对话前DeepMind曹原：AI for Science爆发，一个新时代到来了

1. 谷歌灵魂人物Jeff Dean出走

8月第一周，谷歌灵魂人物 Jeff Dean 宣布离职，带着其他几位高管出走，成立 Discovery Loop 公司，致力于加速生命科学及其他行业的研究进程。在硅谷，这标志着 AI for Science 这个赛道开始爆发。科学和技术怎么用 AI 自动去推动，这是太重要的 topic（课题）。不仅是对一个组织、对一个公司、对一个社会，甚至对一个国家，人类社会发展最终是由科学和技术来推动的。就在众多数学家、物理学家、生物学家加入 OpenAI 和 Anthropic 等顶尖 AI 实验室之际，AI 正在改变人类研发科学的范式。OpenAI 宣布模型 Astra，推导出了 10 道人类长期悬而未决的数学难题。Anthropic 未发布科研版 Claude，将黎曼猜想的相关零点下界从 41.6% 推进至 67.2%。同时，AI 在生物制药、材料、物理等领域，都在迅速将科学前沿快速推进。而 AI 自进化，形成研发闭环，是科研加速的核心。但这中间，人的角色稍显尴尬。它能不能达到一个模型到实验的闭环，也就是我们说的这个 loop（闭环），最难。对于 AI for Science，肯定是 verification（验证），它是一个瓶颈。一旦这个瓶颈被打破了，你就可以很快地迭代。数学从一个证明稀缺的时代，已经进入到了一个证明过剩的时代。人类不能理解的发现是没有意义的吗？它只能有部分意义。不是结果正确就一定正确，你需要去理解，然后去评判。如果这个 AI 我们承认并且接受，它是一个黑盒，并且心安理得地去接受它产生的结果的话，这会造成很多困难。如果这个结果不是完全可解释的话，概念抽象的过程，我认为可能是 AGI 的最后的 last mile（最后一英里）。（AI）要想拿诺贝尔奖的话，要很长时间的。很长时间是多久？我觉得至少得二三十年。你觉得“符号主义”能够解决这件事情吗？所以我们就希望在外面有一层，就是说有一套机制，能够帮助它产生一些新的不一样的想法。

2. 发现（Discovery）

大家好，欢迎收看硅谷101，我是陈茜。这期视频播客我们来聊聊 AI for Science。加入我们的嘉宾，是谷歌 DeepMind 前资深研究科学家曹原。我们这期从 AI 科学自进化的方法论，聊到 AI 数学和 AI 物理的应用，到了最后甚至还聊到了一些哲学问题和人类的意义，挺有意思的，也欢迎大家在评论区和我们讨论。以下，就是我和曹原的视频播客。

曹原，非常欢迎你来做客《硅谷101》。要不要跟我们的观众介绍一下你自己？

3. 当数学证明开始过剩

大家好，我叫曹原。我原来是 Google DeepMind 的科学家，也是 AI 初创企业 Unreasonable Labs AI 的联合创始人。我们的初创企业主要做 AI for Knowledge Creation，也就是知识创造，以及 AI for Science 和 R&D，也就是研究与试验发展方面的研究。

4. 闭环（Loop）

我们今天录制的时间特别巧。就在昨天，Google 的 Jeff Dean 宣布，他要带领一队科技高管离开，然后自己创办一家叫 Discovery Loop 的公司。他们其实也是想做 AI for Science 之类的事情。

我看很多人的评论都很唏嘘，说这是一个时代的结束，也是另外一个时代的开始。我理解，结束的时代是 Google 的时代，而开启的时代可能是一个新的 AI for Science、科学研究的时代。可以这样理解吗？

我觉得这个事情应该从几个方面去解读。

第一个就是说，Google 里面有很多人才，DeepMind 里面也有很多人才和团队。过去几年前，每个团队可能各自关注一些课题，彼此之间不是特别干涉。但是从三四年前 Gemini 这个项目开始之后，因为 Gemini 毕竟是一个最大的、也是非常重要的项目，这种项目需要集中力量办大事。从那个时候开始，人员组织和项目管理就面临了很大的挑战，所以不可避免地，内部会出现一些冲突。

第二个背景是，我相信大家也可以看到，在过去半年左右，Gemini 的表现可以说不尽如人意。今年年初的时候，Gemini 3.1 Pro 可能还算是排行榜上比较好的语言模型，但是过去三四个月，大家可以看到，不管是 Anthropic 还是 OpenAI，包括中国很多开源公司，它们的模型能力都在突飞猛进。相比之下，Gemini 3.5 Flash 以及最新的 3.6 Flash，表现应该说比较平平，而且大家非常期待的 3.x Pro，目前还没有正式发布。总体来说，Gemini 的进度非常落后。

在这种情况下，如果要在商业模式上追赶，比如 Anthropic 以 coding agent，也就是编程智能体为主的新兴能力，要把商业模式转向那个方向，其实还是有很大困难的。

第三个就是，Jeff Dean、Oriol、Sanjay 和 Quoc 他们做 Discovery Loop，本身就是想让 AI 自己去做知识开发、知识发现以及自动科研。这其实跟我们的创业公司当时想做的方向非常一致。我觉得这在逻辑上是一个非常顺理成章的延展。

因为 AI 发展到现在这个阶段，在过去两三年里，数学和编程可能是大家最关注的 AI 智能能力体现：能够自动写代码，能够解决一些奥林匹克数学问题。那么自然可以想象，等这些问题解决之后，下一个能够让 AI 的智能得到爆发、产生巨大效益，或者帮助人类解决更大问题的话题是什么？很显然，就是把数学和代码这些能力推广到更广泛的科学知识发现上。

所以从今年开始，大家可以看到有很多关于 Knowledge Discovery、AI for Science、Recursive Self-Improvement，也就是递归式自我改进的初创企业。我相信，像 Jeff Dean、Oriol、Sanjay 和 Quoc 这样的明星团队，出去做一个初创企业，一定是想做这个领域的新标杆，成为一个新的“新型实验室”。

但是从另一个角度来讲，所谓“一个新的时代开启了，Google 可能转向了”，我认为这个说法有些言过其实。因为 Google 拥有所有能够把语言模型做好的要素，不可能因为一两个人，哪怕是领导层发生变动，公司就做不下去了。

Google 可能是大型科技公司里面，拥有所有做好 AI 的全栈要素的公司。从底层芯片、基础设施、数据中心，到工具链、模型层、人才、数据，再到上层产品的分发，以及覆盖非常广泛的消费者产品分发渠道，它全都有，完全不依赖外部生态系统。

所以不是说 Google 做不好，而是说在优先级和资源投入上，需要做一些调整。但我相信 Google 以后依然会把这个能力做上去。

我觉得还是很好奇。因为你刚才说，Google 内部也有 AI for Science 的研究团队，而这个方向也是之前 DeepMind 的 CEO、现在已经不是 CEO 的 Demis Hassabis 非常看重的方向。他们甚至还独立主导了 Isomorphic Labs 这家公司。

为什么 Google 留不住，包括你、Jeff Dean 这一批科学家，去在 Google 内部做 AI for Science 这件事情？

首先我想说，在湾区、在硅谷，几家科技前沿公司之间的人员流动一直非常频繁，不光是 Google。

对我个人来说，我之所以会想出来做这样的事情，是因为我们之前一直在做 Gemini，也一直在做模型迭代和后训练。但我一直在思考一些更深层次的问题：怎样才能把模型做得更智能？如果要实现 AGI 目标，目前的模型的确可以做好数学和写代码这样的工作，但是很明显，有些能力还是缺失的。

比如说，如果真的想让它做好科学问题、解决科学问题，它的创新能力——提出新假设、验证新假设，然后不断自我更新的能力——还远远没有达到能够帮助人类指数级增长科学知识的水平。

所以，为什么会有这种缺失？怎样才能进一步改进模型，让它帮助人类做出更好的事情？这是我决定出来尝试的动机之一。

那 Jeff Dean 为什么要带人离开呢？能不能猜测一下？

我觉得 Jeff Dean 在 Google 是一个传奇式人物，不光是在 Google，整个业界都是传奇人物。

他对早期 Google 一直到现在的整个 Google，都有非常重要的影响。Google 大部分互联网级别的基础设施，都可以说是从他的一些工作开始的：从最早的 MapReduce，到 Spanner、Bigtable，之后创立 Brain Team 和 TensorFlow——后者是最早的深度学习框架之一——再到 Google TPU，最后到 Gemini，他的经历确实非常传奇。

跟他一起出去的其他几位同事，Oriol 和 Quoc，都是早期 Google Brain 的成员，已经共事了很长时间。Sanjay 是 Google 的元老，基本上跟 Jeff Dean 在同一时期加入 Google，也是跟 Jeff Dean 合作了很长时间的伙伴。

我原来在办公室也经常可以看到 Jeff Dean 和 Sanjay 结对编程，也就是两个人在一起写代码。他们每周有一天必须写代码，Jeff Dean 是非常亲力亲为的。两个人都会一起写代码。

所以，如果他们想自己出去做一些事情，这个组合是非常自然的。他们彼此非常了解，而且都有很强的技术背景。

目前不只是 Jeff Dean 离开了。早些时候我们还看到 John Jumper，也就是 AlphaFold 的联合发起人、后来因为这项工作获得诺贝尔奖的科学家，也加入了 Anthropic。

为什么 Google 留不住这一批科学家？因为我之前以为 Google 是最重视 AI for Science 这条道路的。Demis Hassabis 之前其实也是主导了这条路线，所以最近接二连三有核心人物离开，让我挺惊讶的。

5. 三大AI巨头押注Science的不同路线

Google 现在内部，DeepMind 肯定是最高优先级，就是要把 Gemini 做好，做到业界最佳水平，做到和 Anthropic、OpenAI 齐平，或者比它们更好的位置。

所以很多工作的重心，短期内必须往那个方向转。包括 John Jumper，以及原来一些做 AI for Science 的人，他们的工作重点也会发生变化。

在这么大的团队、这么高优先级的项目之下，不可能让每一个人都非常满意。Google 有这么多人才，每个人都想做自己的事情，也都有自己的想法。怎样让这么多人才的能力和诉求得到最大的体现、得到最好的安排，是一件非常有挑战的事情。

