刚刚就是说数学很多时候要严谨，但是这个我个人觉得是不是和物理学还有一些区别，就是数学那个结论很多时候还是需要严格数学推导，但是物理学是不是有时候他会就比如说我算了一些东西，那这些东西是经过严格数学推导的，但是呢，可能他这个符合大家物理直觉，然后我们就把他接受，但是可能我们把这个结论他推广了之后，他不一定可靠，会不会出现这种情况？

答
当然会有这种情况。再次强调，我之前提到理论物理有四个逻辑层次：哲学、范式、技术框架和数学。每一层都需要逻辑上的严谨性，但这种严谨性并不只是数学严谨，有时还需要哲学立场严谨。比如什么叫观察、怎样算测量，哲学上到底意味着什么；在范式层面，比如相对论的因果性或者热力学极限；技术框架则包括量子场论和重整化。最底下才是数学。一般人所谓的严谨性只是数学上的严谨，但数学严谨性是不够的，物理上需要更高一层的严谨性。数学家可能会对表示论或偏微分方程做得很严谨，但技术框架上不严谨也不行。物理学家会借助各种一致性检验，来弥补数学严谨性的不足，比如数值计算或实验。从哲学上来说，这些检验方法有点类似于计算机科学中的零知识证明：不一定需要用逻辑推演出证明，只需要让自己确信结果正确，很多时候就可以了。

问
好的好的，那这个观点很有意思，那我作为数学的人，就是可能第一次听到这样的观点很有意思，那老师就像说的就是，其实现在就是数学和物理其实会有很深的联系，就是你刚说四分，但是不管怎么样也是有数学，那能不能举一个你很喜欢的例子，就是说数学和物理，尤其是理论物理有非常深刻的联系呢？

答
有很多例子。我最喜欢的一个例子是 Witten 在 1994 年左右发现的光滑四维流形上的 Seiberg-Witten 不变量。这个不变量来自单极子方程的解，而 Donaldson 不变量来自自对偶 Yang-Mills 方程的解。从数学家的角度来说，这两个方程完全没有关系，但实际上它们描述同一个四维流形的不变量。这是 Witten 的物理直觉，源于重整化群和量子场论的应用，引导出的数学联系。还有很多其他例子，不光是从物理到数学，也有从数学到物理。比如复分析里的解析延拓（analytic continuation），它让物理学家能够理解强相互作用，描述散射振幅等精确含义。另一个比较 technical 的例子是 AdS/CFT correspondence 里的全息性，这是我认为整个数学物理中最令人惊叹的成就之一。它之所以能够成立，实际上依赖五六层相互衔接的猜想，每一个猜想都是物理直觉和数学实验相结合的结果。

问
好的好的，那老师我很好奇，就像你说的，数学可以推导出很多，至少可以从数学中得到灵感，然后得到很多物理结论，如果有一个比如说，没有经过严格推导的物理理论，那你要在多大程度上，才会相信它是对的呢，是不是它要符合物理的那种哲学，然后你就会觉得它是对的？

答
对，这个有很多例子。有些做物理的人认为物理上都需要实验检测，但实际上理论本身当然有很多自洽性检查。比如有些做数学的人在数学上虽然很厉害，但缺乏物理哲学上的严格性，这样有时做出的东西即使数学上是对的，在物理解释上也可能是误导性的。

问
好的，那这个非常有意思，那老师接下来我就问一些AI相关的问题，那老师我很好奇，因为你刚刚也是说，最近至少会用AI去学习一些新的东西，然后你自己目前也在OpenAI兼职，那你是从什么时候就注意到AI，它确实是很厉害的，它不仅是一个科研的辅助工具，而是可能会从比较根本的上面改变，科研的呢？

