大数跨境

姚顺雨新演讲:从 AlphaFold 到 Agent 自己构建科学模型,AI for Science 正在发生怎样的范式变化?

姚顺雨新演讲:从 AlphaFold 到 Agent 自己构建科学模型,AI for Science 正在发生怎样的范式变化? Research AI+
2026-11-09
15
导读:腾讯首席 AI 科学家姚顺雨在未来科学大奖周的演讲中,提出了 AI for Science 的三次范式演进:从专用科学模型,到通用 Agent 解决科研问题,再到 Agent 构建可复用的工具与模型,

在近日的2026 未来科学大奖周科学峰会 II 上,腾讯首席 AI 科学家姚顺雨以 Tools, Agents, and Agents That Build Tools: The Evolution of AI for Science 为题,分享了他对 AI for Science 技术演进的观察与思考。

演讲围绕 AI for Science 的三次范式转变展开:从针对特定科学问题设计专用模型,到通用 Agent 参与科学研究,再到 Agent 能够自主构建可复用的工具与模型。他结合蛋白质设计、数学研究、Hyra 等实际案例,介绍了通用智能如何逐步进入科研工作流,以及模型构建模型所带来的新可能。

除了技术进展,姚顺雨也讨论了 AI for Science 尚待解决的挑战,包括真实实验的验证效率、AI 能否形成科研品味,以及未来科研贡献归属和人才培养等问题。

以下是本次演讲的中文整理稿,保留了原演讲的主要内容与论证脉络,供大家参考。

ScreenShot_2026-11-08_232732_534.jpg
 

一、AI for Science 正在经历三次范式转变

很高兴来到这里,与大家讨论 AI for Science。我们刚刚发布了 Hy4 模型和 Hyra 2.0 智能体框架(Agent Harness)。如果大家对其中的技术细节感兴趣,今天报告的大部分内容都可以在腾讯混元的研究网站上找到。 今天我想重点讨论的是,AI for Science 正在经历三次非常快速的范式转变(Paradigm Shifts)。

这三种范式并不是相互排斥的关系,也不是一种出现之后,另一种就会消失。它们实际上是层层递进、建立在彼此之上的,而且目前仍在同时发展。 

第一种范式,是针对一个特定的科学问题,构建一个专门的模型。研究者先定义问题,再设计适合这一问题的模型架构和训练方法。 第二种范式,随着语言模型的发展,我们开始使用通用智能体解决科学问题。与过去不同,这些智能体不再需要针对每一道题重新训练一个专用模型,而是可以利用通用的推理、编程和工具使用能力,直接完成研究任务。 

而今年,语言模型能力的进展又将我们带入了第三种范式: 智能体不仅能够解决问题,还能够构建工具。它们创造的软件、工作流和模型,不仅可以解决眼前的问题,还能够被后续的研究反复使用。我想从这三个阶段出发,讨论 AI for Science 已经走到了哪里,以及接下来可能发生什么。

01-paradigms_05-08-00.png

图 1 AI for Science 的三种范式:从研究者开发可在特定领域复用的科学模型,到通用智能体解决当前科研问题,再到通用智能体构建可用于未来多个问题的工具。

二、从专用科学模型,到能够处理通用任务的语言模型

先看第一种范式。 如果讨论 AI for Science,一个具有代表性的案例就是 AlphaFold。围绕蛋白质结构预测的相关研究获得了 2024 年诺贝尔化学奖,这也说明针对特定科学问题构建专用模型能够产生多大的价值。 在这种范式下,研究者首先定义一个科学问题,然后专门为它设计神经网络。为了让模型能够有效解决这个问题,研究者往往会引入大量归纳偏置(Inductive Biases),将人类已经掌握的领域知识融入模型架构。 

以 AlphaFold 为例,其中使用了距离相关的偏置(Distance Bias)和共进化信息(Co-evolutionary Bias)。这些设计来自人类对蛋白质结构和生物演化的理解。也就是说,研究者不只是给模型提供数据,还会把自己对科学问题的认识直接编码进模型之中。 AlphaFold 系列的重要进展主要发生在 2018 年至 2024 年。不过,在这一时期,人工智能领域还发生了另一场影响深远的变化:大语言模型的兴起。 如果用两页幻灯片解释语言模型的发展,我认为,2017 年到 2022 年间发生的一系列统一和简化,是理解这场变化的关键。

1. Transformer:统一数据与模型架构

首先是 Transformer。 Transformer 带来的一个核心思想,是把不同类型的数据统一表示为 Token 序列。 无论是自然语言中的一句话,还是图像、音频、视频等其他模态的数据,都可以经过相应的表示和编码,转化为模型能够处理的 Token。这样,不同类型的数据就可以在一套高度统一的模型架构中进行处理。 

这里的核心机制是自注意力(Self-Attention),它允许模型在处理序列时建立不同 Token 之间的关系。 这一变化非常重要。过去,我们可能需要为不同数据类型设计不同的模型架构,但 Transformer 提供了一种更通用的处理方式。