我认为 Google 其实已经在这方面做了很多优化和调整，让每个人发挥自己的最大潜力。在这个过程中，管理团队、科学家和工程师都在思考，也在不断更新、迭代。管理上有很多挑战，但我相信这个状况还是在变好。

你觉得是在变好？

我觉得是在变好。

怎么去判断它在变好？

我觉得不能再按照原来做大模型的方式来做。现在做大模型，非常需要快速迭代和持续更新。

Google 要做的是革自己的命，把 Gemini 团队做得像一个初创企业一样，尽快把智能补上去。这就要求管理团队做很多调整，包括人员安排、每个人能做什么，以及整个项目怎么安排。一定要有自我革新的勇气。

我相信 Google 也意识到了这一点，而且会去做这件事情。

接下来有没有可能有一些新鲜血液进来，也带来新的变化？

比如我们看 Meta，有了 Alexandr Wang 加入之后，现在已经出现了一些改善的迹象。最近的 Muse Spark，包括他们最新推出的编程模型，外界反馈都挺不错。

肯定会有变化。但做一个模型有几个因素：人力、人才、数据、算力，以及我觉得大家可能忽略的一点——整个项目管理和软性设置。每一个环节都会有不同的地方，也都需要改进，这是一个持续迭代、持续更新的过程。

对于 Meta 来说，MSL，也就是 Meta Superintelligence Labs，成立将近一年就能做到这个水平，其实已经挺不容易了。但是接下来怎样从这个水平做到业界最佳，越往后肯定越难，越往上挑战就越难。

从 0 分做到 80 分，相对来说可能在一定时间内可以赶上来；但如果要从 80 分做到 100 分，甚至超过 100 分，就会面临更大的挑战。

我觉得 Google 之前其实已经做到了这个层面。怎样再进一步往上，做到最好的位置，需要花很多功夫，也需要协调很多资源，大家非常有效地安排各项工作，并且快速迭代，才能做到。

那你觉得 AI for Discovery、AI for Science 仍然是 Google 非常着重押注的方向吗？

是的。你看前两天 Sundar 发的邮件，Demis 虽然从 DeepMind CEO 的位置上退下来，但他还是主管 AGI 和 Science 部门。

Google 是所有 AI 科技公司里面最早布局 Science 的公司，而且布局得最广、最深，整个生态体系也可以说做得最好。

科学和技术怎么用 AI 自动去推动，这是一个非常重要的课题。不仅对于一个组织、一个公司、一个社会，甚至对于一个国家都很重要。人类社会的发展最终是由科学和技术推动的。

现在有这么一个工具、这么一个聪明的 AI 模型，就必须把它的能力推上去。在这个层面上，不可能完全放手。短期内可能会有一些优先级调整，但我相信 Demis 虽然现在转为董事长，仍然会在这方面继续做很多努力。

可不可以说，Demis 现在是退后一步，因为他不太想管商业化和产品方面的事情，但仍然会非常专注于 AI for Science？

我认为这是其中一个原因。我相信 Demis 一直比较看重长远发展，特别是技术的长远发展。而且他个人的气质更像一个科学家，而不是主管产品或商业事务的 CEO。

DeepMind 和 Brain Team 当时合并，很大程度上是为了尽快把 Gemini 做起来，努力赶超 GPT。但在此之前，从大概 2015 年前后到合并之前，整个 DeepMind 在伦敦的研究，所有这些 Alpha 系列，都是以科学研究为主。

之后产生的很多效益，包括产品上的落地，都是因为这些先驱性的科学研究成果。包括现在 AI for RSI，也就是递归式自我改进。比如 AlphaEvolve，就能够带动算法更新，推动自动算法更新。AlphaFold 更不用说，已经拿到了诺贝尔奖，之后还商业化成了 Isomorphic Labs。

所以我觉得，Google 有能力，也有责任去进一步推动长远的科技和研究发展。我觉得 Demis 非常适合这个角色。

6. 概念：AI4AI、AI4S与RSI

我们也看到其他 AI 前沿公司，包括 OpenAI 和 Anthropic，其实也把 AI for Discovery 和 RSI 放在了重点布局方向。

但在聊这三家公司之前，要不要先给大家梳理一下几个概念？最近大家肯定会听到很多关键词，包括 AI4S、AI4AI，还有 RSI，也就是 Recursive Self-Improvement。能不能把这三个概念解释一下？

AI4S 或者 AI4AI，都是把 AI 模型本身当作一个研究员，去研究科学问题，或者研究 AI 自己的问题。

大家想一想，如果是 AI for AI，我这个模型已经很聪明了，怎样发挥它的聪明才智，来改善模型自身的能力？比如给它一个要求：能不能用最少的资源、最少的 GPU，在限定预算下把模型训练得最好？

当然人可以去做，但如果让 AI 自己去做，它可能在尝试新想法、新实验方面比人快得多。它可以先看目前模型的代码库，然后发现某个参数可以调高一点，生成一个提议，建议先试着把这个参数调高。

现在 AI 作为智能体的能力已经很强了。它可以写一段代码，把这个提议实现出来，然后自动把代码放进沙盒里运行实验、训练模型，再观察模型最终的训练结果。

拿到结果之后，它把结果作为反馈，再提出下一步建议。比如它发现，把参数稍微调高之后，模型效果变好了，那么是不是应该继续沿着这个方向推进？根据这样的反馈，它可以进一步生成下一步建议。

一轮轮迭代之后，你可以看到模型性能不断提高，这就是一个自我不断迭代的过程。这是 AI4AI 一个非常简单的应用。

当然，现在也有一些初创企业在探索，能不能找出和 Transformer 不一样的架构，因为这可能需要大量搜索和新的想法。也有人在探索，AI4AI 能不能找到不需要 Backpropagation，也就是反向传播或梯度传递的新优化算法。

所以，用 AI 去研究问题，可以更高效地搜索不同方法、尝试不同方案，而且整个闭环可以自我完成。

对于 AI for Science，只是把问题换成科学问题，方法大致相同。

RSI 不是一个任务，而是一种方法。就像前面说的，我能够不断自我迭代，利用递归式自我改进的方法去更新任务或者更新提议，让它不断把任务做得更好。

所以，AI4S 和 AI4AI 是类似的，只是目标不同；RSI 是一种方法，既可以用于 AI for AI，也可以用于 AI for Science。

这就非常清楚了。下一个问题是，为什么在这个时间点，特别是现在 2026 年 8 月，AI for Science 爆发了？

我也理解，它可能不是一夜之间爆发的，而是之前已经有一个缓慢的进展过程。我们看到包括 Google 的 AlphaFold、RoseTTAFold 等一系列模型的进展。那么在此时此刻，哪些技术成熟了，让 AI for Science 能够在这个时间点爆发？

前两年 AI 的发展，最能体现推理能力和智能的，就是代码和数学这两个问题。

这两个问题发展到位之后，如果 AI 能够可靠地写代码，同时整个智能体的 harness，也就是帮助 AI 一步步完成工作流的外部系统成熟了，那么就可以让 AI 去做更复杂的科学问题。

比如说，如果要跑一个生物实验，模型首先需要提出一个假设，接下来决定跑什么实验。这要求模型根据目前的实验观测，推导下一步应该做什么。

第二，如果实验跑出结果，把数据收集回来，模型需要自己写代码分析数据，判断数据是否符合预期，这就需要很强的代码能力。

第三，生成代码之后，如果分析发现数据异常，模型需要一步步分析数据为什么异常，判断是不是前面的提议出了问题，然后不断自我迭代。

所以，这些都需要模型具备推理能力、数据分析能力、数学和写代码的能力，以及完整的智能体循环能力。还包括怎样管理记忆：每次实验完成之后，都要把之前的观测放进记忆管理容器中。

这些能力都到位之后，才可以更好地处理 Science 问题。因为 Science 覆盖面很广，问题也很复杂，可能比 coding 和 math 更具挑战性。

所以现在可以说是天时、地利、人和，到了用 AI for Science 的时候。

我们看到 AI4S 里面也有很多不同的细分方向。现在大家讨论最多、最聚焦的，还是材料、生物制药，以及 AI for Semiconductor，也就是用 AI 设计芯片。

为什么这些领域会受到关注？哪个 Science topic 最有吸引力？

这由几个因素决定：市场潜力和市场规模，它是否适合用 AI 去做，以及它对 AI 科研能力的迫切性，还有 AI 能不能在这个领域做得好。

传统上来说，Biology、Biotech、Life Science 或者 Drug Discovery，本身就有很大的市场。这跟 AI 其实没关系，一直都是这样。哪怕没有 AI，这些市场本来就很大，这是第一个因素。

第二，在生物和制药方面，整个流程相对比较标准化，也比较结构化，数据很丰富，流程相对容易交给 AI 处理。

第三，制药厂，特别是新药开发，周期非常长，成本非常高。比如开发一个新药，需要测试很多种可能的分子结构，然后从中挑出最有可能的先导化合物。这只是第一部分。

之后，对比较可靠的分子结构还要进行临床试验，药物开发也有很多监管流程。整个周期可能花费几亿美元，等到最后获批，几年可能就过去了。

怎样用 AI 在这个过程中实现自动化，或者减少成本，对于制药公司来说，是非常有吸引力的课题。

所以总体来说，生物和药物开发在创投领域是比较大的，也是比较适合用 AI 去做、很有吸引力的科学话题。

材料也有很大的市场，因为生活的方方面面都会遇到材料。但和药物相比，材料市场更加细分，很难捕捉到它的价值具体用在什么地方。

你可以有金属材料、皮革材料、生物材料，或者用于半导体制造的材料、稀土材料等等，划分非常细。整个开发流程也会根据应用不同而不同，所以很难用一种相对标准的方法处理这类问题。

即使发明了一种新材料，发现了一个新的材料结构或新的材料分子，这也只是第一步。之后还要考虑下游生产环节、具体应用、由谁来制造，以及最后怎样包装。它的价值链比较碎，很难一下子用 AI 捕捉到所有价值。

所以，材料也是很大的市场，但和药物开发、生物相比，可能会相对小一些。

其他领域，比如芯片设计、用 AI 做电池设计，或者量子计算，都是比较新兴、还处于探索阶段的努力。至于 AI 能在多大程度上帮助这些领域做好，现在很多公司都在探索不同方向。