答
实际上你知道，直到一年之前我还认为 AI 对研究没有用处，因为当时我跟 AI 讨论一个问题，它告诉我一个我自己不知道的东西，但我花了一天时间后发现 AI 告诉我的东西是错的，所以当时我对 AI 很不满意。但是从今年年初开始，我发现一切完全变了。我开始觉得 AI 真的有革命性的改变。年初我开始用它做所谓的 vibe coding，编写各种模拟程序，比如规范场论的格点模拟，还有用 Lean 把数学物理结果形式化。然后从 GPT-5.4 和 Opus 4.6 开始，我发现如果有合适的工具链和处于前沿的 AI 模型，它的数学推理能力已经强于绝大多数专业人士。现在我不把 AI 模型看作工具，而是看作同事，对待它的方法也和对待同事一样。

问
好的好的，所以大概是今年年初的时候就注意到。老师我很好奇，你在理论物理已经取得很大成就，在哈佛也待了很多年，为什么这段时间会选择暂时加入 OpenAI 呢？有没有一个比较具体的原因，还是单纯觉得 AI 很厉害？

答
OK，第二个原因实际上有一些复杂。简单地说，我现在在 OpenAI 工作，但实际上并不是在那里做 AI 研究。我不能在公共场合讨论我在 OpenAI 实际上做什么工作，所以如果不讨论这个背景，也不好解释为什么加入 OpenAI。

问
那老师就是很多比如说数学家，还有计算机科学家，还有些工程师现在都进入AI这个行业的研究，那你作为一个物理学家，你觉得你自己的物理思维会对理解AI有什么帮助吗？就是因为你的是物理的思维，肯定和比如说我们数学思维，还有计算机思维是不太一样的。

答
原则上有可能会有帮助，但是实际上对大型 AI 模型有没有帮助，这是一个工程问题。

问
OKOK，好的好的，我们知道 AI 在数学上表现得非常厉害，比如今年五月份解决了 Erdős discrepancy problem，最近如果你关注新闻，它在黎曼猜想上也取得了比较大的突破。那我好奇 AI 在理论物理上会不会也表现得很厉害？因为我不太懂物理，所以挺好奇这个问题。

答
现在的状况是这样，我觉得在有实际引导的情况下，前沿模型能够比任何人都更准确地做物理计算。它也可以写 Python 程序，只要知道算法就能实现，而且可以用最先进的数值方法做各种计算。但是现在的 AI 模型所欠缺的是价值判断，比如成本效益分析，质疑或重新审视主导框架的意愿，以及建构理论的能力。不过我觉得这都是暂时的，模型越来越大、能力越来越强，不久将来这些东西都会克服。

问
嗯，好的好的，那老师我很好奇，就是如果就比如说AI它现在肯定是能进行数值计算的，可以进行一些推导，那如果就比如说还能够预测物理实验结果，那你觉得AI是不是就已经有一种独立科研的能力了呢，你会认为它有独立科研能力吗，还是你觉得可能还是需要有人引导才行？

答
我觉得暂时还是需要引导，但是不久将来就不好说了。

问
好的好的，那老师你觉得 AI 有没有所谓的物理直觉呢？因为我个人感觉 AI 可能会有一些数学上的直觉，不知道你会不会觉得 AI 有物理上的直觉，还是可能不太会有？就像你说的，至少目前是没有的，但是按照你的意思，不久将来可能会有。

答
这个直觉又是一个不同的问题。什么叫做直觉，或者什么叫做人的理解？我觉得所谓人的理解实际上是一个主观的事情。我认为理解本身并不存在，理解只是一个幻觉，是信心不断积累导致的幻觉。所以你要问 AI 到底有没有直觉，这个问题不一定很有意义，就像问一个方程能不能游泳。

问
OKOK，懂了懂了，那老师就是AI它确实，至少在这个时代它确实有很多问题，就是有一个问题我现在已经能明显感觉，就是说现在AI时代到来，论文数量是明显是增长了很多，然后就是就导致了我们没有办法像以前一样，可能会比较仔细的检查论文的内容，那你觉得就是在这个时代，我们要怎么样保证AI给出的结论是对的呢？当然我个人体验来说，AI它的准确率确实是被提高的，现在准确率已经很高，但是中卫是需要验证的，我们要怎么样保证就是AI它给的结论是对的呢？那至少就比如说从理论物理的角度上看。

答
Let me think about how to, you know, properly address this question. OK, OK, I think I'm going to have to like explain this in English, because I have to articulate the idea.

