Google DeepMind 发表 AI x Science 新文章《Bending the Curve of Discovery》

与 James Manyika 合著的新文章，为 @GoogleDeepMind Institute 撰写，主题是 AI 与科学，题为《Bending the Curve of Discovery》。

加速现有的科学实践固然有用，但 AI 真正的前景在于它有望成为一种“发明方法的发明”（IMI），正如 Griliches 所提出的——比如显微镜或统计推断——这将解锁那些此前人类无法触及的问题和全新的发现模式。

目前，大语言模型和 AlphaFold 等专用模型是经济意义上的互补品。大语言模型负责分析、编程和写作，而专用工具负责领域内的特定预测。它们之间的大多数交接工作都由科学家来完成。

未来的科学会是什么样？大语言模型自动完成这些交接——调用专用模型、审核输出，并不断循环，直到问题得到解答或进入无法自动化的阶段（例如湿实验测试）。科学家的角色从执行每一步转变为设计这个循环。几周前 Anthropic 的酶发现项目让我们初窥了这种工作流，我们自己的工作中也正在实践这一点。

这引发了一些根本性的认识论问题：

1. 当发现由黑箱模型做出、其输出越来越难以解释时，科学理解会是什么样子？

2. 随着科学日益自动化，我们如何提取底层机制，而不仅仅是输出？理论会是什么样子？

3. 如果 AI 自动化了论文写作和初级实验室工作，我们该如何培养下一代科学家来推动前沿？

4. 在这种认识论现实中，是什么在激励科学家？

这还涉及经济学角度。假设生成变得廉价，瓶颈就转移到了下游的验证环节，以及选择哪些问题值得提出。要充分发挥 AI 的潜力，需要在基础设施和制度变革上进行投入——这既是技术挑战，也是组织挑战。

我们还没有答案，很想听听大家的看法。

论文在这里：bit.ly/ai-in-science