我有一个问题。AI4S 本质上解决的是什么问题？是加速现有科学研究，还是发现新的问题？也就是说，它是提效，还是发现？

这取决于 AI for Science 模型扮演的角色。

第一个角色是 Co-Scientist，也就是帮助科学家加速发现，但模型本身不一定提出新的方法。比如 Claude Science 这个平台，它其实就是一个 workbench，像编程 IDE 一样的集成环境。

上面有很多工具，可以做分析，也可以和模型对话，让模型给出建议，去跑实验、做模拟。但是在整个过程中，AI 模型不一定自己提出新的知识。它可以加速科学家设计实验、分析数据，总体上让整个科研流程变得更容易。

第二种，AI 的确可以提出自己的新发现。比如 DeepMind 之前的 AlphaEvolve，能够自己发现新的算法；更不用说 AlphaFold，它能够帮助产生新的蛋白质结构。这属于 AI 自主产生知识。

具体扮演什么角色，取决于使用场景和领域，也取决于模型是某个垂直领域的模型，还是一个放在智能体循环中的通用模型。

接下来我们把 AI4S 的具体步骤拆开来看，看看 AI 在里面有什么样的应用和研究。

如果作为科学家做研究，通常会有问题定义、表征、建立预测模型、验证和做实验等环节。我们从最开始的问题定义看，AI 在这里扮演什么角色？

我觉得问题定义必须由人来做。目前 AI 还做不到自己凭借品位找到合适的问题，自己定义问题，然后开展研发。

所以人类科学家仍然不可替代。人必须提出问题，告诉 AI 要解决什么问题，以及哪些动机是重要的，这些都需要由人来决定。

但是，AI 可以基于一个初始问题和一些初始提示，搜索文档、做分析，帮助改善问题，或者把问题结构化。这时它主要发挥辅助作用。

现在什么样的问题适合让 AI 来研究，也需要人来挑选。

什么样的问题适合 AI 去研究？

任何可以计算、容易验证和计算的问题，都比较适合 AI 完成。说白了，就是你能在多大程度上把这个过程干净地建模。

比如 AlphaFold，问题定义非常明确：给定一个氨基酸序列，输出蛋白质的三级结构。这种问题非常结构化，相对来说可以通过计算解决。

另外，验证比较容易的问题，也更适合 AI。因为在整个 AI for Science 里，最难的一环可能就是验证。

AI4S 不像 AI for Coding 或 AI for Math。对于编程和数学，一旦数学证明生成出来，马上可以判断对不对；或者代码写出来，运行一下就知道对不对。

但对于很多科学问题，比如申请一个新药，可能不到最后上市，你都不知道它最终效果怎么样。虽然中间有很多模拟，但终极问题不一定能马上用 AI4S 快速解决。

不过其中的一些步骤，比如通过模拟工具计算药物的特性、判断它是否稳定、是否可能有副作用，就比较适合 AI。AI 产生一个结果之后，能够多快验证，决定了 AI for Science 能多快迭代。

所以，可验证性是非常重要的指标。

能不能举一些现在还不适合，或者还没有办法用 AI 解决的科学问题？

这个太多了。我觉得可能反过来讲，哪些问题适合用 AI。就像前面说的，AlphaFold 就是适合的。

比如 OpenAI 之前用 GPT-5 和 Ginkgo Bioworks 合作。Ginkgo Bioworks 是美国剑桥的一家用机器人做实验的实验室。他们把 GPT-5 和实验室结合起来，能够完成一个完全自动化的实验，然后给出反馈和验证。

这个过程完全适合用 AI 来做。比如，他们当时让 GPT-5 提出生成新蛋白质的配方，可能有几千种配方。GPT 需要提出下一种最有可能的配方，同时尽量降低成本。这样的问题就适合 AI。

但大部分科学问题目前还不能用 AI 做。AI4S 和 AI for Coding、AI for Math 不同的地方就在于，很多地方需要物理验证。

除了材料和生物相对来说还有一些机制可以验证之外，很多科学问题如果无法快速得到验证，就没有办法用 AI 解决。

没有办法验证，是因为人受制于验证所需要的时间吗？

不光是人，还包括复杂度和成本。

你说 AI 生成一个新的核聚变装置，真正做实验的成本和代价都非常高。能够通过数字化模拟，也就是 in silico，在数字环境里完成模拟的问题，可以先做起来。

但最终还是要走向物理世界，最终还是要验证。不是说不能做，而是在成本和收益目前不明确的情况下，大家没有特别大的动力去做。

不过最终这一步是逃不掉的。要真正做 Science，必须突破信息极限，走到物理世界。因为宇宙最基本的几个要素是信息、物质和能量。

AI for Math 和 AI for Coding 都是在信息层面。哪怕 AI4S 提出新的提议、做新的模拟，也只是在信息层面。但要真正做 Science，必须走到物质层面，最终必须做湿实验。

所以需要走到湿实验环境。

对，湿实验环境。这需要很大的投入，也是很多人在探索的事情。

现在最能提高效率的，还是前面的模拟环节，这是目前迭代最快的一部分。但也有很多工作可以提高湿实验的效率。

第一，就像 Ginkgo Bioworks 提到的，让机器人自动完成实验，也就是 AutoLab 或 Cloud Lab。只要 GPT 给它一个指令，机器人就可以自己去做实验。

机器人做实验是什么意思？是机器人像研究员一样拿着管子滴试管吗？

对，滴试管，完成类似的操作。如果每个操作都是标准化的，就可以用机器人执行指令。

有些云端实验室里，机器人可以通过调用 API 来完成实验。也就是说，你远程调用一个 API，它就可以完全自动地完成实验。

我还看到，如果要让 AI 解决科学问题，表征非常重要。因为有些问题适合把科学对象转换成合适的表征。

比如在 AlphaFold 里，蛋白质常见的表征就是氨基酸序列、三维结构和图结构。回到 AlphaFold 这个案例，这让蛋白质结构变成了机器能够理解的问题。

有没有什么问题是很难、或者无法被表征的？

首先要分清两个概念。目前用 AI 做 Science，主要有两种模型。

一种是通用模型，比如 GPT、Codex 这样的模型，它们驱动整个 AI for Science 的推理过程，自己分析数据。这需要非常强大的通用模型。

第二种是垂直领域的模型，比如 AlphaFold、GNoME、MatterGen，或者天气预测模型。它们只做某一个领域，是这个领域的专家，但其他事情做不了。

你不能把这种模型放进一个通用的、类似总调度员或“实验室主管”的角色里，去驱动整个科研流程。

不同模型对表征的要求不一样。通用模型什么都可以表征。像 GPT 或 Gemini，你可以给它语言描述，也可以给它一段代码，或者给它 JSON 格式的实验室数据。通过预训练和后训练，它可以内化、理解各种格式的多模态表征。

但像 AlphaFold 这样的模型，只针对某一个领域，只能接受氨基酸序列，加上一些 DNA 或其他元数据。它没办法做超越这个领域之外的推理。

所以，模型能表征什么东西、能接受什么数据，取决于它在整个平台中的位置。GPT 这类模型可以作为一个大的实验室主管，告诉你该做什么；AlphaFold、GNoME 这类特定领域的模型，则是专家，可以被调用。

至于哪些问题没法表征，这可能是一个更大的话题。这涉及 AI 自身的能力：哪些东西没法通过向量，或者通过逻辑来刻画。

但凡你能把数据转换成字符串、某种模态的表示，或者 embedding，只要能把数据数学化、格式化，变成具有结构的输入，通常就可以表征。

但如果有些东西无法测量，比如大脑的状态，无法测量就无法表征。这是 AI 本身的问题，不只是 AI for Science 的问题。

表征之后，机器知道要研究这个问题，接下来会建立预测模型，还有逆向设计。这个环节是怎么运作的？

比如给定一个疾病靶点，让 AI 生成可能与之结合的分子。

这个例子属于某个领域的垂直模型，比如专门做药物开发的模型。给定一个靶点，它就生成一个输出。

但对于一般性的模型，也就是协调整个实验室、扮演实验室主管的 GPT 模型，它是一个通用预测模型。你给它之前的实验记录、分析数据和各种要求，它作为智能体的输入，作为生成模型，可以生成下一步实验设置和下一个提议。

那讲讲实验部分。AI 会自己挑选什么样的实验来做吗？

这是一个搜索过程。AI 模型每一步都会采样出不同的方案，需要有一个机制决定哪个方案是下一步要挑选、要去做实验的。

你可以把搜索过程想象成一棵树。树上的每个节点，都是之前已经探索过的方案。现在要决定哪个方案最有希望，从这个方案继续往下做实验。

这样就需要给树上的每个节点打分。比如一个节点是配方一，另一个节点是配方二。模型发现，根据之前的实验，配方一的效果好像不错，那么配方一的分数可能更高。

但它也不能只考虑配方一。因为实验才做到一半，不能只根据一部分观察，就把一条路线推到底。所以还需要探索过程，也要分配给配方二一些概率，让它有机会去尝试。

每个节点的分数，取决于它当前的价值，以及它还有多大概率是尚未被探索过的。综合这些分数之后，才能决定下一步哪个方案最值得开发。

这个评分是怎么定义的？怎么让它平衡多种因素？

业界有两个概念，一个叫 exploitation，也就是选择当前看起来最好的候选；另一个叫 exploration，也就是选择不确定、但可能带来新发现的候选。

人来选择都已经很难了，机器怎么选？给它的评价体系是什么样的？

人选择的时候会有直觉。你会觉得哪个方案更可能可行。把这个直觉翻译成算法，就是所谓的价值函数，也就是根据当前状态判断它有多大潜力，最终大概能带来多大的预期回报。

这和后训练中的强化学习算法是一致的，总要平衡 exploitation 和 exploration。

不能只找一个目前最好的方法，一直往上推，因为它可能只是局部最优；但也不能完全忽略它，因为它可能确实很好。

所以，每个节点的价值，取决于直觉给它的分数，也就是它未来可能有多少价值。这是一个重要分数。

但搜索时还要考虑，目前能看到的价值之外，之前搜索过的路径是不是已经被使用很多次。如果某些路径已经被使用很多次，就应该考虑尝试其他路径，采样其他方案，否则总是在同一条路径上搜索。

