乔木博客

全部

AI工具

AI教程

AI生成

AI资讯

健脑房

播客解读

论文学习

外星人的代码能跑在人类电脑上吗？

AI生成

·

2026年4月28日

·

76 次阅读

·

约 11 分钟

量子计算先驱Michael Nielsen在一次深度访谈中，被问到了这个听起来像科幻小说的问题。

他的回答让主持人Dwarkesh Patel愣了好几秒。

Nielsen说，问题的核心不在于外星人用什么编程语言，也不在于他们的CPU架构。

真正的问题是：外星人可能拥有一套完全不同的科学体系。

接下来两个小时的对话，Nielsen用科学史、AI研究和经济学理论，一层层展开。

科学发现真的像教科书说的那么干净吗？

Patel首先抛出了一个尖锐的问题：你说科学理论的验证很困难，但教科书里的案例看起来都很清晰啊。

迈克尔逊-莫雷实验不就是一个完美的例子吗？

迈克尔逊-莫雷实验是1887年进行的物理学实验，旨在检测“以太”（光波传播的假设介质）的存在。

Nielsen笑了。

他说，这正是教科书最大的问题，它们只展示结果，不展示过程。

1887年，迈克尔逊和莫雷做了那个著名实验，想测量"以太风"。

结果什么也没测到。教科书会告诉你：这个零结果证伪了以太假说，直接启发爱因斯坦提出狭义相对论。

真实历史完全是另一回事。

迈克尔逊本人直到1920年代去世，都坚信以太存在。

他没有被自己的实验说服，反倒不断设计新实验试图证明以太。

洛伦兹和庞加莱这些顶尖物理学家，提出了"局部时间"和"长度收缩"等复杂修补来挽救以太理论。

这些修补在数学上与爱因斯坦后来的狭义相对论完全等价。

科学界面对同一个实验数据，花了将近20年才从"修补旧理论"转向"接受新范式"。

Patel追问：那这只是一个特例吧？

Nielsen摇头，他接连举了好几个例子。

哥白尼提出日心说时，因为坚持完美圆形轨道，他的模型引入的本轮比托勒密的地心说还要多，预测精度也没有更好。

按"简洁性"和"准确性"的标准，哥白尼理论在当时是不及格的。

学界用了将近两百年，直到1838年恒星视差被实际观测到，才完成对日心说的验证。

达尔文的遭遇更能说明问题，自然选择的概念连普通农民都能理解，远比牛顿的微积分简单。

但进化论被接受的难度却远超牛顿力学。

原因很简单：牛顿可以用月球轨道和潮汐立刻证明自己，进化论却需要地质学先证明地球有数亿年的历史，否则几千年时间尺度下进化论根本站不住脚。

Nielsen停顿了一下，说出了他的核心观点：科学理论的"理解难度"和"验证难度"是两回事。

教科书只讲前者，对后者避而不谈。

那AlphaFold算不算科学突破？

对话进行到这里，Patel提出了一个当下最热门的话题。

很多人把AlphaFold破解蛋白质折叠，当作"AI具备科学发现能力"的证据，你怎么看？

Nielsen的回答很谨慎。

他说，AlphaFold确实是了不起的工程成就，但把它称为"科学突破"可能言过其实。

为什么？

因为AlphaFold的成功，极度依赖人类在过去几十年间，通过X射线衍射和冷冻电镜等传统实验手段，耗费数十亿美元积累的近18万个蛋白质结构数据。

AI做的是精密的曲线拟合，没有提供一个简洁优美的科学解释。

这就像一个学生抄了整本答案然后考满分，你很难说他真的学会了。

Patel不太服气：但它确实预测对了啊，这难道不够吗？

Nielsen说，这就要回到科学的本质了。

科学不只是预测，更重要的是解释。

牛顿三定律用几行公式就能描述整个力学世界，爱因斯坦的场方程更是简洁到令人震撼。

但AlphaFold给你的是一个包含数百万参数的神经网络，你无法从中提取出一个简单的物理原理。

更关键的是科学范式转移的机制。

从托勒密到哥白尼，从牛顿到爱因斯坦，每一次大的范式转移，在初期反倒会降低对局部数据的拟合精度。

一个单纯追求"误差最小化"的AI算法，比如梯度下降，在逻辑上很难主动完成这种跃迁。

科学发现不是优化问题。

这是Nielsen最想强调的。

科技树到底有多大？

对话到这里，Patel问了一个更大的问题：你觉得人类科学还有多少未知领域？

Nielsen的回答出人意料。

他说，这个问题本身就预设了一个错误的前提，好像科学是一条单行道，只要沿着走下去就能到达终点。

实际上，科学更像一棵树。

他举了计算机科学的例子：

1930年代图灵奠定理论基础，但直到1970年代，公钥密码学这个极其深刻的概念才被发现，这中间隔了40年。

更让人震惊的是，公钥密码学的数学基础，其实早在19世纪就已经存在了，但没人想到可以这么用。

这意味着什么？人类可能仍然处在科技树极其底层的位置。

那些颠覆性的分支，可能就在下一次翻页的地方等着，也可能永远不会被发现。

Patel听到这里，提出了那个关于外星人的问题。

Nielsen说，这正是他想说的。

不同文明因为感知世界的方式不同，会走向完全不同的技术演化路径。

人类是视觉驱动的生物，物理学家用眼睛观察星空，用视觉化图表理解数据。

但如果一个文明是听觉驱动的呢？他们的"科学直觉"会不会建立在声波、谐振和频率的基础上？会不会先发现声学定律，然后才慢慢摸索到光学？他们的"数学"会不会是一套完全不同的符号系统？