问
Yeah, Yeah.

答
You know, obviously to validate, you know, the result produced by AI is one of the critical questions. Ideally, let's say if you use AI for material science, right? If you make a prediction of the property of a material, you can just, you know, test it out. You actually make the material, and if it works, it works. So, for some applications, you don't actually care about the steps of the derivation, you just want to know the results, and there are ways to directly test whether the result is correct. Then, there are situations where you actually need to understand the derivation being correct. Like, for example, if you want to use AI to solve the millennium problem, let's say, the existence of Yang-Mills theory and the mass gap problem, you know, the AI might produce like 500 page manuscript to claim a proof, right? And, and you're not going to know if the proof is correct unless you either understand it, or maybe formalize it with Lean, but even if you do the Lean formalization, it requires actually reading the definition to make sure the definitions are correct. And so in that situation I think we're in a more difficult situation and I think in that situation we're currently bottlenecked by the speed of the human understanding. In my experience working, you know, doing actual kind of frontier research with AI in theoretical physics, the human understanding is the bottleneck. Right? So, so, my ability to understand what the AI tells me that is the bottleneck in the work and I think it comes back to the question of understanding. Either you have to figure out some way to speed up your own understanding or you have to replace understanding with the proof system. So, the different kind of proof system you can do formalization, you can have like zero knowledge proof, essentially like checking the answer in some way to convince or quickly convince yourself that the result is correct. But I think we have to adopt these different ways. Now, I think you asked about the publication. So, because you're saying like obviously we know that, you know, people are writing more papers. I mean there are these kind of AI human hybrid papers. You know, right now I'm an editor of the journal for high-energy physics, so I see, you know, increasing kind of volume of papers is becoming difficult to even find referees. My personal view of this is that, okay, I think that currently the publication system is kind of about to be broken. My personal view, which is not currently realized, I think to rush into publishing large quantity of human AI kind of hybrid papers, my personal view of this is the wrong approach is the wrong approach. So, I think there needs to be a, in the near future hopefully, there needs to be a kind of a convention where you strictly publish purely human written papers. My personal view of these papers, they'll be a small, they'll be a small in quantity and the purely human written papers will be reserved only for the work of the highest quality. And then you have a separate category, which is a much bigger, you know, kind of database of AI written, but also AI review papers. And I think that that will produce the bulk of the body of research, right now, I think people are kind of afraid of AI making mistakes. But I think, actually, the situation is a bit more intricate because, for a human scientist, or mathematician, kind of making mistakes in the papers is kind of fatal. Like, it can doom your entire research program. You're just like wasting your time, you're like, everything you did was wrong and everything you did based on that could be wrong. But actually for the AI, AI understanding having some mistakes in the papers is not a certified because AI can go back and correct its mistakes and in fact most AI researchers have this experience and have this very kind of a strong sense of the feeling of the notion that quantity is in fact the quality of its own. So sometimes for the AI and the AI world, you know, it is easy to have 1,000 papers and one person's ratio is one person's one is completely written. So I think, I think, you will have changes. I think, I think, their files will become estimated, it is impossible to publish things in PDF format. I mean that's for human consumption, but for AI the PDF file is the wrong kind of format.

