AI 让科学猜想变得廉价，但验证依然昂贵，这一差距正在撕裂整个科研体系。
Google DeepMind 发布报告《Conjecture Machines: AI agents and the new validation bottleneck in science》，探讨了 AI Agent 涌入科学界后引发的变革与挑战。Agent 正将科学转变为高速运转的“猜想机器”，但物理世界的验证速度、同行评审机制及数据基础设施却难以跟上，新的瓶颈已然形成。
一夜赶超十年功
伦敦帝国理工学院微生物学家 José Penadés 的团队耗时近 10 年，研究超级细菌如何传播抗生素耐药性。2024 年，他将问题描述输入 Google DeepMind 的 AI Agent"Co-Scientist"。仅两天后，该 Agent 返回了 5 个按优先级排序的解释，其中排名第一的假设与团队十年研究的结论完全一致：某些超级细菌利用从病毒获取的“尾巴”作为钥匙，在不同宿主间跳跃。
这一案例揭示了基于 LLM 的 Agent 的核心能力：它不仅能规划步骤、并行调度子任务、纠错，还能调用外部数据库及操作机器人。不同于传统聊天机器人，Agent 具备自主拆解目标、执行并迭代的能力。
报告指出，Agent 能力的爆发源于三股力量：
- 前沿模型增强：顶级模型在 Humanity's Last Exam 等高难度科学基准上已超越人类专家，尤其是推理时计算（inference-time reasoning）赋予了其深度思考与推演修正能力。
- 脚手架（Scaffolding）成熟：包裹模型的代码框架提供了结构、记忆和工具调用能力。随着 Agent 间通信协议等标准的出现，通用性显著提升。
- 可定制性提升：通过"Agent 技能（skills）”，科学家可将方法论转化为文本指令，让 Agent 按特定流程工作。
计算生物学家 Natasha Latysheva 预判，科研工作将从“亲手执行”转向“高层编排”。科学家只需每日审查 Agent 的运行结果，调整方向并引导注意力。
猜想廉价，验证昂贵
Agent 最直接的改变是提供了永不知疲倦的数字助手，将文献梳理、数据分析等工作从数天压缩至几分钟。但更深层的结构性变化在于科研范式的重构。
斯坦福大学 Gary Peltz 在肝纤维化研究中，凭经验挑选的 2 个候选药物在实验中无效，而 Co-Scientist 挑选的 3 个药物中，有 2 个不仅阻断纤维化还促进了细胞再生。Agent 通过调度子 Agent 群，模拟人类研究小组的多样性假设、互评与迭代机制，且速度远超人类。
然而，报告也坦承 Agent 的软肋。Co-Scientist 负责人 Vivek Natarajan 指出，一个编造的事实即可毁掉整份报告，这需要领域专家进行甄别。他提出“认知谦逊（epistemic humility）”概念，即模型需明确知晓并表达其不确定性，但这在开放的科学推理中仍是难题。
此外，AlphaEvolve 等系统在搜索最优解方面表现卓越，曾协助设计下一代 TPU 芯片及解决数学难题。但在材料科学等领域，AI 生成的线索仍需在实验台上进行物理验证。
报告核心判断认为：AI 改变了“猜想与反驳”的经济学。猜想变得丰富且廉价，但反驳（验证）受限于物理世界和制度，依然昂贵缓慢。数学和计算机科学是例外，其验证可在硅基世界完成。今年 2 月的"First Proof"挑战中，AI 系统 Aletheia 在一周内解决了 6 个未公开的数学问题。但数学家们已开始抱怨 AI 生成的证明过长，出现了“证明消化不良”现象，产出速度超过了人类审阅速度。
对于大多数学科，验证鸿沟正在扩大。实验室的生长周期和反应时间设定了科研节奏，Agent 无法加速物理过程。
基础设施该升级了
针对上述挑战，报告向政策制定者和资助机构提出四项紧迫优先级：
确保科学家能用上 Agent
这不仅是训练模型的问题，更是部署问题。国家需关注如何将 Agent 有效部署到整个科学生态中，而非仅聚焦于地缘政治层面的模型训练权。
建立新的资助与合作模式
随着 Agent 能力扩展，计算开销将持续增长。资助机构需决定实验室如何选择和付费使用 Agent，并探索如美国"Genesis Mission"般的公私合作新模式。
让国家数据资产对 Agent 友好
开放数据应通过完善的 API 暴露给 Agent；敏感数据（如基因组学、病毒学）则需开发类似 OpenSAFELY 的隐私保护方案，确保 Agent 能安全访问。
解决验证瓶颈与革新同行评审
面对假设激增而实验设施有限的矛盾，建议投资并共享现有验证设施，加速自动化实验室建设。同时，鉴于 AI 深度参与论文写作，传统的写作质量已非可靠区分标准。报告建议推行“人机交互卡片”，记录关键洞见的生成过程，并允许审稿人使用 Agent 辅助检测错误。
AI Agent 不应成为削减科研经费的理由。唯有正视这一结构性变化并升级管理制度的国家，才能释放最大的公共价值。科学家用上 Agent 之后，便不会再回头。
参考资料：
https://deepmind.google/public-policy/conjecture-machines-ai-agents-and-the-new-validation-bottleneck-in-science/