2. 下一 Token 预测:统一任务

有了统一的模型架构,接下来还需要统一任务。 现实世界中的任务非常多,输入和输出也各不相同。分类、生成、翻译、推理、问答,乃至更加复杂的任务,看起来都需要不同的处理方式。 但我们发现,可以用一种通用的形式来表述这些任务:下一 Token 预测。 

模型根据已经看到的上下文,预测接下来应该出现什么 Token。随着序列不断延长,模型就能够通过同一种生成机制完成不同任务。 这意味着,我们不仅可以使用统一的架构处理数据,还可以用统一的训练目标来学习和执行任务。

3. ReAct:让模型通过 Token 思考和行动

第三次统一来自 ReAct,即推理与行动(Reasoning and Acting)。 在此前的语言模型中,生成 Token 主要用于产生文本。但 ReAct 进一步展示,模型生成的 Token 不仅可以表达思考过程,还可以调用外部工具,让模型在环境中采取行动。 例如,面对一个需要查找事实信息的问题,模型可以先生成一段推理,再调用 Wikipedia API 等外部工具获得信息,然后根据工具返回的结果继续推理。 

这里发生的变化在于,模型不再只是被动地生成答案,而是可以主动与外部世界交互。 当一个 Transformer 能够接收不同类型的信息,又能通过生成 Token 进行推理、调用工具并采取行动时,我们实际上就得到了一套非常通用的系统。 从抽象层面看,这与人类处理问题的方式有相似之处:我们接收外部信息,思考,采取行动,再根据反馈调整自己的行为。 如果把这种抽象推到足够远,从理论上说,就可以设想一个系统逐步覆盖人类能够执行的各种任务。当然,这并不意味着当前模型已经具备所有这些能力,而是说,我们开始拥有一条高度统一的技术路径。

三、Scaling:为什么模型能力会在某个时刻突然变得有用?

语言模型还有另一个非常重要的特征,那就是规模化扩展。 对于从事 AI 研究的人来说,Scaling 已经是一个相当熟悉的概念。但我认为,它可能是理解人工智能发展的一项核心思想。 先看第一张图。 当我们增加计算资源、训练数据和模型参数时,模型预测下一个 Token 的能力通常会持续改善。这种改善具有相当平滑、可预测的规律,在相关实验中可以观察到近似对数线性的关系(Log-linear Relationship)。 这意味着,随着投入的增加,模型的基础能力并不一定发生突然的跳跃,而可能是在持续、平稳地进步。 

但是,如果换一个角度,去观察模型能否完成某项具体任务,就会看到非常不一样的现象。 任务层面的实用性不一定随着模型基础能力的提升而平滑增长。很多时候,模型在一项任务上的表现会长时间维持在很低的水平,甚至接近于零。直到基础能力跨过某个门槛,任务表现才会突然出现非常明显的提升。 换句话说, 底层模型能力的变化可能非常平滑,但人们感受到的任务能力却可能是突然出现的。

02-scaling_05-12-10.png

图 2 上排三张图分别以计算量、数据量和参数量为横轴,展示预测损失的平滑下降。下排四个任务使用三种评分指标。A 用准确率,B 用 BLEU,C 和 D 用精确匹配率(Exact Match)。部分任务的得分在规模增加后陡升。

这并不是个别现象。我们已经在数学、编程、多模态理解等领域反复观察到类似的情况,而 AI for Science 也正在经历这一过程。 这可以帮助我们理解,为什么一些能力看起来仿佛是在短时间内突然出现的。事实上,模型可能已经积累了很长一段时间,只是此前还没有达到足以有效完成任务的水平。

四、第二种范式:通用智能体开始参与真实科学研究

当语言模型能够像人类一样利用工具、采取行动、根据反馈改进结果时,我们就开始把这样的系统称为智能体。 接下来,我想介绍一些通用语言模型智能体解决科学问题的例子。

1. 蛋白质逆折叠:通过工具和反馈不断修正设计

第一个例子来自蛋白质设计。 我们使用 Hy4 模型解决蛋白质逆折叠(Protein Inverse Folding)问题。 通常讨论的蛋白质折叠,是从一条氨基酸序列出发,预测蛋白质折叠之后的三维结构。而蛋白质逆折叠恰好相反:给定一个目标蛋白质的骨架几何结构,寻找能够形成这一结构的氨基酸序列。 这是一类具有实际意义的生物学问题。 语言模型解决这个问题的方式,与人类研究者有很多相似之处。

 首先,它会利用已有的生物学知识和先验,提出若干候选序列。然后,它调用外部工具,对这些序列进行评估,检查它们形成的结构与目标结构之间的一致程度。 根据评估结果,模型可以判断此前的方案存在什么问题,再提出新的设计。 这一过程会不断重复。 从展示的案例中可以看到,模型一开始的表现并不好,但经过 17 轮修订,设计质量有了明显改善。 这里真正有意思的地方,并不是模型一次就能够给出正确答案,而是它能够像研究者一样,通过提出假设、运行工具、观察结果和修改方案,逐步推进问题的解决。