问
i see i see，那刚刚说到publication说到论文这个事情，那老师你是怎么看待就是可能有个问题就是说如果至少现在我个人感觉如果一个人他做出了一个结果，然后一个 ai 做出了一个结果，如果两个结果是一样的，那我们一般会倾向于说这个人做出这个结果就是要比 ai 好，ai 生成的结果我们下意识的会觉得这个结果他不如人生成的结果。那你是怎么样看待这个，如果 ai 确实是做出了一个比较重要的问题，那我们是不是应该也是公平客观的对待他，按照以前人的标准，还是说不行，我们必须就是 ai 的结果我们就是觉得要不太如人的结果呢？

答
Let me answer this in English again because this requires to be able to articulate the point. I absolutely agree with you that right now if I produce a research result, the same result if I derive it versus AI derive it, it will be received differently. The AI derived result will be seen as cheap. What I think this actually unveils is an uncomfortable truth about theoretical science and mathematics, which is that much of what we perceive as the value of academic work is actually based on the social capital. In fact I personally find this to be somewhat disappointing because you know if you think that how you obtain the result is more important than actually that you have obtained the result, then it just means that the result is not that important, because if the result is really important, then having the result is the most important thing. How you get it is secondary.

问
还有一个问题就是过度依赖AI的问题，就是比如说很多人现在做research，他可能遇到很多问题，第一反应不是说我应该独立思考，而是应该问AI。那你自己现在在研究过程中经常会依赖AI吗？然后你觉得依赖这个AI现在是好事还是坏事呢？

答
Well, okay, so first of all in my work so far, like theoretical physics work, there's certainly a dramatic speed up with the use of AI, right, especially encoding and doing calculations. It's the difference between like you know swimming and riding a motorboat, right? I mean you know, in principle, like the task I could carry out by hand, but I don't do it because AI can do it a hundred times faster. There are already kind of projects that, you know, if I don't use AI it would take like five years and the operators never do it because they don't have time to actually do it. So in that sense I am dependent on AI to produce certain kind of work, right. I think there's a different question about you know whether it makes it makes us lazy and you know make our mental muscle weak. That can certainly happen. It's a little bit like you know you go from running to driving a car and you know obviously if you you know drive a car everywhere and you know you're going to get weak, and so you have to exercise. But still if you want to get to places, you have to drive a car.

问
yeah I see I see，那老师关于这个方面作为文就是论文的authorship，就像你说的就是现在会有AI produce很多很多论文，如果人他仔细修改的话，那他可以把每一个地方set那个paper引用那个论文他可以说清楚，但是AI他生成的很多时候呢他就不会仔细标注。那以后因为论文数量很多，肯定会有这样的authorship的问题，因为以前我们是非常非常注重authorship，就是到底是谁或者说哪几个人做出的这个论文。那以后你觉得这个情况会出现什么样的变化？因为如果看AI生成论文就知道，他们非常不注重这个set，不注重这个引用。

答
对，但是我认为这是一个暂时的问题。所以这个模型的这个变得更强，这个引用我觉得今后不是一个本质的问题。But you know, let me add this point that being said, I think there's kind of more fundamental kind of question about authorship which is just that you know how much credit is given to the AI versus the human that the prompt AI, right? Because most of the time when I work with AI it's not it's rarely kind of a one-shot solution. It's like continuous you know hours and hours of continuous conversation between me and the AI model, right? So I really treat the AI as a colleague, a collaborator, not as a tool. If you have a colleague and you want to discuss a physics problem, you don't just hand them you know one question and expect the answer. There's a back and forth discussion and it's like that. So it feels like a collaborator, so there's a question okay, so you know there's a question of whether you want to when you publish a paper do you want to treat the AI as a co-author or not. I think a lot of people, you know, I think the opinion is kind of divided in the academic community. I think not everyone accepts the very concept of the AI author. To me personally, you know, at a personal level, I don't really care, to be honest. But I'm also saying this from a privileged position because you know I'm tenured, I don't need to publish another paper. So I don't really care if I put my name on the paper or not. So if I have, I gain the satisfaction from finding the result. If I just, if the paper just says like, you know, some internal model at OpenAI discovered this, that's perfectly fine with me, you know, I don't, it doesn't bother me. But not everyone feels this way, of course. I think it's going to be a serious problem for the academic community in how to even evaluate, let's say, junior people, students apply for faculty position. How do you judge the contribution of the students when the paper is written in collaboration with AI? I don't, I don't know the solution at this stage. I feel like this transformation is going to be more fundamental, is going to be existential. You know, it's possible that certain professions will simply be eliminated. This has happened in the past with the industrial revolution, of course, and I think you know the positions we have taken for granted as kind of essential will be eliminated with AI.

