解不出量子引力，就不算真正的 AGI
物理學家給 AGI 劃了一條高線：解出量子引力才算數。這場對話還講清量子材料與 AI 的真實關係——搜索到的材料要過了可合成一關，結果可能剩零個。
核心論點 · 點時間戳可跳到原聲
學太多反而癱瘓，敢天真才敢問原始問題
從學生到研究者最難的不是讀懂知識，而是提出能把知識邊界往前推的原始問題。Gopakumar 用「天真加經驗」來形容這個躍遷：學太多反而會癱瘓，你需要保留一點 naive，才敢問那些看似無從下手的題；導師的作用是教你把大問題拆成當下就能推進的小步驟，又不丟掉終極目標。他的導師 David Gross 很擅長這件事——按他的說法，Gross 的第一個學生做出了師生一起拿諾獎的工作，Witten 也曾獲 Fields 獎。現在他帶學生復刻同一套方法：頭一兩個題目由他布置、連他自己也沒有答案，陪學生慢慢解到三四年級，再讓他們獨立提問。
— Rajesh Gopakumar時空不是背景，而是湧現出來的近似
用「水由離散原子組成」來理解弦理論：我們摸到的連續時空，很可能只是某個更深結構在宏觀尺度上的低分辨率近似。Gopakumar 強調這不是純思辨——量子力學本身不允許把時空當作無限可分的光滑背景；加上黑洞（霍金等人發現它有許多反常性質）和大爆炸在奇點處的失效，物理學家必須回答「時空從哪裡來」。弦理論恰好給了一個自然框架：時空從更基本的東西里湧現，引力與已知相互作用也能裝得進去。這解釋了他為什麼把「解出量子引力」當作很高的智能標尺：它要求的不只是會做題，而是建立新的概念框架。
— Rajesh Gopakumar材料該反過來設計：先定性能再找結構
先給一個長週期標尺：量子力學最初只為理解原子，現在支撐的各類器件按他的估算約佔美國 GDP 的 35%-40%，而商業漣漪要到理論出現四五十年之後才明顯展開。他把眼下的階段叫第二次量子革命：石墨烯這類「偶然發現」的量子材料已在商業化，下一步是用 AI 做逆向材料設計——先定義材料要有什麼性能，再搜索什麼結構能實現、怎麼合成，繞過傳統試錯化學。他還透露了和 Demis Hassabis 的一段對話：DeepMind 的下一個聖盃是找室溫超導體，Hassabis 一開始就叮囑他別談量子引力。
— Rajesh Gopakumar卡住是常態，手裡要同時押三四個問題
被卡住不是例外，是研究者的日常；尤其從學生轉研究者的時期，卡住會讓人有 crush 感（被壓垮的感覺）。Gopakumar 的策略先是組合對沖：同時推進三四個問題，一個死了就換另一個，按概率總有一個能挪半步。第二招是去上課——學生眼裡出現閃光的瞬間，那種滿足感能把人從低谷裡撈回來，他多次遇到「講完課回來，卡著的題目突然開了」。第三招是專門學一件一直想學而沒時間碰的新東西，換一個新的參考系再回到老問題。
— Rajesh Gopakumar人才是乘法不是加法，缺的從來不是人頭
為什麼頂級科學集中發生在少數幾個地點，而不是均勻分布？Gopakumar 給出了機制：同處一地的交談、互相拿對方當迴音板，即使沒有正式合作，大腦也一直處於被刺激的狀態；一旦真的合作，兩個人帶來的不同技能是乘數關係而非相加。他還借物理比喻：普通燈泡裡的光子雜亂，激光裡的光子彼此相干，一群人形成 coherence 之後也會像激光一樣產生激射（lazing）效應。他說許多印度機構的表現其實配不上人才，缺的不是人頭而是這種共振氛圍；因此 ICTS 的辦所原則很簡單——只招一流的人，給他們資源和自由度，別讓他們把抱負調低。
— Rajesh GopakumarAI 能加速科研，但做不出概念躍遷
AI 剛連著拿了兩個諾貝爾獎，但 Gopakumar 把「AI for science」和「science for AI」拆成兩件事：前者他認可是超速檔，AI 正在加速科研裡某一類很窄的任務；可眼下 AI 做的「理論」離他的概念層標準還遠，最好的物理靠的是概念躍遷而非模式識別。反過來，science for AI 更被他看好——在 Anthropic 發現 scaling laws 的人裡有物理學家出身；Hopfield 本身就是統計物理學家，拿簡單物理模型去模擬大腦。沿著這條路，物理學家有可能跟計算機科學家、神經科學家一起，把 AI 從語言模型帶到受物理啟發的世界模型。這個分野值得記住。
— Rajesh Gopakumar過了可合成性這關，AI 新材料剩零個