这不是说外星人用不同材料造电脑，是说他们可能有一套完全不同的物理学。

Patel沉默了几秒。

然后问：如果真是这样，会发生什么？

星际贸易会是什么样子？

Nielsen的推论让整个对话进入了高潮。

如果外星文明真的拥有完全不同的技术栈，双方将拥有极大的"比较优势"。

他们的知识对人类来说是全新的，反之亦然。

这种知识差异带来的"贸易收益"将是天文数字，可能整个地球GDP都不及一次星际技术交换的价值。

这就构成了星际和平的最强经济动机：与其互相征服，不如互相贸易。

因为征服只能拿到对方现有的技术，贸易带来的知识交换能创造出全新价值。

Patel立刻提出了质疑。

他说，比较优势不意味着弱势方能获得公平的贸易条件。

人类不会因为黑猩猩会做有趣的事就去跟黑猩猩平等贸易。

当文明之间的权力差距大到一定程度，交易成本会高到让和平互动变得不划算。

Nielsen承认这是个好的反驳。

但他补充说，关键在于"技术栈的差异程度"。

如果外星人只是比人类先进一点，那确实可能出现单方面碾压。

但如果他们走的是完全不同的科技树分支，双方的技术可能是"正交"的，互相都有对方完全不懂的东西。

这时候，贸易的价值就会远超征服。

Patel问：但这只是理论推测吧？有什么证据吗？

Nielsen坦诚地说，没有。

这纯粹是基于逻辑推理的思想实验。

但他认为，这个思想实验的价值在于，它揭示了人类对科学的一个根本性误解：我们总以为科学只有一条路，但可能有无数条路。

在AI时代，人应该怎么学习？

对话的最后，Patel把话题拉回到了现实。

你刚才说AI不能真正做科学发现，但它确实在改变人们的学习方式。

你怎么看这件事？

Nielsen的回答很直接：AI聊天机器人正在制造一种大规模的学习幻觉。

向ChatGPT问一个问题，它给一个漂亮的回答。

你感觉"学到了"，但其实只是看到了一个结果。

真正的理解需要经历那个让人痛苦的"卡壳"阶段，当代码就是跑不通，当模型就是不肯收敛，当盯着屏幕三小时毫无进展。

那些卡住的时刻，才是学习的核心。

Patel追问：那你建议怎么做？

Nielsen说，给自己设定一个"强制函数"。

比如承诺如果做不出来就损失一百万，或者逼自己从零手搓一个Transformer模型。只有当失败的代价足够高时，大脑才会真正认真对待这件事。

他讲了自己的经历。

早年研究量子计算时，他会强迫自己手推所有公式，不允许跳过任何一步。

这个过程痛苦到让人想放弃，但正是这些痛苦的时刻，让他真正理解了量子纠缠的本质。

Patel问：但现在工具这么方便，为什么还要自讨苦吃？

Nielsen说：便利不等于进步，流畅不等于理解。

当AI替你完成了所有"苦差事"，你也同时失去了深入理解底层机制的机会。

他停顿了一下，补充道：这不是说要拒绝AI工具，是说要知道什么时候该用，什么时候不该用。

如果你想真正掌握一个领域，就必须经历那些让人抓狂的时刻。

这个假说站得住脚吗？

对话结束后，Patel在播客简介里写了一段话。

他说，Nielsen的观点非常有启发性，但也有三个地方值得商榷。

第一，用特例质疑常规是不公平的。

Nielsen用了大量科学史上的"异常事件"来论证科学验证过程的混乱。

但他自己也承认这是"选择性偏差"。

99.9%的实验中，异常数据仅仅是因为设备故障或者普通的物理干扰。

用0.1%的范式转移来质疑整个科学方法论，可能是在用特例推翻规律，这本身就不科学。

第二，"科技总是会突破瓶颈"的乐观可能只是幸存者偏差。

深度学习是过去几十年里唯一一个真正打破"收益递减"规律的重大例外。

指望这种奇迹反复发生，可能和一朝中彩票就以为自己是投资天才一样危险。

第三，外星人有完全不同的科学体系，这纯属推测。

Nielsen自己承认这一点。

某些深层真理，比如数字、因果关系、甚至广义相对论，可能具有"普遍性"，任何智慧生命在探索自然时都会不可避免地发现它们。

如果是这样，外星人和人类的科学可能大同小异。

但即使有这些质疑，Patel还是认为这次对话非常值得。

因为Nielsen提出的问题，比他给出的答案更重要。

人类站在哪里？

回到开头的问题：外星人的代码能跑在人类电脑上吗？

答案很可能是：不能。

但如果Nielsen是对的，这不仅是软件兼容性的问题。

他们的整个"电脑"概念都可能和人类完全不同。

他们的基础物理学、数学符号、甚至对"计算"的理解，可能都走在一条人类从未涉足的分支上。

这引出了整场对话最让人难忘的一个画面。

人类可能仍然处在科技树极其底层的位置，就像1930年代的计算机科学家，刚刚发明了图灵机，完全无法想象70年后会出现iPhone。

今天遇到的"科学瓶颈"，也许不是因为"低垂的果实已经被摘光了"，是因为还站得不够高，看不到那些尚未被探索的庞大分支。

在宇宙的科技树面前，人类可能还没有爬上第一根枝桠。

这个想法让人既谦卑又兴奋。

谦卑是因为意识到自己的渺小，兴奋是因为意识到前方还有无限可能。

Nielsen在对话最后说了一句话：科学最迷人的地方，不是它告诉了我们什么，是它提醒我们还有多少不知道。

这可能是整场对话最好的总结。

© 2026

·

向阳乔木