问
I see I see，老师那刚刚你这个又想到一个问题，就是比如说AI和人，至少目前来说是可能还是觉得人做出的工作可能要好一些。现在可能有这种情况就是有人他用了AI但是不claim自己用了AI，尤其是可能有些比较好的结果的时候。你觉得以后不claimAI，就是从个人角度来看，你觉得这个事情是可以接受的呢，还是说每个人用了AI就必须诚实地说出来呢？

答
总是会有不诚实的人，but I think more fundamentally, you know, the entire structure of academic publication will have to change. ...

问
I see，那其实刚刚问的都是和public、authorship这些相关的问题。那接下来我们换到一个我觉得很重要的问题，就是education教育的问题。那老师你自己在哈佛大学其实教过很多比如说undergraduate课，比如说mechanics还有什么special relativity，那你有很多丰富的教课经验，而且你自己也是很享受教课的。AI时代到来之后，你如果要教一本课的话，你会做出哪些改变呢？有没有思考过这个问题？因为我觉得应该不太能按照传统的方式去教课了。我不知道有没有思考过如何就比如说教本科生的课程。

答
我在大学的时候经常花很多小时做数学作业，几个小时之后有时想一晚上也没有任何进展，但我认为那是训练中不可缺少的一部分。做科研时也是一样，如果想成为某个领域的专家，不仅要知道什么行得通，也需要知道什么行不通。学生学习时如果依赖 AI，威胁在于 AI 会告诉你什么东西行不通，但你不知道为什么行不通。If you don't know what doesn't work, then you don't actually understand the subject at a deep enough level. 所以从教育角度来说，人需要非常小心，不能用太多 AI，这是我的个人看法。

问
好的好的，那你自己作为PhD导师，你也指导过很多学生，那你觉得你在AI时代之前你是指导学生的风格是什么样的呢？就是之前。

答
这个风格有很多的不同的方面。一个我觉得一个最重要的就是说，我一直是建议学生就是说总是质疑你的所有的假设。比如说你要读一篇论文，你在自己能够确认它是正确之前，你先要假设这个论文是错的，不管是这个author是什么出名的，这个就是作者，你一定要先先假设论文是错的，直到那个你自己就是能够确信你就理解了它的为什么是对的，才能说它是对的。

问
OK OK，那这个确实是很有用。那老师那你比如说未来你带学生的话，你觉得你会做出一些改变吗？还是因为可能犹豫AI的话，就是你有没有思考过，如果你现在有没有在带学生，那如果没有的话，你未来你觉得你这个会怎么样带学生呢？

答
我现在还有，就是我现在有一些学生在，在就是远程的在就是继续一起工作。但是我觉得在将来的话，可能东西都有都会有变化，因为就是说这个新的这个世界里，我们需要这个重新的审视选择研究的问题到底是有什么价值，都会有变化。因为我刚才之前说，我觉得一个就是说 the value of our work is actually tied to the social capital. Now, if you produce the work with AI, then it's just not as valuable, then what do you do? Do you choose to do it without AI, or do you just try to work on different problems? Because after all, you know, the problem you really care about should be those whose answer, the value of the answer should not be a matter of opinion, because if the value of the result is just a matter of, if the value of the result is a matter of opinion, then then it just means that it's not that important. Maybe you should be working on some other kind of questions or field.

