AI 算得出，不代表懂科學：BootLoops 如何讓研究結果更可檢驗

BootLoops 1.0 是一套開源工具，目標是讓語言模型執行精確的科學計算時，不只產出答案，也留下可供檢查的依據。這套工具由哈佛物理學家馬修・施瓦茨與 Claude 合作打造，但設計上不綁定單一模型。它的重點不是讓 AI 的回答自動變可靠，而是讓特定計算更容易接受測試。 112

不只給答案，也要證明檢查有用

BootLoops 把科學軟體與一套工作規範整合起來，明確界定什麼才算完成檢驗。例如，要求用獨立的計算路徑交叉比對，並在未用於擬合結果的測試點檢查答案；也要求加入「正向控制」，確認檢驗流程確實能抓出錯誤結果。工具的規範還包括追蹤資料與工具的來源，避免曾參與擬合答案的工具，又被拿來替同一答案背書。 211

這種做法適合答案定義明確的工作，例如數學物理計算。通過一套指定測試，能為某項結果提供支持，但不代表 AI 產生的每個主張都正確，也不能證明研究問題本身值得投入。 25

研究成果仍有待逐項核實

施瓦茨團隊表示，使用這套工具計算了 30 個數學物理積分，其中 15 個被描述為新結果，包括橢圓型費曼積分。研究也包含一項施瓦茨稱為沃森「最後問題」的解答；這項計算與數學家喬治・沃森先前的研究有關。 14164

整體研究工作則據報在三個月內產出 36 篇研究手稿，由 19 位合作者參與，涉及 18 個領域，包括生態學與群體遺傳學。這些是已回報的研究產出，不代表每項結果都已完成獨立驗證；施瓦茨也表示，部分結果仍在檢查中。 3154

AI 能算，專家決定「算什麼」

施瓦茨用「阻抗失配」描述現行語言模型與科學工作需求之間的落差：模型擅長處理範圍明確、能透過工具檢驗的任務，但科學研究還包括選擇值得追問的問題，以及判斷答案是否具有真正的意義。 15

依施瓦茨的說法，Claude 曾在不同領域間找到一些連結，技術上可能成立，科學上卻未必重要。領域專家因此需要介入，引導工具處理各學科真正關心的問題。這也點出兩種不同判斷：計算驗證能檢查結果是否通過指定測試；科學判斷則要決定該算什麼，以及結果究竟代表什麼。 5

可檢驗不等於萬無一失

BootLoops 提供一種把 AI 輔助研究組織成可測試任務的方式，並將獨立檢查與專家參與納入流程。施瓦茨回報的成果展現了這種方法的潛力，但不應被理解為正確性保證，也不能取代後續驗證。即使某項計算通過檢查，若要據此作出高風險決策，仍須由人檢視研究問題、前提假設與可能後果。 245