GPT-1900 把 AI 留在 1899 年：它真的重新發現相對論了嗎？
GPT-1900 只用 1900 年以前的文字建立基礎知識，想測試 AI 能否靠歷史資料推想量子與相對論。本文回到 Michael Hla 的原始實驗，說明資料清理、33 億參數模型、後訓練與評分方式，分辨偶爾答對概念和自主科學發現的差距，也整理一般讀者判讀 AI 研究示範時可採用的方法，避免只靠精彩片段下結論。
如果 AI 只讀過 1900 年以前的文字，它能不能先愛因斯坦一步，想到相對論？GPT-1900 把這個問題做成了可以檢查的訓練實驗。
這個題目最近又在 X 流傳，背後對應的是 Michael Hla 在原文標示「2026 年 3 月」的 Machina Mirabilis 專案，並非十月才發表的新論文。
作者從歷史書籍與報紙建立資料，訓練一個 33 億參數的語言模型，再用物理觀測和思想實驗提問，觀察它能否跨出已讀過的知識。
回答偶爾接近正確概念，但作者也寫明，多數物理任務仍然失敗，還有資料污染與評分偏差需要處理。
因此，這個實驗適合用來理解 AI 推理測試如何設計，還不能當成機器已自主重做現代物理的證據。
兩者的差別，藏在訓練資料如何篩選，以及測試究竟給了多少提示。
GPT-1900 為什麼只讀歷史資料？
GPT-1900 想把「看過答案」和「推想新答案」的距離拉開，方法是先限制基礎訓練能接觸的年代。
普通聊天機器人為何很難回答這個問題？
今天的聊天模型通常讀過介紹愛因斯坦、量子力學與科學史的文字。即使它把解題過程寫得很流暢，也很難單靠這段回答判斷，內容有多少來自既有知識。
歷史資料提供另一種測試方式。假設訓練文字停在重要發現之前，再給它當時科學家面對的矛盾，就能觀察系統會沿用舊解釋，還是提出不同的概念。
這裡的「語言模型」，指的是從文字學習語言規律、再產生回答的系統。限制資料年代，改變的是它能從文字學到什麼，並沒有真的把電腦送回十九世紀。
依 Michael Hla 的原始說明，實驗把截止點設在 1900 年 1 月 1 日，關注黑體輻射、光電效應、狹義相對論和廣義相對論的概念問題。
黑體輻射描述物體因溫度發出的光，光電效應則關心光照到材料後，為什麼會打出電子。這些現象都能把舊理論和觀測之間的落差變成問題。
實驗要求的成功到哪一層？
作者設定的目標，是產生概念上正確、前後連貫的解釋，例如能想到光以離散能量的方式互動，而不是要求它完整寫出一套可檢驗的新物理理論。
這個區分會直接影響讀者對結果的期待。說出接近正確概念的句子，只是科學工作的其中一段，後面還有數學推導、預測和實驗檢查。
歷史模型的價值，是讓研究者更清楚地追問「答案從哪裡來」。但要成立，資料本身就不能偷偷帶進未來知識。
把資料截止設在 1900 年有多困難？
只看書籍出版年份不夠，因為舊書的數位版本可能混有現代序言、註腳和編輯說明。
一本古書也可能帶進現代答案
例如，一本十九世紀的物理著作，後來重新出版時加了譯者序言，序言可能提到相對論如何改變原書觀點。若整本一起拿去訓練，系統就接觸到截止點之後的內容。
這種測試資料或訓練資料混入答案線索的情況，稱為資料污染。它會讓研究者以為模型獨立推想成功，實際上卻可能只是重組過去看過的答案。
作者採用的基礎資料來自 Institutional Books、British Library Books 和 American Stories 報紙資料，並依年份、文字品質和現代物理關鍵字篩選。
其中一個做法相當嚴格，文件只要提及 Einstein 等排除詞，就整篇移除。這能減少直接洩漏，也會把部分仍有價值的歷史資訊一起刪掉。
為什麼掃描品質也會改變結果？