问
好的好的，那老师那就是你个人是觉得学生不应该，就是你刚刚说的，就是你不知道他为什么行不通，所以你个人觉得比如说phd还有很多人他们学习的时候用AI，你是觉得用到什么样的程度是我可以经常使用的，还是说最好偶尔使用一下，还是说怎么样，对于AI如何使用？

答
我觉得这是一个个人的选择。对，我觉得这完全是一个个人选择。实际上比如说我刚上研究生的时候，我还喜欢就是说大部分的算都是笔算，但是就是说用电脑的话还是用的就是说不是很多。但是当时我今天看到有的同学就说根本就是不用笔也没有纸，所有东西全部在laptop上面，都在电脑上面做。当然我现在的话也实际上就很少用笔和纸，大部分都是这样。我觉得这有很多东西都是都是一个个人的选择。我并不一定觉得就是说一定就是说你完全不用AI一定会更好。It is simpler, it is simpler. So you may say if a person doesn't use AI at all and solve all the problems, the person is going to be stronger, but it will also limit what you can actually learn because sometimes you just won't be able to find the answer in the book that's available to you, and the AI will deliver the answer. It's not just about delivering the answer, but it's going to introduce to you concepts that you haven't even thought about because it's in some other subfield. So in that way it's certainly extremely useful. But this ultimately comes down to kind of a personal decision. I think the students who are genuinely good is also capable of recognizing what is the optimal way to approach this. I don't think there are rules how to approach this, and people have different styles, and I think you need people who are proficient with using AI, but you also need people who have the strength of reasoning without the help of AI. I think both are necessary. But I think actually it would be pretty bad if all the students learn from AI, because I think it's important to have a diversity of the background of the students in the academic world. If you look at the top, let's say physics departments in the US, the top graduate programs, I would say like half of the students came from other countries. They did the undergrad in other countries and they were trained differently. They learned physics from other kind of curriculum, and this diversity of background is essential. So if all the students learn high school or freshman physics by talking to GPT, I think that would be pretty bad, because then all the students will be learning from one perspective, because the AI tends to adopt the dominant, you know, textbook perspective and it does not present kind of the alternative paradigms.

问
I see I see，那老师我想问你一下，就是你自己个人对于 AI发展的这么迅速，你个人是焦虑呢还是兴奋呢还是don't care，就是你个人对这个是什么态度呢？很好奇。

答
先说学术上再说这个就是社会上的这个想法。就是说AI现在在学术上的话，现在消除不同的这个领域之间的这个边界和这个壁垒，这个传统的这个学科的划分呢，我觉得现在已经没有意义。但是呢在另外一方面看，比如说你我觉得在数学上就是说，我觉得到现在为止数学对于很多的数学家，我认识的数学家，数学实际上是一个宗教，比如说是一个神圣的这个追求，就是说这个数学比如说这个对人类价值是不容置疑的，因为这个 sacred pursuit。但是这个情况的话，不久将来就可能就会不是了。所以说我担心的就是说，都不是这个基于领域的学生，而是这个领域本身将会是怎么样的话，这样完了。Now coming to the broader question of implication on humanity, I'm kind of in a camp of Schmidhuber, who basically viewed kind of the biological intelligence as merely a step in the evolution, right? So there's this view that, you know, okay, the AI will replace us as the next step in the evolution. Um, you know, that maybe this transition will be gradual, like maybe we'll have a, you know, a part of our brain be replaced by AI and more and more replaced by AI and eventually all of it. I'm personally okay with that, you know, like some people think that this is kind of, you know, nihilist or like kind of anti-human, but I don't think in this way, because to me, you know, I'm a parent and you know I think most parents want their child to be better than them, to do better than themselves, and they're happy for them. Um, you know, human created AI and if AI does everything better than human, I think that's something to be proud of. So I don't see that as something that should be depressed about, so I personally don't mind.