所以最后的分数，可以理解为价值函数，加上之前路径被采样过的次数等因素，综合得到一个比较可靠的分数。

你刚才讲到，AI4S 能不能押注下一阶段，非常重要的标准就是，它能不能达到模型到实验的闭环，也就是我们说的 loop。

如果把机器人引入实验，整个过程就不需要人了：机器人自己提出假设，然后做实验验证，再从实验结果中提取下一轮实验要做什么，继续提出假设、做实验。这样就成为一个递归的、不需要人参与的自我进化过程。

这可能才是真正能够加速科学发展的方式。那么在这个过程中，怎样建立这样的闭环？

闭环非常重要。像你前面说的，Anthropic Claude coding Agent（编程智能体） 之所以能够成为目前最成功的商业闭环模式，能够在 AI 应用中产生指数级增长，就是因为它有闭环。

程序员写一个程序，代码马上可以被验证。验证完之后，系统告诉你对不对，不需要等待，也不需要接受外界干涉，模型可以自己决定。作为用户，你可以对整个 coding agent 产生信任，因为整个任务都可以交给它，而且结果完全可以验证。

但 AI for Science 的闭环很难，因为它涉及物理世界，需要做实验，不像写代码那么容易验证。

所以，说白了，闭环的关键是怎样更快获得实验数据和实验验证。如果理想情况下，一分钟就能获得一次实验验证，这个问题就解决了。可以生成无数个数据，直接用这些数据训练模型。

但在大部分物理实验环境中，这不太可行。所以现在很多发展的方向，是把它做成自动化实验室。如果实验室的操作流程比较标准，就可以完全用机器人替代。这是美国很多公司正在做的事情。

如果流程不是标准的，比如经常需要改变流程、配方，或者改变整个操作方式，就需要具身智能，需要比较通用的机器人来完成。这可能还比较久远，但自动化实验室肯定是一个相对看得见的方案。

第二，怎样尽量减少物理实验？如果闭环瓶颈在物理实验，而物理实验很难做或者成本很高，就必须让实验次数尽可能少，而且每做一次实验，都尽量保证结果有价值，实验设置也要正确。

这要求 AI 本身变得更智能。如果现在为了生成一个符合要求的蛋白质结构，需要跑 10 次实验才能得到，那么为了降低成本、形成闭环，就要提升智能，让它只跑 2 次实验就能做到。

所以，数据分析能力、实验历史管理能力，以及从过去失败经验中分析出下一步更好方案的能力，对模型智能的要求都很高。

我一直觉得，AI4S 不是把 Science 当作一个应用，而是 AI and Science。为了让 AI 更好地解决 Science 问题，AI 本身的能力，以及 AI 和 Science 结合的能力，都要同时加强。

如果 AI 的推理能力还不够好，每次提出的假设都有很大偏差，就不可能真正形成一个相对闭环的工作环境。

你刚才说的 AI 自动化实验室很有意思。我看到 Google DeepMind 之前和伯克利、劳伦斯·伯克利国家实验室有一个叫 A-Lab 的合作。你知道这个案例吗？

这可能是比较早的案例。A-Lab 当时使用的模型也比较早，还不是 Gemini。但自动化实验室这个概念很早就有，并不是最近的大模型才出现的。

我之前看到他们说，A-Lab 在 17 天内执行了 353 次实验，获得了 57 个目标中的 36 个。这个实验室现在还在继续吗？

肯定还在继续。

你觉得现在它的壁垒和难点在哪里？是不是仍然是物理机器人那一部分？

如果从物理自动化实验室来说，确实涉及机器人的操作流程和机器人本身的发展，这是另一个课题。

怎样让机器人，特别是某个领域的专业机器人，更快完成实验操作、降低成本？所以 AI for Science 需要设计很多体系，不只是模型本身的能力。为了加快实验，机器人本身的具身智能、精确度和速度都要提高。

你可以想象，未来真的形成闭环、很快得到结果时，机器人本身也必须足够强大。这是一整套体系。

目前看起来，非物理部分的进展快于物理部分，可以这么说吗？

可以这么说。非物理部分，也就是 in silico 和各种 simulation，比较容易验证，可以衡量进步，所以发展确实可能更快。

但也有很多新的 AutoLab，本身就是机器人。它们不一定是通用机器人，而是专门完成某个环节的机器人。这方面也有很多发展，特别是美国很多初创企业都在做，尤其是在医药领域。

你觉得用 AI 发现因果机制，这件事情能做到吗？

肯定可以做到。

7. 因果机制

因果建模其实是一个历史很悠久的课题。很早以前，Judea Pearl 等人就已经建立了很多因果模型。

但在现在 AI4S 的语境下，所谓发现因果机制，说白了就是让语言模型能够分清 correlation，也就是相关性，和 causation，也就是因果性之间的差别。这确实是目前语言模型的弱点之一。

我个人感觉，现在的语言模型在这方面还做得不是特别好。很多研究和分析都显示，如果给语言模型一个推理问题，把前提按照某种方式表述，它推导出的结果可能是对的；但如果稍微改变前提的说法，或者把措辞、语序调整一下，虽然整体意思不变，语言模型生成的结果却可能错。

这是因为语言模型在训练数据中通常只见过某一种形式的训练样本。大部分训练数据只是告诉它，正确描述应该怎么说，或者最常见的描述应该怎么说。它可能从来没有见过换一种方式该怎么描述。

所以当你换成一种语言模型不熟悉的说法时，它就容易出错。这样的情况很多。

这也是为什么 Yann LeCun 等人强调要做世界模型。不能让语言模型只训练在表面的文本上，因为文本通常只包含人类最常见的说法，或者只给出正面例子。反过来的例子，通常不会出现在文本里。

但如果能够学到一个世界模型，学到物理世界内部的规律，那么它就不依赖于你怎样表征、怎样描述这个事情。如果世界模型能够做到这一点，它对因果关系的掌控，可能远远好于目前基于文本描述的语言模型。

最近也有一些初创企业在探索，怎样训练语言模型，让它更好地捕捉因果关系。这确实是一个很重要的课题。

我个人感觉，目前语言模型在大部分正常描述下，可以理解因果关系。但如果是反常描述，或者涉及介入，比如把某个变量调高一点会产生什么结果，或者把某个条件去掉会产生什么结果，涉及 Do-Calculus，也就是 do 演算，它在很多情况下还是做不到。

因为它没有一个特别完善的物理理解过程。

预测相关性，是大语言模型现在能够做到的事情。比如 X 和 Y 高度相关。但科学需要非常确定、精密的呈现和表述，比如“X 通过机制 M 导致 Y”。如果只靠语言来表征，确实很难把这种逻辑关系和因果关系确定地建立起来。可以这样理解吗？

我觉得它不是不能做，而是不可靠。

很多情况下，语言模型也可以做因果推理，否则很多推理问题都无法完成。但问题在于可靠性。它是否可靠，完全取决于你怎样表述问题、结论和前提。

如果表述方式和训练数据中的表述不一致，或者出现了新的、模型没见过的现象，它就可能无法提出正确的因果关系。

所以确实需要更底层的模型。模型对因果关系的判断，不应该只基于语言表述，而应该基于它对整个物理世界建模的掌控。

刚才我们提到了 AI for Science loop 中的一些具体环节。你觉得有没有哪一步漏掉了，还想补充什么？

可能有一个环节值得提一下，就是整个 loop 怎样自我改进，也就是 Recursive Self-Improvement。怎样让这个 loop 自我改进，或者说这个 loop 怎样建立。

前面讲的是一个相对简单的过程：给一个问题，给一个提议，跑实验、拿到数据、做分析。但如果要做 AI4AI，或者训练一个新模型，loop 本身也需要改进，这就涉及一个 Meta-recursive，也就是元递归的过程。

除了改进模型本身，或者改进实验流程之外，还要考虑怎样安排工作流，以及什么时候让系统自己更新代码。这些 Meta-recursive 或者 Meta Agent，也是目前正在探索的问题。

不能一直只依赖一种智能体。harness 怎样串起整个工作流，也需要随着不断观测、不断迭代而改进。你要改进的，不只是模型和实验，也包括整个工作流程。这就是 Meta-recursive process。

你觉得中间哪一步最难？技术上最难的是哪一步？

8. 验证（Verification）

对于 AI for Science，肯定是 verification，也就是验证。

验证是物理世界里的问题。可以这么说，验证可能是最重要的一步。但如果验证做得足够好，即使用最简单的 AI4S 方式，也可以完成很多问题。

就像前面提到的，如果一分钟可以拿到一次物理实验数据，那么在理想情况下，就可以生成无数数据，马上重新后训练一个模型，像训练代码或数学模型一样，这个问题就解决了。

所以验证可能是最重要的一环，也是一个瓶颈。一旦瓶颈被打破，就可以快速迭代。

但这不代表整个问题就解决了。最难的部分可能是 AI 本身能不能提出新的见解。模型再怎么提出方案、做推理，如果永远局限于论文中已有的知识，无法提出新的设想，或者更有阶跃性的想法，那么大部分情况下，这个闭环只是在不断调整参数、尝试配方或者排列组合，最终能力肯定有限。

怎样让 AI 产生更有创意、同时又合理的想法，是目前非常不足的地方。

前段时间，诺贝尔奖得主 Jennifer Doudna，也就是做基因编辑的科学家，接受采访时被问到是否使用 AI 做实验和科研。她说他们也使用，但 AI 给出的提议中，没有一个是他们之前不知道的。

AI 生成了很多提议，其中有些地方可能是平时忽略的，但基本都属于现有知识，论文里或者其他地方都可以找到。怎样提出既有创新性、同时又可行的方案，我觉得是非常困难的问题。

这不光是智能本身的问题，也是建模上的新挑战。要让 AI 真正突破，下一步能够在科学上提供突破性的帮助，就必须解决“发现”这件事情。

也就是说，要真正做到 discover。

对，而且 discover 是非常有挑战的过程。

目前的 AI for Science，可能可以在已有的表征空间和已有概念里面进行排列组合、搜索，然后设计一些新的实验方案。通过排列组合已有概念，它确实可以解决很大一部分问题，而且效率已经远远高于人类。