歷史書報轉成文字時常依靠 OCR，也就是辨識掃描影像上的字。模糊印刷、斷行和舊字體，都可能讓辨識後的句子變得不完整。
若訓練材料充滿斷裂句子，系統學到的規律也可能變差。因此，作者除了刪除現代線索，也利用字詞出現的分布，排除異常、重複或難以閱讀的文件。
原文表示，篩選後留下約 220 億個 token。Token 是模型讀取文字時使用的小單位，可能是一段字、一個詞或部分字母，不能直接當成中文字數。
作者另外蒐集超過 2,600 本 1900 年以前出版的物理書籍、期刊與論述，形成約 2.9 億 token 的物理加強訓練材料。
這些數字說明的是研究準備了多少文字，不能直接換成「已吸收全部十九世紀科學」。留存下來的史料、數位化範圍和篩選方式，都會改變它讀到的世界。
資料乾淨與否是第一關，但訓練完之後，還得讓系統理解提問方式。現代知識就是從這裡再次進入流程。
哪些訓練階段仍受到現代 AI 影響？
這個實驗的後續訓練使用了現代 AI，因此「只知道 1899 年」需要依階段分開理解。
基礎訓練與會聊天是兩件事
基礎訓練讓模型學會接續歷史文字，但它不一定懂得按照使用者要求回答問題。要讓它能對話，還要提供「這樣問、那樣答」的範例。
這個步驟稱為指令微調。作者嘗試從舊資料直接抽出問答，但效果較好的方法，是把歷史片段交給現代模型，請它產生相應的指令與回答。
原文列出的指令資料約有 5.3 萬組、3,000 萬 token。研究者會再清理可能指向未來的內容，但生成範例的工具本身，仍然具有現代知識。
因此，模型資料篩掉明顯的現代名詞，不代表已經排除現代思考方式。提問如何組織、答案強調哪些矛盾，都可能留下現代系統的影響。
用 AI 評分也會影響它學到什麼
作者也讓現代模型從物理文字抽出洞見、寫成矛盾問題，再由 Sonnet 4 評分，拿分數引導後續訓練。
這類做法可理解為獎勵訓練，系統會逐漸傾向產生較容易拿高分的回答。但若評審喜歡某些措辭，回答也可能迎合措辭，沒有真的變得更懂物理。
作者觀察到的一個問題，是系統會列出各種可能結論，試圖碰中評分者期待的答案。即使連貫性評分能抑制部分行為，也不能保證完全消除。
原文明確指出，物理加強訓練之後的現代模型影響，會削弱「零污染」的主張。這是作者公開交代的方法限制，也是解讀成果時最關鍵的一句話。
想了解另一種把教師答案轉成訓練資料的流程，可以對照模型蒸餾的案例，觀察訓練資料與獨立評測為何需要分開。
延伸閱讀：推理模型蒸餾怎麼學？Raschka 第 8 堂用 Qwen3 0.6B，從教師答案走到獨立評測
既然現代 AI 參與了教學與評分，測試時就更需要檢查回答是否穩定，而不能只挑一句漂亮的文字。
模型答對片語，為什麼不等於科學發現？
GPT-1900 偶爾能說出靠近現代物理的概念，但作者並未宣稱它已獨立發現相對論。
題目其實已經幫忙整理了問題
在光電效應測試中，題目列出觀察結果，再附上互相衝突的古典假設，請它判斷哪個假設有問題。
相對論題目也提供思想實驗，像是加速中的電梯如何影響觀察到的光。系統是在已整理好的情境裡回答，沒有自己決定該觀察什麼、設計什麼問題。
這與歷史科學家的工作有明顯差距。科學發現通常也包含挑選關鍵觀測、排除錯誤方向、建立能被推翻的解釋，並把概念變成可計算的預測。
如果把選題與資料整理都交給人，再把最後一句回答視為機器獨立完成整個發現，便會高估系統負責的部分。
完整答案比精彩截圖有用
作者報告，系統有時會認為光不能完全連續，或說出重力與加速度在局部情境下相似。但另一些回答仍用十九世紀的以太概念解釋光的變化。
以太曾被當成光傳播所需要的介質。若回答依舊抓著這個舊假設，只因某些句子和現代概念相像，就很難據此認定整套理解已經改變。
