本文由申博体育整理发布：
新智元报道 最近，理论神经科学家David Clark宣告成功解析了Sompolinsky 1988模型的完整李雅普诺夫谱。
链接：https://arxiv.
org/abs/2610.
12426 如果你对这些干涩的学术名词感到陌生，没关系。
你只需要知道两件事： 第一，这是理论神经科学领域近四十年来最难啃的骨头，甚至被普遍认为是「解析上绝对无解」的死局。
第二， 这次完成破局的核心主力，不是人类，而是GPT-6 Astra。
而负责打辅助收尾的，是Claude Opus 5.
5。
在这场惊天动地的理论突破中，人类科学家David Clark更像是一个「包工头」和「翻译官」。
他在推文中难掩激动与震撼：「在与AI模型的协作中，我取得了迄今为止我个人在理论神经科学领域最重要的纯理论突破！
」 38年的学术乌云与「混沌的蝴蝶」 要理解GPT-6这次的壮举，我们必须先回到1988年，去看看那片笼罩在理论神经科学头顶的「乌云」。
一提到「混沌系统（Chaotic systems）」，最先浮现的词可能是 「蝴蝶效应」 ——南美洲的一只蝴蝶扇动翅膀，可能在德克萨斯州引起一场龙卷风。
在数学和物理学中，这意味着系统对初始状态极其敏感： 一个微小的扰动，会随着时间呈指数级疯狂增长。
但问题是，这个扰动增长的速度有多快？
在多维空间中，扰动在不同的方向上有不同的增长率。
每一个方向的增长率，在数学上被称为 「李雅普诺夫指数」 （Lyapunov exponent） 。
而所有方向上的指数集合在一起，就构成了一张描绘混沌系统全貌的终极地图—— 李雅普诺夫谱（Lyapunov spectrum）。
这本「谱」，就像是混沌系统的「基因测序图」。
它能告诉我们：吸引子（attractor）占据了多少个维度？
整个系统产生信息的速度到底有多快？
掌握了它，就等于掌握了驯服混沌的钥匙。
1988年，三位科学巨匠Sompolinsky、Crisanti和Sommers在顶级期刊《物理评论快报》上提出了一个模型：由N个随机耦合神经元组成的非线性循环网络。
他们发现，当神经元之间的耦合强度超过某个临界值时，这个网络就会瞬间陷入「混沌状态」。
这个模型一经问世，直接成为了理论神经科学的 绝对基石 。
几十年来，它不仅被用来模拟人类大脑皮层的自发活动，更是当今各种AI循环神经网络（RNN）训练的起点。
但这个神级模型留下了一个「巨坑」。
在1988年的那篇论文里，三位大佬通过薛定谔方程的基态能量，算出了「最大」的那一个李雅普诺夫指数。
然后，他们两手一摊，把 「如何计算完整的李雅普诺夫谱」 作为一个公开问题，留给了后人。
这一留，就是整整38年。
直到2023年，Engelken等人利用强大的算力，勉强通过「数值方法」（暴力计算）算出了完整的谱。
链接：https://arxiv.
org/abs/2610.
12426 但是， 「数值计算」不等于「解析推导」 。
在学术界的普遍共识中，要给这个高维混沌系统写出一个完整的解析解，几乎「人力不可为」。
连David Clark本人在着手研究时，也默认「这个问题在解析上是完全无法处理的（analytically intractable）」。
直到，他唤醒了GPT-6 Astra。
神仙打架！
GPT-6的100分钟「深度狂飙」 当人类的直觉和推导能力触及天花板时，硅基生命展现出了令人毛骨悚然的统治力。
David Clark决定死马当活马医。
他把这个被判定为「无解」的问题，喂给了开启「Max」模式的GPT-6 Astra。
随后，GPT-6进入了长达100分钟的独立运算。
最后，GPT-6 Astra给出了它的答案： 一个完整的精妙的初步推导过程。
它剥离出了一个自洽的问题，而这个问题的解，与大型网络超级计算机的模拟结果严丝合缝、完全吻合！
当David Clark看到屏幕上吐出的那一堆复杂的数学公式时，他惊呆了。
他毫不讳言地写道：这个推导过程极其迷人，尽管它错综复杂，甚至带有一种 「非人类的神秘感（somewhat mysterious）」 。
为了让你明白GPT-6到底有多神，我们尽量用人类能听懂的语言，拆解一下AI这惊天破局的「三步走」战略： 第一步：降维转移，巧借「最小范数解」 要想算出有多少个指数，直接算太难了。
GPT-6反其道而行之。
它把所有的指数都减去一个常数s。
这样，原本「有多少个指数低于 s 」的复杂问题，就被巧妙转化成了「有多少个切方向（tangent directions）会衰减」的问题。
接着，它用源场驱动移位后的动态，取最小范数解（minimum-norm solution），直接证明了：单步响应就是衰减方向的投影算子！
只要算出这个算子的「迹（trace）」，就直接数出了衰减方向的数量。
这一步，在有限的N个神经元下
更多体坛动态，关注申博体育。