但如果要让 AI 自动生成一个诺贝尔奖级别的科学过程、科学结果，整个 discovery 过程目前是 AI 远远做不到的。

人类是怎样发现知识、提取科学知识的？首先要接收 perception，也就是感知输入。你观察人、做实验、观察数据，这只是第一步，是经验输入。

输入之后，必须形成概念。比如你看到一个人推车，车就往前走，这是一个表面现象。然后你要提取出一个概念：这是力。他一推，车就往前走。

接下来还要把它符号化，生成一个 F。第三步，如果要得到科学理论，还要把它凝结、抽象成公式，比如牛顿第二定律 F=ma，也就是力等于质量乘以加速度。

换句话说，必须把原始观测抽象成概念，最后形式化成理论体系。整个发现过程，对 AI 来说非常困难。

所以我觉得，AI4S 目前只是在一定范围内、在已有表征空间中进行探索，并不是真正产生新的理论或知识。

AlphaGo 的第 37 步，也就是“神之一手”，算不算发现？

也算发现，肯定是新的发现。但它的发现模式，是把现有的内在表征重新排列、组合。

原来它可能不在最大概率或高概率路径上，突然采样到一条不常见的路径。这是一个发现，肯定是新的，但不代表它创造出了新的概念。

我看到你自己的公司 Unreasonable Labs 提出了一种解决方案，也就是“大语言模型加符号主义”。你觉得符号主义能够解决这件事情吗？

我不能说它能够解决问题，但至少可以解决语言模型本身的一些弊端。

我们的出发点是，语言模型还不足以产生更多新的想法，推动科学发展。语言模型的整个宇宙由训练数据决定。训练数据里展现出来的思维模式，都是语言模型可以吸收的；它只能学到这一步。

但如果真的要做科学发现，按照定义，发现的东西肯定不在现有知识里。那怎样让语言模型从固定的、可能是过去的数据中发现新的东西，产生未知内容？这可能非常难。

不是说一定不可以，只是概率可能非常低。新的知识肯定没有在现有训练数据中高频出现过。

所以我们希望在模型外面有一套机制，帮助它产生新的、不一样的想法。这套机制不能是另外一个语言模型，不能再拿数据训练一个模型，否则它还是和语言模型一样。

能不能先给不太熟悉这个概念的观众解释一下，什么是符号主义？

符号主义是人工智能很早就开始沿用的一个概念，当然它是非常宽泛的。

简单来说，就是写规则。如果有些知识、现象可以明确写出来，是先验的，不需要通过数据学习，那么就可以把它写成符号、公式或规则，比如 If-Then 规则。

如果你知道 A>B、B>C，那么 A>C。这种东西可以事先写出来，不需要学习。这就是符号主义。

连接主义，说白了就是神经网络，需要通过学习得到知识。它的表征使用向量，是分布式表征，必须通过数据学习。向量中每个元素的意义，是根据观测到的数据自行学出来的。

符号主义和连接主义的区别就在这里。符号主义的好处是可以先验地写出规则，而且非常精确。数学和代码其实都是符号。

包括目前的 Agent Harness，整个工作流程都是预先指定的：第一步做什么，第二步做什么，出现什么情况时调用 Memory。这些都是先验规定的，也属于符号主义。

但符号主义作为知识表征方法的问题是比较脆弱。比如要表征“猫”这个概念，怎样表达猫？如果给你一张图像，怎样知道它是不是猫？

如果用符号或规则表示，可以说：一个动物有两只尖尖的耳朵、长着胡子、全身毛茸茸的，这就是猫。但这种表征非常脆弱。

你没有办法用纯语言形容所有猫，也没法用一套逻辑规定很多东西。现实中的现象往往模糊、有歧义。一张猫的照片，如果猫正好低着头，外形就可能和逻辑规定不一致。所以符号主义的表征非常脆弱，这也是它没有成为主流的原因。

后来人们就让模型自己训练，也就是连接主义，让神经网络自己学习猫的特征，形成一个向量。出现一张新的猫的照片时，只要和这个向量足够相似，就可以判断它是猫。

所以符号主义和连接主义各有特点、各有长处。深度学习，特别是涉及自然语言和图像识别时，有很多模糊和歧义的东西，必须让模型自己学习出来。

你们的路线是大语言模型结合符号主义的混合方案。它具体是怎么运作的？

如果要在大语言模型外面加一层东西，帮助它产生新的想法，我们希望把人类知识用规则串联起来，并且提出新的连接。

比如某些概念是在一篇论文里提出的，它和另一篇论文有什么关系，可以用符号逻辑把它们连接起来。这样，不同领域的知识就可以通过表达式串联起来。

这些关系很难直接从训练数据中发现，因为知识、概念以及它们之间的关系太多了，不可能每天都重新训练一个语言模型。

所以，这套系统可以帮助我们提取知识之间的骨架、推理关系，以及它们之间如何联系。这些内容可以作为模型的新直觉，让模型生成概率范围之外的东西，也就是一些低概率但可能有价值的想法。

现在我理解，这条路线还处于比较早的研发阶段。主要瓶颈是什么？

我觉得是怎样平衡创新性，也就是 novelty，和可行性。

说实话，要让模型创新很容易。哪怕随便采样，或者随便扔给它一个词，它都可能生成一个不一样的想法。但这个创新想法必须可行、合理，不能为了创新而胡说。

怎样平衡创新性和合理性，是一个很有挑战的问题。提出新的想法之后，还要证明它确实和问题吻合，而且可行，而不是随便创新。

你觉得符号主义有可能重新复兴吗？

不能说复兴。

世界上很多东西都存在歧义，我不认为符号主义能够替代连接主义。神经网络毕竟非常强大，语言模型都是按照这种方式训练的。

但有些东西可以用符号来加速或加强。最终可能 98% 是连接主义，2% 是符号主义。

其实现在的 AI for Math 和 AI for Coding，本身就是一个神经符号结构，把符号主义和连接主义结合起来。

比如求解数学问题，原模型先生成一个数学证明，这属于神经网络、连接主义的一部分。但这个证明到底对不对，需要用 Lean 这样的形式化证明工具来验证。验证工具完全是符号的，和神经网络没有直接关系。

所以这已经是一个神经网络和符号结合的例子，两部分都很重要。

不管是符号主义还是连接主义，本质上是：符号是先验的，不需要数据就可以指定；连接主义则必须通过大量经验学习。

这和历史上的哲学讨论其实相关，都是关于人怎样认知世界的讨论。

比如古典哲学里，大陆的唯理派和英国的经验派，像弗朗西斯·培根、约翰·洛克，他们认为人的认知完全来自经验。大脑一开始是空白的，外界给出什么输入，大脑就映射什么输入，世界完全由感官输入和经验材料决定。

对应到今天的人工智能语境，就是大语言模型。模型初始化时是随机的，什么都没有，但经过万亿个 token 的训练，它的智能完全由这些感官输入、经验输入决定。这可以看作今天语境下经验主义的映射。

另一方面，唯理论认为，人理解世界的方式由大脑中的先天结构决定。就像笛卡尔说“我思故我在”，先有一个结构，再去理解世界，不完全依靠经验和感官输入。

这两派，一个是先验的，一个是后验的。后来发展到德国古典哲学家康德，他认为两者都不完全对，需要把它们统一起来。

康德认为，经验提供材料，但感官输入怎样产生意义，需要一个先验结构。人脑里总有一些先天结构，使感官输入变得有意义。否则你看到一个圆球或轮胎，对你来说都只是随机输入，无法感受到“圆”这个概念。

康德认为，人有大概 12 个先验范畴，包括时间、空间、物体、因果关系等，用来解释世界和感官输入。这部分是先验的、纯粹理性的。他认为这两者必须结合，才能产生人的智能和知识。

后来黑格尔认为康德说得也不完全对，不能把理性和感性、经验对立起来，而应该是辩证统一的。概念不是一旦建立就恒定不变，而要不断自我否定、持续更新。

映射到今天的人工智能产品语境，就是持续学习。模型训练完成之后，AGI 不可能只是一个固定文件、一个参数写死的 checkpoint。它一定要在和用户互动、执行任务的过程中不断认识自己的错误，持续更新，让自己变得更智能。

所以，不管是符号主义还是连接主义，虽然是人工智能语境下的概念，但它们的讨论和古典哲学一脉相承。不同历史时期、不同的人，思考问题的视角不同，但讨论的都是同一个问题：人怎样认识世界，知识怎样产生。只不过古代科学家使用的不是计算机语言。

这段很有意思。但我们拉回来一点，回到现在的资本市场。

我们看到三大 AI 巨头，Google、OpenAI 和 Anthropic，最近也都在大量招聘科学家，加入它们做 AI for Science。这三家公司各自选择的方向有什么不同？它们各自押注或切入的点有什么区别？能不能展开分析一下？

很明显，在这三家公司里，Google 的布局最早、最广，研究路径也最多。

从很早的 Alpha 系列，到最新的 AI Co-Scientist、Gemini for Science，这些努力都说明 Google 在 AI for Science 上布局很早，这一点毫无疑问。

Anthropic 和 OpenAI 当然也意识到 AI4S 的重要性，所以在这方面投入了很多。比如 OpenAI 在 GPT-5 发布时，就已经有白皮书，使用 GPT-5 解决数学、计算机科学、生物等各种问题，声称已经可以解决很多科学问题。

它们还有一些非常激进的计划，比如公开宣布，目标是在 2027 年之前拥有一个自动化 AI 科学家。

OpenAI 也和 Ginkgo Bioworks 的 AutoLab 做了前面提到的闭环实验。这可能是目前为止最有说服力、效果也最好的闭环实验之一。

它们还在 GPT 模型上专门适配生物化学等领域，生成了一个可以进行生物、化学等主题推理的新模型，叫 GPT-Rosalind。

最近它们刚发布了新的 Astra 模型，论文中说模型推导出了 10 道人类长期悬而未决的数学难题。在数学方面，它们取得了很大成功，虽然有些科学家存在争议。

对，争议主要是怎样让数学结果更可靠。

没错。AI for Math 我们待会儿再讲。

先说 OpenAI。我认为它们是非常激进地想要迎头赶上，但在 AI4S 布局上可能也存在一个问题，就是优先级有些混乱。

之前负责 AI for Science 的负责人 Kevin Weil，原来是 AI4S 部门负责人，也招募了很多物理学家来做这件事情。但 Kevin Weil 在 4 月或 5 月离职了。