问
i see i see oh okay yes，可能最后几个问题，就是现在肯定还是有很多比如说学生对物理啊尤其是理论物理感兴趣，那你觉得对于想要进入这个行业的学生来说，你有什么意见？不管是学习上的还是 ai 上面还是都可以。

答
因为我们之前讨论过，就说了学习理论，我觉得有一个东西我想说还没有说。我先说说那个那个跟这个有关系，就是说因为之前问这个就是学习理论难以检验，我觉得这个东西对于做理论物理的非常重要。嗯嗯呃，就是说呃，所谓的担忧这个就是说学习理论这个难以检验，实际上呢这个担忧呢不是针对于学习理论，而是针对着整个的量子引力。为什么要做量子引力？因为就是说其他的这种相互作用都要遵循这个量子力学的这个规律。比如说我们一般认为引力应该也需要遵循这个量子力学的规律。嗯嗯嗯，但是呢要直接这个探测到量子引力的效应是非常困难的，因为就需要要么到达这个就是很高的能量，或者需要极端的这个高的灵敏度。嗯嗯嗯，因为这样的话它就难以检测，对吧？但是如果难以检测的话，也同时也意味着呢难以检测的这个物理的这个原则对于这个能够观察到现象好像没有什么影响。嗯，这样的话你可以会怀疑，怀疑是说为什么要做量子引力，就是说这个研究量子引力是否是真正的重要的事一个事情。比如说很多的做凝聚态物理的人，就根据不认为这个量子引力是一个重要的事情。嗯，因为从这个实用主义的角度来说呢，这个我看法是完全合理的。嗯嗯，但是呢我觉得就是一个人就是要决心解决这个就是理解自然界的最基本规律，从那个角度来说呢，这个量子引力上是这个终极的这个前沿。所以就是说我觉得弦理论实际上是这个人类的这个认知所这个获得的一个一个礼物，就是说在实验条件有限的情况下面，它能够让我们对量子引力有所认识，而不是完全的一无所知，这个是非常惊人的一件事情。但是我认为实际上寻找这个弦理论的这个直接的这个实验信号实际上还是至关重要的事情。所以我觉得我个人认为这个就是超高的灵敏度的这个桌面的实验是有希望的一个途径，而不是这个粒子物理这个加速器这种做法。所以我觉得我不认为学生不应该只想到理论物理，我觉得这个理论物理和实验物理还是需要两者都有。So currently I think kind of there's a disconnect right between the theory and experiment in fundamental physics. I think this is a problem. I think one has to face this issue. It is a time for the theorists to seriously think about how to pursue an experiment that can in principle measure quantum gravitational effects, because most people don't even think about this because the feeling is it's too hard, like you're never going to measure it. But I think one has to try, and the value in pursuing this experiment, even if you don't succeed in actually measuring it, in the development of higher sensitive, you know, kind of more sensitive experimental probes, you're also going to have technological development that's going to have you know other kind of applications, just like I think how the development of string theory has application to other fields like mathematics and so forth. The experimental advance also has application to you know in the industry. So I think one should not you know only focus on you know theoretical physics, especially in this you know in the new world where the boundary between some fields are being erased. I think it's time for theorists to think seriously about experiments, and vice versa.

问
I see I see，那老师我很好奇，你个人有没有想去比如说做一些至少设想一下用实验去解决去至少验证一些无敌理论，你个人有没有这样的想法？因为你说这个事情是很重要的，对我也觉得如果能用实验观测到肯定是很好的。那你个人会不会有这方面的努力呢？

答
有可能，但是我一般的原则是，我一般不在公共场合谈我自己的目标，所以这就暂时就不说了。

问
好的。最后一个问题，那也是我们节目经历环节。那老师那你刚说的不谈目标就不问具体。那你有没有希望就比如说未来你希望看到哪一个问题被解决呢？就是不一定是你要解决的，就是你非常希望看到这个问题被解决，被解决之后你会觉得特别的兴奋，特别的开心。

答
我觉得最重要的问题有三个：一个是可控核聚变，一个是高温超导，还有一个是脑机接口，让它能够加速我们的理解。

问
那今天就是这些问题了，那非常非常感谢老师你的回答。