转发:AI x Science 新文章,探讨 AI 作为“发明之发明”及科学的未来
RT @alexolegimas: 为 @GoogleDeepMind Institute 与 James Manyika 合写的新文章,主题是 AI x Science,《Bending the Curve of Discovery》。
加速现有的科学实践固然有用,但 AI 真正的潜力在于它可能成为一种“发明之发明”(IMI,method of invention),正如 Griliches 所说的显微镜或统计推断——这将解锁此前超出人类能力范围的问题和全新的发现模式。
如今,LLM 和 AlphaFold 这类专用模型扮演着经济互补的角色。LLM 负责分析、编码和写作,专用工具负责领域特定的预测。它们之间的大多数交接都要经由科学家来完成。
未来的科学会是什么样?LLM 自动编排这些交接——向专用模型发提示、审查输出、循环往复,直到问题得到解答或抵达无法自动化的阶段(例如湿实验室测试)。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 的酶发现让我们窥见了这一工作流的一角,我们自己的工作中也能看到它。
这引出了几个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,科学理解会变成什么样?
2. 随着科学日益自动化,我们如何提取底层机制,而不只是输出?理论会是什么样子?
3. 如果 AI 自动化了写作和初级实验室工作,我们如何培养下一代科学家去推动前沿?
4. 在这种认识论现实中,什么还能激励科学家?
还有一个经济学角度。假设生成变得廉价,瓶颈因此下移到验证环节,以及判断哪些问题值得追问。要实现 AI 的全部潜力,需要对基础设施和制度改革的投入——这既是技术挑战,也是组织挑战。
我们还没有答案,很想听听其他人的看法。
论文在这里:https://t.co/kvHCFMIFmL
加速现有的科学实践固然有用,但 AI 真正的潜力在于它可能成为一种“发明之发明”(IMI,method of invention),正如 Griliches 所说的显微镜或统计推断——这将解锁此前超出人类能力范围的问题和全新的发现模式。
如今,LLM 和 AlphaFold 这类专用模型扮演着经济互补的角色。LLM 负责分析、编码和写作,专用工具负责领域特定的预测。它们之间的大多数交接都要经由科学家来完成。
未来的科学会是什么样?LLM 自动编排这些交接——向专用模型发提示、审查输出、循环往复,直到问题得到解答或抵达无法自动化的阶段(例如湿实验室测试)。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 的酶发现让我们窥见了这一工作流的一角,我们自己的工作中也能看到它。
这引出了几个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,科学理解会变成什么样?
2. 随着科学日益自动化,我们如何提取底层机制,而不只是输出?理论会是什么样子?
3. 如果 AI 自动化了写作和初级实验室工作,我们如何培养下一代科学家去推动前沿?
4. 在这种认识论现实中,什么还能激励科学家?
还有一个经济学角度。假设生成变得廉价,瓶颈因此下移到验证环节,以及判断哪些问题值得追问。要实现 AI 的全部潜力,需要对基础设施和制度改革的投入——这既是技术挑战,也是组织挑战。
我们还没有答案,很想听听其他人的看法。
论文在这里:https://t.co/kvHCFMIFmL