他离职之后，之前 AI for Science 的一些工作全部并入 Codex，等于希望用一般性的 GPT 模型和智能体解决各种科学问题。这是它们押注的方向：让 GPT 足够强大，以至于能够解决更多科学问题，而不是为每个领域单独做模型。

但它们之所以这样做，也是因为想在编程能力上迎头赶上 Anthropic。它们需要整合资源、调整优先级。

OpenAI 自己已经有很多产品线，可能扩张得比较快。不光是 GPT，还想做广告、硬件和企业版本。一旦产品战线拉长，怎样更好地做 AI4S 的前沿投资，就会成为优先级、管理和战略上需要讨论的问题。

对于 Anthropic，我觉得它比较像后来居上。它们最近发布了 Claude Science 平台，发布还不到一个月。

但这个平台本身也是由一般的 Claude 模型驱动的，只是把不同领域，特别是生物和化学领域的数据库、工具接入进去，再针对科学家的工作流程定制界面。

它本身并不是能够更快地产生新知识的系统，而只是一个产品、一个平台。

不过，Claude 在研究方面也做了很多努力。比如几个月前，它们推出了 vibe physics，用 Claude 帮助物理学家推导新的物理结论、数学方法和模型。

它们也发布了一些基准测试，比如 BioMysteryBench 一类的生物领域 benchmark。

包括最近把 John Jumper 招过去，很明显它们希望在生物和医药领域进行更大的押注，因为这确实是一个市场很大的方向。

所以我觉得 Anthropic 目前是在迎头赶上，但也还处于探索阶段。

John Jumper 过去之后，你觉得他负责的职位会是什么？因为我看到他的职位现在好像还没有公开。

我觉得比较顺其自然的安排，肯定是加强 Anthropic 的科学方向，特别是生物和医药领域。

OpenAI 已经发布了 GPT-Rosalind，相当于针对生物和化学定制了一个 GPT 模型，能够在这些领域进行推理。

在 OpenAI、Google 和 Anthropic 三家公司里，Anthropic 可能是目前唯一一个还没有特定领域模型的公司。它们可能需要专门为生物和医药做一个垂直小模型。John Jumper 这样的人非常适合做这件事情，我觉得可能会有这方面的安排。

但这可能也不是它们目前的重点。它们目前最重要的肯定是上市和商业化，编程能力最重要。

随着中国开源模型突飞猛进，肯定也对它们造成了很大威胁。在这种情况下，怎样平衡优先级，依然是战略和管理上的问题。

对。

还挺有意思。我们刚才说到，三大 AI 公司虽然都在布局 AI for Science，但 AI4S 现在并不是它们的最高优先级。它们目前最优先的事情，还是编程、商业化和把模型做大。

这样来说，Neolab 或创业公司反而有一些先手机会吗？

对。这就是大公司的盲点，而且大公司总是会面临创新者窘境，也就是 innovator’s dilemma。

一旦大公司找到一条明确的商业化路径，就不愿意马上放弃，或者把业绩转向其他方向，往往要等这条路径稳定之后，再投资其他事情。

所以这是可以理解的。Science 和 AI recursive self-improvement，从长远战略来说一定是必须投资的方向，没有人敢落后。但短期内肯定还是商业优先，必须保证上市相关工作达到预期。

不过我相信，它们不会放弃这个方向。

9. AI与数学

我们刚才举的很多案例还是生物制药和材料方面的。接下来聊聊 AI for Math 和 AI for Physics。

物理和数学方面的 AI 发展最近也受到很多讨论。特别是在数学上，除了邓煜和王虹获得菲尔兹奖之外，AI for Math 领域也有很多进展。

数学是 AI 相对容易攻破的领域吗？

我不认为数学很容易，但取决于是哪一种数学。

数学的概念非常宽泛。目前比较突出的数学 AI 初创公司，可能有 Axiom Math AI 和 Harmonic AI。它们的方法可能比较接近，也在探索怎样让 AI 更好地做数学，以及怎样让数学走向市场化，比如做可验证的电子设计自动化，或者软件设计。

我觉得 AI for Math 能解决什么问题，取决于数学库，也就是 Lean 的语言和数学库。

特别是做比较复杂的数学时，首先要让语言模型提出数学证明方案。但语言模型自己不知道证明过程对不对，所以必须把证明自动形式化成 Lean 语言。

一旦 Lean 编译通过，数学结果就一定是对的。这可以验证语言模型提出的证明是否正确。

但这里有几个瓶颈。

第一，语言模型本身要足够强大，能够提出可能的证明方式，甚至提出新的数学结果。

第二，怎样自动完成形式化过程，把自然语言或数学符号描述的数学结果转换成 Lean 语言。这是一个翻译过程，并不容易，也是 Axiom AI 和 Harmonic AI 花很多功夫在做的事情。

第三，如果要解决更多、更难的数学问题，Lean 的数学库 mathlib 必须包含足够多的人类已有数学知识。相关材料必须在那里，否则无法把它们组合起来。

怎样把更多人类已有数学知识加入 mathlib，也需要花很多功夫。这几个因素决定了 AI for Math 能走多远。

但 Lean 是一定需要的吗？我看到 OpenAI 在国际数学奥林匹克竞赛中，强调模型可以直接输出自然语言证明，不需要 Lean。

Lean 不是必要的。但如果要认真做数学，做数学家级别的数学，还是需要 Lean。

对于奥林匹克竞赛来说，可能用到的数学知识不一定特别多，也不一定特别深。它考察的是参赛者的创新能力，能不能找到一个复杂的构造和证明过程。

所涉及的数学知识以及证明过程本身，可能不会特别复杂，几页、一两页就可以写出来。在这种情况下，只要模型训练得足够好，直接用自然语言生成结果，在很大程度上是可信的。

而且 IMO 毕竟只是一个考试，很快就要提交结果，之后也可以验证。这种设置没有太大问题。

但如果让 AI 做数学家级别的工作，比如一个 100 多页的证明，全部用自然语言生成，就没有办法保证正确。

所以，如果要让 AI 做职业数学家做的事情，完成非常复杂的证明，为了保证结果绝对正确，还是必须把它转换成 Lean 语言。

这也是为什么当代最伟大的数学家之一 Peter Scholze（好像 2018 年就拿过菲尔兹奖了），在解决一个重大问题之前，自己都对证明是否正确非常怀疑。他和很多合作者讨论了很多次，没有人能确定整个证明过程是否正确。

最后，他们只能把相关的数学定理、定义、引理等全部人工转换成 Lean 语言。等到全部转换完成，有一天 Lean 编译通过了，才证明这个结果是对的。

因为形式化证明一旦通过计算机验证，就一定是对的。Peter Scholze 当时非常兴奋，因为这说明证明正确。

类似的例子不止一个。为了验证结果是否正确，必须把它翻译成逻辑上可以推导、可以保证正确的形式。

但是把它转换成形式化的 Lean，需要花很长时间。

对，人工转换需要很长时间，可能至少要花一两年。

我记得好像去年 Google 参加国际数学奥林匹克竞赛时，给选手的作答时间是两天，但把答案转换成 Lean 语言花了三天，已经超过了允许时间。

是的。

为什么会花这么长时间？

因为 Lean 是结构化语言。你要把数学证明中所有相关的概念、定义和之前使用的定理，按照它的类型化语言严格转换过去，这是一个非常深入的过程。

如果证明过程中使用了某些数学概念，或者某些证明步骤不在它的数学库里，就必须重新定义。也就是说，整个推导过程中遇到的所有数学内容，都要形式化，所以会花很多时间。

现在是不是有两条并行的发展路线？

第一，模型越来越强大之后，越来越复杂的问题会不会不再需要形式化、不再需要 Lean？

第二，能不能把人转 Lean，或者 Lean 转自然语言的过程加速，让它更高效？

如果真的要让 AI 做严肃的专业数学，肯定还是要用 Lean，这一点毫无疑问。

所以瓶颈是怎样让翻译过程更高效、更快速。要训练语言模型，让它像机器翻译一样，把数学表达翻译成 Lean，而且要翻译得准确，绝对不能出错。

如果只是一般的考试，或者比较小的场景，自然语言证明可以由人自己验证，那不一定要用 Lean。但这就要求语言模型在数学上训练得非常好，还是需要模型足够强大。

我看到现在数学界有教授把数学问题分成几个等级。

第一类是博士生花几个月就能解决的练手问题；第二类是普通期刊级别的问题，职业数学家花一两年可以攻破；第三类是数学四大顶刊级别；第四类是菲尔兹奖级别，比如王虹解决的挂谷猜想；第五类是最高级别，也就是超菲尔兹级别，不一定完全解决，但研究把问题往前推进了一大步，就可能获得菲尔兹奖。

现在的问题是，AI 已经到了第几个级别？

我觉得很难按照这个级别来界定。这可能不是衡量 AI 能解决什么数学问题的好尺度。

更合适的尺度是：不管数学问题有多难，如果它本身不需要产生新的数学对象或新的数学定义，结论可以通过已有数学定义、已知证明和引理推导出来，也就是说，表征空间是固定的，那么只要模型足够强，AI 就有可能把证明或解搜索出来。

只要不需要创造新的概念，证明就是一个搜索问题。你提出一个数学证明，就是不断生成一系列数学公式，在推理过程中持续搜索。哪个证明的概率更高，或者 reward 更大，本质上都是搜索过程。

所以数学就是一个证明的科学？

不光是证明。我觉得恰恰相反，证明只是很重要的一部分。数学并不只是需要证明，更重要的是发明。

如果没有概念，没有数学定义，没有数学对象的发明和定义，就不可能有数学。

最早要先定义“数”，然后才能定义加减法。数学定义中使用的都是数学概念。微积分里的积分和微分是什么意思，线性代数里的特征值是什么意思，微分几何里的黎曼度量是什么意思？这些都是概念。

