在整合NBA赛季全部赛程，标注背靠背、长途飞行及休息间隔等关键因素。方面，NBA下注资料提供贴心周到的支持。

AI推导出「外星数学」，38年无解混沌难题，被GPT-6联手Claude终结 - NBA下注资料

近期，理论神经科学家David Clark宣布，他成功破解了Sompolinsky 1988模型的完整李雅普诺夫谱。

链接：https://arxiv.org/abs/2610.12426

如果这些专业术语让你感到晦涩，不必担心。你只需了解两个关键点：

第一，这是理论神经科学领域近40年来最棘手的难题，曾被广泛视为“解析上绝对无解”的困境。

第二，这次突破的核心推动力并非人类，而是GPT-6 Astra。负责协助收尾的是Claude Opus 5.5。

在这场重大的理论突破中，人类科学家David Clark更像是一位“协调者”和“解释者”。

他在社交媒体上难掩激动之情：“通过与AI模型的合作，我取得了个人在理论神经科学领域最重要的纯理论突破！”

38年的学术迷雾与“混沌的蝴蝶”

要理解GPT-6的成就，我们需要回溯到1988年，审视那层笼罩在理论神经科学上空的“迷雾”。

提到“混沌系统”，首先想到的可能是**“蝴蝶效应”**——南美洲一只蝴蝶扇动翅膀，可能引发德克萨斯州的一场龙卷风。

在数学和物理学中，这意味着系统对初始条件极度敏感：一个微小的扰动会随时间呈指数级放大。

但问题是，这个扰动的增长速率是多少？

在多维空间中，扰动在不同方向上有不同的增长速率。每个方向的速率在数学上被称为**“李雅普诺夫指数”**。

所有方向上的指数集合，构成了一张描绘混沌系统全貌的终极地图——李雅普诺夫谱。

这张“谱”就像混沌系统的“基因图谱”。

它能揭示：吸引子占据了多少维度？整个系统产生信息的速度有多快？

掌握它，就等于掌握了控制混沌的关键。

1988年，三位科学家Sompolinsky、Crisanti和Sommers在顶级期刊《物理评论快报》中提出一个模型：由N个随机耦合神经元组成的非线性循环网络。

他们发现，当神经元之间的耦合强度超过某个临界值时，网络会立即进入“混沌状态”。

这个模型问世后，成为理论神经科学的绝对基石。几十年来，它不仅用于模拟人类大脑皮层的自发活动，还是当前各种AI循环神经网络训练的起点。

但这个模型留下了一个“巨大难题”。

在1988年的论文中，三位学者通过薛定谔方程的基态能量，计算出了“最大”的李雅普诺夫指数。随后，他们将**“如何计算完整的李雅普诺夫谱”**作为一个公开问题留给后人。

这一留就是38年。直到2023年，Engelken等人利用强大算力，通过“数值方法”勉强算出了完整谱。

链接：https://arxiv.org/abs/2610.12426

但**“数值计算”不等于“解析推导”**。

学术界普遍认为，为这个高维混沌系统写出完整的解析解，几乎“人力不可及”。

连David Clark本人开始研究时，也默认“这个问题在解析上完全无法处理”。直到他启用了GPT-6 Astra。

神仙对决！GPT-6的100分钟“深度冲刺”

当人类的直觉和推导能力达到极限时，硅基生命展现了令人震惊的统治力。

David Clark抱着试一试的心态，将这个被判定为“无解”的问题，输入到开启“Max”模式的GPT-6 Astra中。

随后，GPT-6进入了长达100分钟的独立运算。

最后，GPT-6 Astra给出了答案：一个完整且精妙的初步推导过程。它剥离出一个自洽的问题，其解与大型网络超级计算机的模拟结果完全吻合！

当David Clark看到屏幕上涌现的复杂数学公式时，他震惊了。

他毫不掩饰地写道：这个推导过程极其迷人，尽管它错综复杂，甚至带有一种**“非人类的神秘感”**。

为了让你理解GPT-6的厉害之处，我们尽量用通俗语言拆解AI这次突破的“三步走”策略：

第一步：降维转移，巧用“最小范数解”