全場最清醒的一盆冷水來自觀眾問答：Google 聲稱用 AI 發現了大量新材料，但把可行性和可合成性（synthesizability）這一關濾掉之後，Gopakumar 的說法是「I think left with zero」——剩零個。他的態度不是否定 AI 材料學（同場有人舉出微軟只用 38.5 萬參數的 DFT 模型、繞過傳統混合方法的例子），而是提醒整條鏈還長：預測晶體結構之後還要能長出來、能放大，每一步都能把驚喜篩沒。他說印度也應該在這條鏈上下注。這句話對「AI 發現新材料」的敘事是一個有用的反向校準。
— Rajesh Gopakumar原話 · 已逐字校驗
I think I'll believe that there is AGI when it solves quantum gravity.
只有當一個 AI 能解出量子引力，我才相信它是 AGI。
Rajesh Gopakumar0:02
he was asking me what do you think are the big unsolved physics question and he said don't tell me about quantum gravity
他（Hassabis）問我：你覺得物理學裡最大的未解問題是什麼？然後他說：別跟我提量子引力。
Rajesh Gopakumar40:45
a laser beam is much more powerful than your regular light bulb. The laser beam has a coherent set of photons and that's the Bose Einstein effect.
一束激光比普通燈泡強得多，因為激光裡是一群彼此相干的光子——這就是玻色-愛因斯坦效應。
Rajesh Gopakumar55:08
the point was that you you you are not just a cog in the wheel like you are might be in some of the welloiled machines of Stanford or Princeton or Harvard or some places.
重點在於你不是機器裡的一顆齒輪；在斯坦福、普林斯頓、哈佛這些運轉順滑的機器裡，你很可能只是其中一顆齒輪。
Rajesh Gopakumar58:10
as a nation I mean we are a many millennia old civilization we should be thinking in in in terms of the long term investments and that's what I think is going to to to lift the country.
作為一個有著數千年歷史的文明，我們應該用長期投資的思維來思考——而我認為那才是能讓這個國家往上走的東西。
Rajesh Gopakumar1:10:19
I think of it as a little genie on my uh table uh which uh I mean I never used to code.
我把它（Codex）當成書桌上的一個小精靈——我以前從來不寫代碼。
Rajesh Gopakumar1:26:38
數字與實體
| 使用量子力學定律的設備佔美國 GDP 比例 | 約 35%-40% | 35:44 |
| 天然存在的元素種類 | 92 種 | 8:17 |
| Princeton 同屆理論物理博士生中非美國籍人數 | 18 人中 10 人 | 13:24 |
| Gopakumar 建議研究者同時並行的問題數 | 3-4 個 | 50:59 |
術語
- Quantum gravity量子引力
- 統一廣義相對論與量子力學的理論目標，目前沒有完整理論；弦理論是候選框架。
- String theory弦理論
- 假定基本粒子是一維弦的不同振動模式，試圖統一引力與相互作用並解釋時空湧現的框架。
- Bose-Einstein condensation玻色-愛因斯坦凝聚
- 大量玻色子在低溫下進入同一量子態，文中被借來比喻人才同頻後的激射效應。
- Synthesizability可合成性
- 計算預測出的新材料能否真實被合成，是 AI 材料發現最容易翻車的關卡。
收聽指南
做 AI for Science 的創業者和投資人，正在糾結去大平臺還是以創業心態做硬核研究的工程師與科學家。
前 25 分鐘求學故事可以倍速，想抓論點從中段開始聽。