一个好的数学家，更重要的能力是找到或定义出一个优雅的数学概念、一个数学对象，抽象出它在本质上的定义。

如果有一个优雅、优美的数学定义，它可能远远比推导过程更重要。没有合适的数学对象，就无法推导出数学过程。

比如学习线性代数时，如果只看到一堆矩阵，却无法抽象出“特征值”这个概念，就无法精确捕捉矩阵内在的结构。

所以，怎样从数学对象中抽象、定义出一个新的对象和数学定义，可能是数学最优美、也最需要洞见力的部分。

这个部分 AI 可以做到吗？

我不认为它可以做到，甚至不认为这一定是一个可计算的过程。

让 AI 自己推导出新的概念、抽象出新的概念，是非常困难的问题。更不用说在数学领域，面对复杂关系，提出新概念。

哪怕是最基本的数的概念，如果语言模型从来没有接受过数学训练，它可能不知道“数”这个概念。

你可以想象一个原始人。如果他看到三只鹅、四只鸟、五棵树，就可能开始计算，形成“数”的概念，定义出阿拉伯数字。这个数的概念可以用于任何物体，不一定是鸟，什么物体都可以用。

但如果只让 AI 看三只鸟、四只鹅这样的输入，我很难想象一个程序能够从感官输入中提取出“数”的概念。

所以，概念抽象的过程，我认为可能是 AGI 最后的 last mile，也就是最后一英里、最后一步。这一步可能永远无法逾越。

这个过程甚至不一定属于图灵可计算的过程。这也是为什么我觉得，人脑在最底层不一定是一台图灵机，不一定和图灵机等价。

你觉得数学是人类表达逻辑的一种精准语言，还是宇宙客观规律本身的结构？

这是一个很大的问题。不管回答哪一种，都无法验证，也无法证伪。你不可能让上帝告诉你，这个宇宙是不是用数学造出来的。

这其实是一个多世纪前数学家就讨论过的问题：数学本质上到底是发明的还是发现的？宇宙本来就有数的概念，还是人类发明了数的概念？

当时有几种观点，包括直觉主义、形式主义和逻辑主义。数学到底是什么？是一个形式系统、一个逻辑系统，还是人类创造出来的直觉系统？这个问题没有定论，可能永远也不会有定论。

如果一定要我选择一边，我觉得数学可能是人创造出来的，而不是宇宙本身就是数。

就像刚才说的，人看到两只鸭、三只鹅、四只鸡，把这些数量抽象出来，再用数学公式变成一种语言表达。

对，这是其中一部分。

另外，数学作为一个逻辑体系，永远不是完全自洽的。上世纪非常有名的一个定理，可能是数学史上最重要的定理之一，就是哥德尔的 Kurt Gödel 证明的“不完备性定理”。

任何足够强大的形式逻辑系统，总有一些事实是正确的，但无法在这个系统中被证明。

如果宇宙和数学完全一一对应，而人类创造的数学又和宇宙一一对应，那就意味着宇宙里存在一些不自洽的地方。我很难理解这一点，因为宇宙就是一个自在之物、一个存在之物，它不需要被描述，它是什么样就是什么样。

数学作为一套逻辑体系，会存在一些永远无法调和的矛盾，是因为它是人造的逻辑体系，不是物自体本身，而是一套符号和人为规定的规则。所以它会出现逻辑上的矛盾。

这只是我个人的想法，这件事情没法验证。

我看到主攻 AI for Math 的数学家陶哲轩最近也做了很多演讲。他有一个观点是，数学已经从证明稀缺的时代进入证明过剩的时代。

一个例子是，现在很多网站会收录过去人类无法解决的数学难题，而这些题目下面已经堆满了几十份 AI 生成的解答，但没有任何人类专家愿意接手验证。

也就是说，可能很多难题已经被 AI 找到答案，但人类没有时间、没有带宽、没有精力，甚至没有能力去验证。这件事还挺讽刺的。

所以不是结果正确就一定正确。就算自动验证证明是对的，作为人，你还需要理解和评判。

人有价值判断，要判断这个证明过程有没有价值、有没有洞察力。

我可以打一个不太恰当的比方。如果去听音乐会，想听钢琴演奏，我告诉你钢琴是机器人演奏的，保证机器人按键的力度和时长都完美符合演奏规定，你可能就不想去听。

对，肯定不想听。即使音色绝对完美，知道是机器人演奏的，也不一定想去听。

但如果是一个钢琴家演奏，是人演奏的，你就愿意去听。因为你想听的不只是结果和音色本身，还想听钢琴家自发产生的情感状态，想感受它带来的共鸣和打动。

对于科学来说也是一样。看到证明结果当然很重要，但如果检查证明过程时，里面没有特别有意思、或者无法轻易阐释的发现，即使结果正确，数学家也可能觉得它像机器人弹钢琴，没有能够打动人的洞见。

所以，人的价值判断永远是很重要的一部分。

人类不能理解的发现，是没有意义的吗？

它只能有部分意义。

如果这个发现作为工具，结果是正确的，那么它在工具性上有意义。比如 1970 年代已经有四色定理的证明：地图最多只需要 4 种颜色，无论怎样都可以把地图标出来。

这个结论当时已经可以用机械化计算机证明，结果肯定是对的。但证明过程很乏味，基本是一个列举过程。

从工具角度来说，这个结论可以用来画地图。你可以拿这个结论去画地图，最多使用 4 种颜色，肯定没问题。

但从数学本身的价值角度来说，它可能不一定有特别大的价值，因为它不一定提取出了新的定理或深刻的洞见。

所以它有没有价值，取决于你怎样评判，是从工具角度，还是从价值角度。

我看到一些反对用 AI 做数学的人说，知道答案不是最重要的，中间的思考和推导才重要。

但现在 AI 直接给答案很容易，反而是中间的推导、思考、过程和细节更难。现在的大模型还是一个黑盒，我们不知道它是怎么运作的，也没有办法直接观察。

虽然白盒模型也在发展，但速度还是比较慢。如果我们承认并接受 AI 是一个黑盒，而且心安理得地接受它产生的结果，这会给人类社会带来什么改变？

我觉得这会造成很多困难。

如果结果不是完全可解释的，自动驾驶就是一个例子。

但自动驾驶是一个单独的任务。

对。如果只是一个单独任务，哪怕最早期的计算器，你也不知道它内部在计算什么，但它可以给你一个标准数字，这已经是完全可以信赖的东西。

但如果结果正确，却无法理解过程，就像现在的代码任务。现在 AI 的确可以写很多代码，而且代码可能是正确的，但维护代码的成本和时间反而更高，因为它写了很多工程师自己都看不懂的代码。

代码结果可能是对的，但维护起来特别困难。你得先理解 AI 写的代码，才能知道哪里出了 bug，才能 debug。

没法 debug，只能让 AI 自己 debug。

对，但下一轮迭代可能又把代码弄乱。

毕竟基于目前的语言模型，它本质上是一个随机机器。即使是同一个写代码任务，第二次运行时生成的代码也可能不一样，因为它是随机采样的。

这种不确定性会造成很大的信任问题。你很难完全相信它。如果它的过程无法和人互动，或者没有人力介入，把所有事情都交给它，就很难建立信任。

而且之后维护它的工作量和成本会很高，因为你无法理解它，也就无法维护。所以在目前阶段，人的介入仍然是必要的。

但人又太有限了，不管是脑力还是体力都很有限。

就像刚才说的，网上已经有这么多数学答案，但科学家没有时间验证。所以也有人说，AI 不会取代人类，反而会增加工作岗位，因为需要更多人维护、更多人查看数学答案，会出现更多验证 AI 答案的工作。

如果 AI 的可靠性和可解释性很差，就一定会让整个经济的运行成本更高。

如果有一天 AI 真的能够替代 80% 的经济活动，而每项活动都需要人类介入验证，那还不如不让 AI 做这件事情。

所以可信赖性、可解释性，以及人类介入，都是非常重要的。

10. AI与物理

我们再说一下物理。AI for Physics 和数学问题类似吗，还是不一样？

数学肯定是物理的一部分，但两者还是不一样。

数学只生活在逻辑空间里，只要生活在逻辑世界就可以。它完全是在由人类定义的一套逻辑空间、理想世界里运作。

物理必须走出逻辑世界，走向物质世界，必须验证，必须跑实验。

AI for Physics 现在可以帮助解决一些物理问题，比如求解偏微分方程，推导新的结论。这是从数学和形式逻辑角度推导结论。

但如果让 AI 发展新的物理理论，就必须验证，还是要走向物理世界。

当然，AI for Physics 的概念很广。物理可以是求解方程，也可以是建立物理世界模型。

比如有一家初创企业叫 PhysicsX，专门做物理世界模型，把流体力学、空气动力学等不同现象建立成世界模型。说白了，它可以预测某个领域或某个任务中的结果。这类工作还是有用的，但目前这方面的工作还比较少。

我发现“发现”这个词非常有意思。人类历史上的很多发现故事都很有意思，而且存在一定的随机性。

比如流传很广的故事是，牛顿被苹果砸到头，研究出了万有引力。但这个故事可能有些夸张，他其实没有被苹果砸到头。不过他确实可能看到苹果掉到地上，在此之前也可能已经进行了很长时间的研究。

还有一个案例，我最近在看一本书，叫《十亿美元分子》。书里提到，人类做手术时使用的一种免疫抑制手段，叫环孢素，最初就是从挪威土壤里非常随机地发现了一种真菌。

我们可以看到，人类的发明和发现，很多都来自大自然的巧合，或者是大自然突然给了我们一些东西。我们是被 given 的，其中有很多随机的发明和发现。

但 AI 的 discovery 过程似乎完全不一样，它没有这种随机感。

随机不随机，是事件怎样发生的问题。但随机事件发生之后，能不能发现背后的规律，是另一回事。

这里需要所谓的 abductive reasoning，也就是溯因推理。一个事情发生在你身上，比如苹果掉在头上，这是随机事件。但人类可以像牛顿一样，从这个事件中想象什么原因导致了它，把它作为触发，发展出一套物理体系。

