AI for science needs reasoning, not just data

2026-08-20 · MIT Technology Review

AI助力科學:需要推理,而非僅靠資料

科學已走到盡頭的反覆預言

每隔幾十年,就有人宣佈科學已接近終點。1903年,著名物理學家阿爾伯特·邁克耳孫寫道,物理科學的事實“都已經發現了”。1980年代,斯蒂芬·霍金預測理論物理學可能在本世紀末完成。隨著人工智慧的爆炸性發展,這種感覺再次出現——這一次還伴隨著諾貝爾獎。

AlphaFold的突破及其影響

2024年,谷歌DeepMind的Demis Hassabis和John Jumper因開發神經網路AlphaFold而分享諾貝爾化學獎的一部分。AlphaFold透過從數千個實驗測定的蛋白質形狀中學習,能夠預測蛋白質的三維結構。這個“魔鬼般的問題”已經抵抗了半個世紀的系統性攻擊,AlphaFold似乎一勞永逸地解決了它。

Hassabis團隊將AlphaFold稱為“AI如何將所有科學加速到數字速度的模板”。受此成功鼓舞,一波為生物學、化學和材料發現構建基礎模型的初創公司籌集了數十億美元資金。AlphaFold證明了AI與足夠資料的結合能夠做出突破性發現(即使我們不理解其背後的機制),科學其餘領域的路徑似乎已清晰可見。

AlphaFold成功條件的稀缺性

儘管AlphaFold是一項深刻成就,但產生它的條件極為罕見。在其他領域滿足這些條件可能需要數十年而非幾年。AlphaFold成功的最主要條件是蛋白質資料銀行(Protein Data Bank)的存在,這是一個包含約17萬條實驗驗證蛋白質結構的資料集。

該資料庫的建立並不簡單:它歷時53年的國際科學合作,據最新估計耗資約210億美元。此類規模的努力眾所周知難以獲得資金、幾乎不可能協調,且執行過程極其耗時,因此經常以失敗告終。

其他領域的額外障礙

即使在具備足夠凝聚力和資源、且資料未被商業所有權封鎖的領域,仍存在一個很少被討論的障礙:生成可比資料的科學不可能性。

在蛋白質結構領域,關鍵實驗技術——蛋白質晶體學——是一種異常可重複和可靠的工具,以至於超過25項諾貝爾獎依賴於它。但在大多數實驗科學中,結果往往存在變異:

  • 細胞系會漂移
  • 化學品含有微量汙染物
  • 實驗室溼度會變化

在生物學或大多數化學領域,建立足夠一致、準確、精確且可擴充套件的測量資料集以訓練現代神經網路,需要新型測量方法和標準化方案,而這些短期內都無法就緒。

少數可行的領域與未來方向

當然,存在少數滿足這些要求的領域:天氣預報、大部分基因組學、非常有限的化學領域。這些領域可能很快看到AlphaFold式的突破,如果尚未出現的話。政府對這些資料集的生產和協調的支援至關重要,正如美國國家新興生物技術安全委員會所主張的那樣。

但對於科學中的大多數開放問題,我們至少在短期內需要一個不同的計劃。幸運的是,一種更安靜、更溫和的方法已開始展現前景。

AI代理:模擬人類發現過程

科學家始終在不確定性下進行推理。生物學家在尋找新藥物靶點時,從未擁有完美的資料集。他們會結合對接計算和已知結構,考慮分子動力學,執行少量結合實驗,並運用判斷力根據每種方法的特點和失效點進行權衡。

科學的技能不在於任何單一工具,而在於綜合多種工具的產出,並隨著證據的出現修正結果。這才是大多數實際研究工作的進行方式。但直到最近,沒有軟體能夠做到這一點。

AI代理(Agents)現在可以做到。 簡單來說,代理是一個被賦予工具(數字或物理工具)訪問許可權並具備使用能力的AI推理引擎。過去幾年AI架構的根本轉變使得這類程式迅速普及,它們由大型語言模型驅動,大幅降低了對科學專用資料集的需求。

對科學而言,這一技術進步代表著基礎性改變:它使我們能夠建立能夠模擬實際研究迭代性、高度情境化過程的數字工具。AlphaFold等工具將強大方法應用於有限問題,而代理本質上是通才。它們並非代表一種新的做科學的方式,而是數字化模擬了人類的發現過程。

谷歌AI Co-Scientist的實際案例

以谷歌於5月釋出的AI Co-Scientist為例。研究人員給它提供了一頁簡報和一個目標:弄清楚抗生素耐藥性如何在細菌物種之間傳播,這是耐藥感染的關鍵驅動因素。

該系統啟動了多個子代理:

  • 一個子代理從文獻中起草假設
  • 另一個像同行評審者一樣對其進行剖析
  • 第三個舉辦錦標賽來排名最強的候選假設
  • 第四個對獲勝假設進行完善

該代理最終得出結論:耐藥基因搭上了細菌病毒的便車,利用能夠將其運送到新宿主的任何病毒。這一假設是正確的。倫敦帝國學院的研究人員曾花費十年時間研究這一機制。

這一案例清晰表明,AI代理能夠在無需海量專有資料集的情況下,透過推理和工具使用推動科學發現,為大多數科學領域提供了切實可行的加速路徑。

原文連結