人工智慧公司 Anthropic 宣布旗下大型語言模型（LLM）Claude 在幾乎無人干預的情況下，成功計算出理論物理學中的平面 N=4 超楊-米爾斯（Yang-Mills）理論九圈散射振幅，刷新了該領域保持三年的計算紀錄。這項突破僅花費約一千至兩千美元的算力成本，展現出生成式 AI 在處理複雜科學邏輯與自動寫程式上的龐大潛力。
這次突破標誌著人工智慧跨足前沿科學研究的新里程碑，同時也引發學界對自動化運算工具與論文審查規範的廣泛討論。
簡短指令與低成本：Claude AI 展現自動化計算能力
這項研究源於理論物理學者在公開部落格發出的技術挑戰，要求利用一般研究人員負擔得起的算力資源，解決散射振幅領域的懸案。Anthropic 的研究團隊僅提供 Claude 一句簡短的任務指引，隨後交由模型自主規劃步驟、撰寫程式碼並執行運算，每四至六小時匯報一次進度。
Claude 最終採用了兩種不同的理論路徑分別進行計算，驗證結果完全一致。整個計算過程轉換為終端使用者的算力花費僅約一千到兩千美元，實際用於數值計算的硬體資源相當於 96 個中央處理器（CPU）持續運轉一週。過去由人類團隊耗費數年籌備的難題，AI 在已知方法與基礎工具的支持下，大幅縮短了實現的時間成本。
前沿數學與基礎科學研究的 AI 應用浪潮
除了散射振幅的計算，AI 模型的突破也延伸至數學領域。Anthropic 近期展示了 Claude 在解析數論上的進展，包含提高黎曼猜想相關定理的數值下界，以及在短短 11 天內獨立完成費馬大定理的 Lean 形式化定理證明（Theorem Proving）程式碼。
同時，其他科技巨頭也在平行推進相關應用。例如 OpenAI 透露其內部模型已協助解答多項開放式數學難題；社群上也出現使用者利用 AI 工具輔助驗證哥德巴赫猜想弱化版本的討論。雖然部分由社群發布的成果仍待學界同儕審查，但多數研究已逐漸導入 Lean 等自動定理證明工具來協助客觀驗證。
這代表什麼
對於台灣的科技產業與企業主而言，這項發展象徵著 AI 應用正式從「語文與圖像生成」跨入「高階邏輯符號推導與自動化科學研究」的階段。這代表企業未來在面對高門檻的研發任務時，AI 將不只是輔助寫程式的工具，而是能夠自動拆解複雜目標、自建執行流程的「虛擬研究員」。
在成本層面上，過去需要大型伺服器（Server）叢集或龐大團隊長期投入的邏輯演算，現在能以數千美元以內的雲端算力完成。對於資源有限的中小企業或學術團隊來說，這大幅降低了進入高階技術研發的門檻。然而，目前 AI 仍主要是高效執行人類已知的演算法與公式，尚未具備提出全新科學原創理論的能力，人類專家在定義問題與審核結果上的角色依然不可取代。
背景補充
本次計算所涉及的「散射振幅（Scattering Amplitude）」，是量子場論（Quantum Field Theory）中用來計算次原子粒子相互碰撞時發生特定反應機率的核心工具。在理論計算中，計算的「圈數（Loop）」越高，代表計算的精確度越高，但其數學複雜度會呈指數級成長。「九圈計算」過去被視為算力的極限挑戰之一，任何程式碼出現微小錯誤都會導致全盤失敗。
而在數學領域頻繁被提及的「Lean」，則是一種程式語言兼定理證明軟體。它能夠將數學證明轉換為電腦可以逐行檢查的邏輯代碼，確保推理過程完全嚴謹且無誤。過去數學家需要人工審閱數百頁的論文，如今透過 Lean 的形式化驗證，能讓 AI 生成的數學推理結果獲得快速且客觀的確認。
常見問題
Claude AI 是如何完成這項理論物理計算的？
Claude AI 在接受簡短任務指引後，自主規劃運算步驟並撰寫程式碼，透過兩種不同理論路徑完成九圈散射振幅計算，花費約一千至兩千美元的雲端算力成本。
AI 在這項物理突破中是否提出了全新的科學理論？
沒有。Claude AI 主要使用物理學家先前已開發出的已知工具與演算法，這項突破展現的是 AI 在執行複雜符號運算與自動化程式設計上的極高效率。
什麼是 Lean 形式化驗證，對 AI 數學研究有何幫助？
Lean 是一種能自動檢查數學證明邏輯的程式語言與工具。它將推理過程轉化為電腦可驗證的程式碼，確保 AI 推出的數學結果嚴謹正確，省去學者人工審閱的時間。