Adam Brown¶
- 背景: Google DeepMind BlueShift 团队负责人（攻科学与推理能力）；前 Stanford 理论物理学家，研究覆盖宇宙学、弦论、广义相对论。
- 出现于: Dwarkesh Podcast
核心观点¶
- AI 做理论物理的可行性取决于学科的"分支因子"：经验基础薄、选项树有限的领域（如 GR 的诞生、弦论）适合大规模并行的"思考型"探索；凝聚态等领域必须靠实验裁剪分支。（GR from first principles 01:31:37–01:34:39）
- 对"人类跟不上 AI 科学"持温和乐观：LLM 既是超人证明器也是超人解释器，会把难懂的证明翻译成人类可理解的洞见（Erdős 问题的例子）；反驳 Terry Tao 的"消化不良"担忧。（同上 01:34:39–01:37:41）
- LLM 的科研性格：极端耐心、不迷信"公认为真"的结论，敢做人类认为浪费时间的尝试。（同上 01:37:41）
已收录视频¶
| 日期 | 视频 | 主题 |
|---|---|---|
| 2026-07-10 | General relativity from first principles | GR 白板课 + AI 与理论物理 |