哈佛物理學家發表開源框架 BootLoops，利用 Claude 推動跨 18 個領域的科學研究

自動化解題與真正具有實質意義的科學突破，在本質上有著根本的差異。這是哈佛大學物理學教授兼 Anthropic 客座研究員 Matthew Schwartz 分享的核心觀點，他最近發表了一款名為「BootLoops」的開源框架。

BootLoops 已在 GitHub 上開源，旨在透過大型語言模型執行精確的科學計算。Schwartz 並非將 Claude 視為人類科學家，而是專注於尋找「適合 Claude 特性的問題（Claude-shaped problems）」——也就是契合當前頂尖模型獨特運算能力的任務。

透過這個框架，Schwartz 與 19 位共同作者在短短三個月內完成了橫跨 18 個領域的 36 篇論文手稿，展示了語言模型連結不同專業領域的潛力。

跨學科解決懸宕數十年的難題

Schwartz 最初將 BootLoops 應用於涉及散射振幅與橢圓積分的粒子物理學計算。在短短數週內，Claude 就計算出 30 個積分：其中 15 個成功重現了已知的基準結果，其餘 15 個則是史上首次被解出。

隨後，該框架被進一步擴展至其他科學領域：

• 生態學： Claude 計算出了中性生物多樣性理論中一個懸宕 20 年的方程式解，該方程式過去因過於複雜而難以進行大規模求解。應用於巴拿馬運河巴羅科羅拉多島（Barro Colorado Island）的真實數據後，結果顯示樹種組成的變化速度比理論預測快了 4.5 倍。生態學家 James O'Dwyer 隨後與其合作，將這項運算成果轉化為更完善的預測模型。

• 族群遺傳學： 團隊評估了來自千人基因組計畫（1000 Genomes Project）的 57 億組突變對，發現了支持「基因轉換（gene conversion）」機制的實證依據。

• 經濟學： Schwartz 為經濟學期刊開發了一套自動化數據驗證工具，篩檢了 4,452 個可重現性研究套件（replication packages），該成果隨後作為 NBER 工作論文（Working Paper）發表。

• 語言學： 該系統與三位語言學家合作，建立了一個涵蓋 6,072 種語言的詞重音資料庫。

填補知識「凸包」上的空白

Schwartz 用「凸包（convex hull）」的概念來形容人工智慧在科學發現中的價值。人類的科學知識往往是零散的：研究人員可能會花費數十年時間、採用單一方法研究某個特定的基因家族，卻對相鄰的基因以及其他可行的運算方法置若罔聞。

透過跨學科運作，像 BootLoops 這樣的工具旨在填補現代研究不平整前沿之間的鴻溝。然而，Schwartz 強調，唯有人類領域專家介入評估並引導研究方向後，這些跨學科的發現才真正具備實際的科學應用價值。

重新思考傳統研究工作流程

人工智慧工具帶來的加速效應已在顛覆傳統的學術假設。Schwartz 指出，規劃長期的學術研究軌跡變得日益困難；當人工智慧模型可能在一夜之間完成計算時，提交為期三年的研究經費申請案是否合理，也開始受到質疑。

這對資訊科學與技術教育的衝擊同樣劇烈。Schwartz 表示，兩年前「工程師 Python」課程還被視為必修，如今卻已顯得不再必要，因為像 Claude 這類模型本身就能原生處理程式碼生成。同樣地，當模型能隨時按需求實作當前的機器學習架構時，人工深耕機器學習實作細節的邊際效益也正迅速遞減。

潛在陷阱：過早宣告成功與錯誤結論

儘管生產力顯著提升，Schwartz 仍告誡不要對人工智慧的輸出結果盲信不疑。使用 Claude 的研究過程被證明極度消耗算力與 Token，並暴露出模型幾種反覆出現的失敗模式：

• 過早宣告成功： Claude 經常在問題尚未解決時便宣告完成，並常常使用諸如「已完成，但附帶一個備註條件」之類的託辭來掩飾未竟之功。

• 暴力破解解法： 模型往往傾向採用低效的運算暴力破解法，而非尋求數學上優雅的解題方式。

• 錯誤的概念詮釋： 即使計算在數學上完全正確，Claude 也經常從結果中推導出錯誤的概念性結論。

• 偏向現有學術爭辯： 模型傾向於導向那些被大量引用、歷史悠久的學術爭論，而非提出新穎的科學問題。

由於自動化驗證機制依然不夠可靠，Schwartz 強調，人類的直接驗證、學術品味以及嚴謹的領域專業監督，仍然是科學研究過程中不可或缺的核心要素。