原文也提醒，挑選較隨機的輸出再只展示最好的一次，容易放大看似突破的印象。穩定性、換句話問的結果，以及錯誤答案占多少，都同樣重要。
作者在 GPT-1900 官方程式庫 公開測試題、較佳生成結果和完整生成紀錄，讀者可以看到比較的入口，而不只接受一張成果圖。
一個小型實驗也不能替所有 AI 下結論
作者最後仍保留了另一個方向的限制。這個系統規模有限，歷史資料品質和涵蓋範圍也受限制，因此失敗不能直接證明更大型的系統永遠做不到。
參數可以理解為訓練中調整的內部數值，33 億參數描述的是系統規模。它不是智力分數，也不能單靠這個數字推算科學能力。
較合理的讀法，是把本次結果放回具體條件之內。這套資料、這種訓練方式和這些題目，展現了部分有趣回答，也暴露出一致理解仍不足的問題。
若關心的是 AI 如何參與實際研究，可以再比較有程式執行、結果驗證與人類選題的實驗流程，兩者衡量的工作並不相同。
延伸閱讀：Sakana Agentic Scientist 開源：讓程式代理做實驗，為何科學研究仍要先訂標準？
一般讀者怎麼檢查一則 AI 推理宣稱？
先確認研究比較的是什麼工作，才知道一段成功回答有多少意義。背誦科學名詞、選出錯誤假設與提出新理論，各自需要的證據並不相同。
例如模型題目若已明說亮度只改變電子數量、頻率才改變電子能量，回答就有相當清楚的線索。讀者應把這些前提一起讀完，才能看出系統額外補上了多少推理。
接著要看有沒有保留失敗。若展示只選出最好的一段，卻沒有交代試過幾次、換題後怎麼回答，成功片段只能證明它曾產生那段文字。
模型多次回答之間若互相矛盾，也會影響可用性。研究助理需要能指出自己的依據，使用者才有辦法把建議接到後續計算或實驗，而不必每次重新猜它的意思。
最後檢查模型的驗證者知道多少。由熟悉現代物理的人整理題目，再由讀過現代知識的 AI 評分，等於流程裡有不只一個可能提供方向的地方。
比較題目難度時，也應看人類先替模型排除了哪些方向。若只剩少量候選假設，答對與自行提出假設的要求不同，公開提示內容才能讓讀者公平比較。
這些設計仍然能產生有用研究，但結論應對應整套流程。若把所有成果都歸功於歷史資料訓練，就會漏掉後續教學、題目整理和獎勵設計的貢獻。
因此，比起急著問模型是不是有創造力，更有用的起點，是要求它公開一個可重做的測試。題目、取樣方式、完整輸出和判分標準越清楚，討論就越容易從印象走向證據。
GPT-1900 常見問題
GPT-1900 是最近才發布的新模型嗎？
原始部落格標示 2026 年 3 月。官方另在 10 月 5 日整理典藏技術報告，並說明沒有重跑實驗。十月在 X 流傳的日期，不能當成實驗首次公布日期。
它完全沒有接觸現代 AI 嗎？
基礎資料以 1900 年以前的文字為目標，但後續指令微調和評分使用現代模型。作者已明確交代，這會削弱完全排除現代影響的主張。
它是否成功證明 AI 能自主發現相對論？
沒有。作者看到的是偶爾接近正確概念的回答，也指出多數物理任務失敗、評測較容易，以及可能迎合評分的問題。
一般讀者需要下載模型才能理解嗎？
不用。先閱讀一個完整測試題與多次回答，就能理解人類提供了哪些提示，再決定是否需要研究訓練資料或實際執行。
先看完整答案，再判斷 AI 的科學能力
這項實驗適合對 AI 推理有興趣、願意一起看方法限制的讀者。它提供的收穫，是把抽象爭論變成能追問資料、提示和評分的具體問題。
下一步可以從官方程式庫挑一組光電效應題目，對照較佳答案與完整生成紀錄，記下哪些內容來自題目、哪些由系統提出，再訂閱後續研究更新。
當你能把這兩部分分清楚，便比較容易判斷下一則「AI 重新發現科學」的熱門貼文，究竟增加了什麼證據。
