當人工智能接管科學發現
科學一直以來都是人類的努力，受到好奇心、創造力和不懈質疑他人所視為理所當然事物的意志驅動。但當人工智能開始做同樣的事情——不僅僅是協助人類科學家，而是獨立設計實驗、分析數據和形成結論時，會發生什麼？
最近，這個問題變得不再僅僅是理論上的探討。來自日本Sakana AI的人工智能系統生成了一個假說，設計了實驗並撰寫了一篇經過同行評審的科學論文，所有過程都沒有任何人類介入。
這篇名為《組合正則化：增強神經網絡泛化的意外障礙》的論文被ICLR 2025接受，這是機器學習領域最具聲望的會議之一。這件事在某種程度上標誌著一個門檻：人工智能已經創作出被人類同行認可的原創研究。
人工智能科學家的崛起
這個名為AI Scientist-v2的系統不僅僅是另一個語言模型。它是一個完全自主的研究代理，旨在自動化整個科學過程。審稿人並不知道這篇論文是由人工智能撰寫的，他們的評分足夠高，使其獲得接受，且分數超過了幾乎一半的人類提交的論文。
這一成就的影響深遠：這台機器不僅理解了一個研究領域，還能提出問題、進行實驗、編寫代碼、分析數據並清晰表達其發現。
承諾與問題
乍看之下，這一成就似乎暗示著我們可能正在接近“智能爆炸”——即人工智能不僅幫助科學，還主導科學，增進人類知識的速度遠超人類自身。一些人，如前OpenAI研究員Leopold Aschenbrenner，相信這個轉折點可能在2027年就會到來。
但並非所有人都這樣認同。
Meta的首席人工智能科學家、圖靈獎得主Yann LeCun早已警告，不要將模式匹配誤認為真正的智能。他表示，當前的人工智能模型無法形成支撐現實推理或原創發現的心理模型。
換句話說，AI Scientist-v2可能“寫”了一篇研究論文，但它是否理解自己所做的事情——或者只是將訓練中的模式拼湊在一起——仍然是一個未解的問題。
Sakana的謹慎突破
值得一提的是，Sakana.AI將這次實驗視為實驗本身。該公司在會議之前撤回了這篇論文，承認其所處的倫理灰色地帶。
儘管如此，隨著人工智能系統變得越來越強大，它們在科學發現中的角色將越來越重要。它們已經在加速文獻回顧、加快代碼開發以及在幾分鐘內生成實驗設計，而不是幾個月。
LeCun同意，這是短期未來的情況：人工智能作為一個強大的工具，而不是一個自主的天才。
超越模仿：邁向原創思維
那麼，《組合正則化》是否真的算是原創研究？在狹義上——是的。這篇論文介紹了一個新穎的實驗設置，研究了關於泛化的新角度，並被評價為值得展示。然而，其發現卻是漸進式的，顯示其假設失敗。在更廣泛的哲學意義上，科學中的原創性不僅僅是關於新穎性；還關乎直覺、提問的能力以及超越數據的能力。
LeCun將這比作解決數學問題和創造一個新的數學分支之間的區別。後者要求系統理解世界，根據經驗做出預測，並基於抽象目標計劃行動。他認為，這些能力對於人工智能來說仍然遙不可及。
儘管如此，機器能夠如此好地模仿科學思維的形式並非微不足道。這提升了我們對可能性的認知。在未來幾年，人工智能可能會生成假說、自動化實驗室工作，甚至有一天共同創作諾貝爾級的研究。但LeCun的警告提醒我們：作者身份並不意味著理解，而預測和理解並不是同一回事。
前進的道路：協作智慧
未來的道路可能在於混合智能——在這種模式下，人工智能系統處理複雜性和規模，而人類則提供洞察、倫理和概念上的飛躍。Sakana.AI的里程碑不是終點，而是重新塑造我們如何做科學的長途旅程中的一個路標。
Sakana AI的實驗重新點燃了長期以來的討論，即人工智能是否會很快優化自己的架構，完善自己的推理能力，並以我們尚未預測的方式加速發現的速度。人工智能科學家的成功並不意味著我們已經到達了那個拐點——但這確實表明我們可能比許多人想像的要接近。
這篇文章引發了對人工智能在科學研究中角色的深入思考。未來，人工智能可能不僅僅是輔助工具，而是成為一個不可或缺的合作夥伴。這需要我們重新考慮科學發現的本質，以及人類在這一過程中的獨特貢獻。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
🎨 Nano Banana Pro 圖像生成器｜打幾句說話就出圖
想畫人像、產品圖、插畫？SSFuture 圖像生成器支援 Flux 同 Gemini Nano Banana Pro 改圖 / 合成， 打廣東話都得，仲可以沿用上一張圖繼續微調。