目前 AI 做得最好的是人类推理中的演绎推理，可能也能做一些归纳推理。

比如数学，给定定理和定义，能不能推导出新的结论，这是逻辑上相对容易做到的。

但溯因推理是：给定一个现象，能不能想象一个合理的解释，并且让这个解释能够泛化到其他现象中。

这还是前面的问题：抽象能力、想象能力和世界模型。这些都是目前 AI 做不到的，而且我觉得未来很长时间内也做不到。

所以，任何抽象层面的智力活动，在我看来都可能是 AGI 最后的 last mile。

之前很多人说数学是无用之美。人类研究数学，是属于人类的美好事情，享受中间的推断过程。那些公式和问题，即使研究出来，也可能对科技进展或商业化活动没有太大帮助，但它属于人类。

之后这种情况会变化吗？

不管数学、美学、艺术还是哲学，如果从效用角度讲，它们都是无用之物。

你说家里挂一幅画有什么用？没有什么实际用途。但没有这些无用的功夫，也就是所谓“无用之大用”，没有思想过程、没有美学概念，或者没有因为好奇心和纯粹精神乐趣而推导数学，人类就没有办法推导物理。

很多最美好的东西，都是从无用的东西开始的，都是从人类的好奇心、心智的好奇心，以及对美的追求开始的。

艺术、文学、哲学，一开始都没有什么用。但无用不代表它不会对未来产生影响。思考过程会改变你的大脑状态，也会改变你对世界的认识。它其实也是有用的，只是这种有用不是马上能够感知到的。

所以一般来说，理论科学，特别是纯数学，以及人文领域的艺术、哲学，都属于“无用之大用”。

11. 商业化

如果从实用主义角度看，现在 AI for Math 或 AI for Physics 能够在什么程度上帮助人类加速技术发展？

AI for Math 在很多应用场合都可以发挥作用。

比如求解科技领域的方程，或者像 Axiom AI、Harmonic AI 这样的数学初创企业，用数学证明去做芯片验证、程序验证。任何验证领域，在这个程度上都已经有应用和产品化前景。

在可计算的领域，包括推导新的物理规律或方程，让 AI 在一定范围内完成推导，速度和效率肯定可以超过人类。

在这些可控环境里，AI for Math 对科学发展肯定有帮助。很多科学都需要数学化，只要给它足够的前提、条件和合适的语境，它就可以提出很多新的数学观点。

包括最近，可能是当代理论物理学最伟大的物理学家 Edward Witten，他提出了弦理论。前不久他在 arXiv 上发表了一篇论文，在一个脚注里写道，论文中的某一段是 Claude 帮他想出来的。

哪怕是在 Edward Witten 这样最艰深的研究层面，AI 也已经在帮助科学家加速研究。以后这种现象只会越来越普遍。

你觉得我们距离 AI 创造出新概念的那个时刻还有多远？

这取决于你怎样定义概念。概念是非常宽泛的。

有些具体概念，通过聚类就可以解决。如果一个表征可以映射到，或者 grounding 到现实世界的观测上，我把它叫作聚类。

你看到 5 把椅子，可能把它们聚成“椅子”这个类别；再来第 6 把椅子，因为它的特征相似，你就可以识别出同一个聚类。这已经是一个概念。

任何一个聚类，或者一个概率流形，都可以看作一个概念。这种概念 AI 很早就可以做到了。

但困难在于数学中抽象出来的概念。一个概念可以应用于无穷多个场合，而这些场合都具有稳定的相似性。这种抽象概念很难，甚至可能永远无法通过计算程序实现。

所以概念有很多层次，从具体到抽象，在某一层之上就很难做到了。

今天聊得特别好。我觉得我们很多问题聊着聊着，就开始进入哲学问题了。很多人工智能专家、物理学家，研究科学研究着，最后也开始研究哲学问题。

对，越往下想，肯定越想越不明白。

你觉得现在研究 AI 的人，应该多看看哲学书吗？

现在 AI 的发展，在很多历史哲学的发展过程中都能找到它的缩影。

哲学探讨的问题，特别是认识论，就是人类怎样认识世界。

从很早的柏拉图开始，所谓理念世界就是：人一辈子都没有真正看到过一个完美的圆。不管是轮胎还是盘子，都不完美。但从这些不完美的观察中，人可以提出一个理念世界，也就是完美的概念。

很早就有关于人怎样产生知识、怎样抽象概念的讨论。整个哲学发展线、AI 发展线和认知科学发展线，讨论的问题其实是相同的，只是使用了不同的语言，从不同角度探讨同一个对象。

你觉得 AI 从业者应该多想一些大问题吗？比如更 top-down、更自上而下的问题？

我觉得确实应该。

AI 是目前科技界最热门的课题。很多人都想做 AI，做工程改进，研究怎样设置、怎样应用、怎样落地。这当然是非常重要的一步，是把技术铺开。

但大部分应用和研究都是自下而上的。别人告诉我 Transformer 有用，Scaling Law 还没有失效，Harness 要做好，基础设施要建好。你把这些功能做好，就可以把产品发布。

这对于短期商业化和 AI 落地当然很重要，但在快速变化的研究之外，还是需要一些立意更高的研究，从上往下、从第一性原理思考：智能是什么？人类怎样认识世界？目前 AI 做不到的特性有哪些？

这样反过来想，就会发现还有很多事情 AI 做不到，也需要大量研究。

而且不光是 AI 领域。AI 属于计算机，本质上是计算程序，最终目的是自动化某些事情。AI 是自动化人类的思考过程、人的智能，但计算能够自动化的不只是智能，也可以自动化物理过程、建模和其他过程。

所以从更一般的计算角度来看，计算最终能够做到什么？如果有一天 AI 接近人类水平，除了 AI 之外，计算还能够做什么？这样一想，还有很多有意思的话题。

总之，在 AI 如此狂热的状态下，有很多重要的落地，也不可避免地会产生浮躁和肤浅的见解。所以还是需要从上至下思考。

在现在 AI 这么狂热的情况下，AI4S 这条路应该会更慢一点，对吗？

它的商业化和研发过程，感觉不会像 AI for Coding 或数据行业那么快。其他行业的产品落地可能很快，ARR 每年都能翻好几番；但 AI4S 解决的问题更长期，也更难、更有挑战性。

在这个行业里，资本现在是什么心态？不管是大公司、Neolab（新型实验室）还是创业公司，接下来的发展速度会是什么样？

AI4S 已经有落地空间，也已经有很多应用。

比如药物开发，哪怕最后还不能直接销售 AI 生成的药物，但过程中生成的各种中间产物，比如靶点、分子结构，都已经可以商业化。

所以不能一概而论。AI4S 有很多层面，有些层面已经可以市场化。

但如果目标是达到诺贝尔奖级别的科学成果，那肯定还有很长的路要走。

在这个层面上，AI4S 不是把 Science 当作一个应用，假设 AI 已经足够强，再把 Science 当作应用；而是 AI and Science。你不仅要做 Science，在做这么难的问题之前，还要提升 AI 自身的能力。

AI 要有更强的抽象能力、推理能力、做实验和写代码的能力。如果这些做不到，上层的 Science 就做不到。

所以在这个层面上，确实需要长期主义。它不只是科学问题，也是 AI 本身的基础研究问题。

我一直觉得，Science 不只是 AI 的一个应用，它也应该促使 AI 本身发展得更好，成为一种刺激或催化剂。

如果一个模型能够在很难的 Science 问题上做得很好，它在其他问题上也应该能做得更好，比如写代码和推理。因为能解决这么难的问题，本身就说明模型非常强。

所以 AI4S 不只是一个应用，也可以成为推动 AI 发展的驱动力。

商业化路径不是一刀切的判断，而是分层的。有些层面已经可以商业化，很多实验室和公司都已经可以商业化；但如果想要拿诺贝尔奖，就需要很长时间。

很长时间是多久？10 年、20 年？

AlphaFold 已经拿过诺贝尔奖，但它不是 AI 自动发现的。

如果要在 AI 自动发现的层面拿诺贝尔奖，我觉得至少还要 20 到 30 年。

说白了，在目前 AI 范式上，还需要补足它现在没有的能力。更不用说凭空创造新概念和抽象对象，至少要先让它能够对现有实验结果进行正向和反向推理，做好因果推理。

目前这些能力还没有完全具备。还要处理长期记忆：做过无数实验之后，怎样提取相关记忆？怎样持续学习？怎样解决前沿课题？

可能光是做到这些，就已经要花五六年。然后再去做科学实验，AI 肯定会比现在强得多。但我觉得至少还要花很长时间。

如果 20 到 30 年之后，AI 能够获得诺贝尔奖，对产业、人类社会意味着什么？

AI 是一种元技术，或者说 General Purpose Technology，也就是通用目的技术。

AI 本身像一个大脑，可以和任何东西结合。不只是 AI 加 Science、AI 加 Technology，也可以是 AI 加 Business。

如果真的有这么智能的东西，它不会只解决科学问题，也可以成为类似代理 CEO 的角色，在人类社会和经济社会的各个角度，都做得比现在更好。

OpenAI 或微软对 AGI 的定义之一，是 AI 能以多大准确率完成多少人类经济中有价值的工作。

如果 AI4S 达到这个程度，说明模型已经能够解决非常困难的问题，而且做得很好。它一定也能在其他领域做得更好。

所以我一直觉得，AI for Science 作为一个非常有挑战的话题，是 AI 本身发展的驱动力。模型变得足够强之后，也一定会让其他经济活动变得更加高效。

还有什么问题想补充吗？

没有了。

好，谢谢曹原。

谢谢陈茜。

以上就是我与曹原对 AI for Science 这个话题的对话了。这个话题其实拆分开来，里面有很多值得深聊的子话题和垂类，我们也会继续关注。但其实这次对话给我印象最深的，还是几个对人类价值和事物本质的探讨。在不久的未来，AI 一定会在各个科学的领域上帮助人类，去破解很多的疑难问题，帮助我们将前沿科学再往前推进一步。而一旦理想中的 AI 进行自进化，完成模型到实验的 loop 闭环，将带领人类去到我们从未达到的高度。而那个时候，我们必须要更清楚人类的价值在哪里，是定义，是验证，是应用，还是拥有最终的审判权。有一点是确定的，那个时候的世界和我们的现在的世界会很不一样。

好，以上就是我们这期视频播客的全部内容了。你们的点赞、留言和转发，是支持我们硅谷101做好深度科技和商业内容的最佳动力。我是陈茜，那我们下期节目再见，bye～