要计算有多少个指数，直接计算难度太大。

GPT-6反其道而行。它将所有指数减去一个常数s。这样，原本“有多少个指数低于s”的复杂问题，被巧妙转化为“有多少个切方向会衰减”的问题。

接着，它用源场驱动移位后的动态，取最小范数解，直接证明：单步响应就是衰减方向的投影算子。

只要算出这个算子的“迹”，就能直接数出衰减方向的数量。在有限的N个神经元下，这一步是绝对精确的！

第二步：打破时间壁垒的双向场

为了处理棘手的“最小范数解”，GPT-6运用了一种极具科幻色彩的数学变形：它将最小范数解，变成某个最小二乘问题在正则化趋于零时的极限。

这个极限解，实际上是在求解一个奇特的动力系统——**其中一个场在时间里“向前”演化，而另一个场在时间里“向后”倒流！**这种打破时间箭头单一性的数学操作，展现了AI对高维动力学的超常理解。

第三步：空腔方法的终极绝杀

最后，AI引入了统计物理中的经典方法“空腔方法”。想象向这个混沌网络中强行塞入一个新神经元，以及它的“前向场”和“后向场”。

系统其余部分对它的影响，被完美降维成经典的“动力学平均场”，再加上两个跨越时间将前后向场耦合在一起的“核”。

至此，一个包含N个神经元的无解混沌系统，被GPT-6强行压缩成一个“单点问题”！

只要对这些“核”进行自洽计算，完整的李雅普诺夫谱就唾手可得！

看到这里，你可能已经感到困惑。

别急，不仅是你，最初连David Clark这位顶级科学家面对GPT-6给出的这套“外星数学”也有些迷茫。

这时，第二位AI大神登场——Claude Opus 5.5。

在Claude的辅助下，David Clark和AI模型们一起，深入剖析了GPT-6提出的那种略显“神秘”的解法结构。他们最终将这份“硅基语言”，翻译成一套**“物理上完全透明、逻辑极其优美”**的人类推导过程。

这份最终成果，还顺手重现了38年前原作者那套复杂的薛定谔方程结果。

此外，这个理论还有一个“副产品”：系统吸引子的维度和产生信息的速度，与神经元的数量N成正比疯狂增长！

人类学者的顿悟，与理论科学的“范式革命”

当这篇论文被挂上Arxiv时，整个理论科学界都为之震动。

以前，我们只知道AI能画画、能写代码、能陪人聊天，甚至能通过海量数据折叠蛋白质。但那些，本质上还是“数据驱动”的模式识别。

而这一次，性质彻底变了。

这是纯理论！是严谨的数学推导！是没有任何数据作弊空间的物理学硬核解析！

GPT-6 Astra不是在“背诵”已有知识，它是在一片人类从未涉足的漆黑森林里，独自摸索出一条通往真理的全新道路。

面对这种降维打击，理论科学家们焦虑吗？

正如David Clark在社交媒体最后分享的宏观思考：“理论科学界的许多人对AI的崛起感到焦虑。但我却感到无比兴奋。”

为什么兴奋？因为人类的大脑，本身就是已知宇宙中最复杂的高维非线性动力系统。

几千年来，我们试图理解大脑是如何处理信息、如何学习、如何产生意识和行为的。但面对数以百亿计的神经元和如乱麻般的突触连接，人类有限的脑容量和传统数学工具，简直像在用放大镜观察银河系。

“至少在我的领域，我们还远远没有完全理解在我们大脑中展开的高维计算。”David Clark坦言，“但现在，有了AI的介入，我们终于有望触及那个我们过去只能‘隐约指望’的理解层次。”

100分钟，GPT-6不仅破解了38年的人类科学悬案，更为未来指明了一条路：未来的诺贝尔物理学奖、菲尔茨奖等，大概率将颁给那些最善于和AI做同事的“碳基翻译官”。

参考资料： https://arxiv.org/abs/2610.12426 本文来自微信公众号“新智元”，作者：ASI启示录，编辑：大卫，36氪经授权发布。