03-inverse-folding_05-13-50.png

图 3 Hy4 在蛋白质逆折叠任务中的迭代过程。模型利用生物学先验提出候选序列,通过折叠预测评估结构一致性,再通过突变搜索改进设计。右侧曲线展示研究过程中保留的历史高分候选,横轴为研究时间(分钟),纵轴为校准任务得分(Calibrated Task Score)。经过 17 次评估提交,得分从 0.055 提升至 0.497。

2. 七百万细胞的小鼠胚胎三维重建

第二个例子同样来自生物学。 我们有一个包含大约七百万个细胞的数据集,需要根据大量二维切片数据,重建小鼠胚胎的三维结构。 这个问题看起来像是图像重建,但实际挑战远不止于此。 

首先,数据规模非常大。其次,真实科研数据通常并不整洁,其中可能存在损坏、缺失、顺序错误或其他异常情况。 因此,要完成这项任务,模型不能只是运行一个固定的算法。 它需要能够编写程序,使用终端和相关工具,对数据进行处理;当运行过程中出现问题时,还要能够识别问题、找到原因并修复。 也就是说,它需要意识到:某一步出了问题,必须先把它修好,才能继续推进整个任务。 

在这个案例中,模型大约用 90 分钟,在一台机器上完成了三维重建工作。 这个结果令人印象深刻,也说明通用智能体能够在科学数据处理和研究工作流中节省大量人工时间。

04-mouse-embryo_05-14-10.png

图 4 左侧展示用于三维重建的 84 张二维切片中的 12 张示例;右侧为基于完整切片数据重建的小鼠胚胎三维结构。该数据集包含约 700 万个细胞,Hy4 在一台机器上约 1.5 小时完成处理。

3. 数学问题:从反复探索到解决开放问题

最近,我们也开始看到语言模型在数学研究领域取得一些突破。 与前面的生物学案例类似,智能体解决数学问题也可以采用一种相当通用的工作方式。 面对一个尚未解决的问题,它会尝试不同思路,利用网络搜索等工具查找信息,反复检查自己的推理,并根据结果继续迭代。 

我们自己的一个例子,来自加法组合学(Additive Combinatorics)。 这个问题研究的是和集与差集之间的关系。 对于一个给定集合,我们可以将其中的元素两两相加,得到和集;也可以将元素两两相减,得到差集。问题是:这两个集合的大小之间,究竟存在怎样的关系?连接二者的指数界能够达到什么程度? 这是加法组合学中一个长期受到关注的问题。 我们使用 Hyra 1.0 的智能体循环,由开源 Hy3 模型提供基础能力。智能体不断提出候选想法、检查推理与计算结果,再对已有方案进行修订。 

最终,这一过程帮助我们确定了连接和集与差集大小的尖锐指数关系,并形成了相应论文。 当然,不同数学成果的重要程度和规模并不相同。但这些案例采用的基本方法是一致的:由通用模型驱动一个能够反复尝试、验证和修正的研究过程。

4. 通用智能体可以进入科学研究的各个阶段

从这些例子可以看出,通用语言模型智能体已经能够参与许多不同领域的科学任务。 它可以帮助研究者探索一个问题,逐步完善问题定义;可以参与研究设计,帮助制定实验方案;也可以编写代码、执行实验、分析结果。 在得到初步结果之后,它还能够参与结果审查,发现可能存在的问题,继续修改方案并重复实验。 再往后,智能体也可以参与论文撰写、整理材料,以及投稿相关的工作。 

因此,我们不应该只把它看成某一个环节的专用工具。它正在逐步进入科学研究的整个工作流,参与从问题探索到研究成果整理的不同阶段。 为了更全面地评估语言模型智能体解决科学问题的能力,我们设计了一个新的基准,叫作 TenureTrail。 这项评测覆盖七个不同学科,每个学科内部又包含多种问题类型。 前面提到的蛋白质逆折叠,就是其中的一类任务。 根据我们的内部评测结果,Hy4 是表现领先的开放模型,也是参评中国模型中表现突出的模型。在这项评测上,开放模型与闭源模型之间的差距目前并没有想象中那么大。 这里需要强调的是,这说的是特定科学任务评测中的结果,而不是说开放模型在所有能力上都已经与闭源模型持平。

05-tenuretrail_05-17-20.png

图 5 TenureTrail 汇总七个科学领域的任务得分。Hy4 在现场展示的七个模型中排第四,总分为 53.6。

5. 语言模型的进展,更像海水上涨,而不是盖房子

我认为,通用语言模型的发展方式其实非常反直觉。 如果一个实验室专注于某个特定科学问题,它的发展方式往往是垂直的。这有点像盖房子:先打好地基,然后针对一个明确的目标,逐层向上建设。 但通用语言模型的发展更像海水逐渐升温、上涨。 水面可能一直在缓慢上升,只是在漫过鼻子之前,人们并不会特别明显地感觉到它。 这也是为什么语言模型的进步,有时会给人一种突然发生的感觉。 

以编程为例,模型的代码能力实际上已经持续提升了五到十年。但是,当它还无法有效完成真实编程任务时,很多人不会特别在意这些进步。 直到某一天,它的能力接近或达到人类工程师能够完成实际工作的水平,人们才突然意识到,事情发生了非常大的变化。 事实上,底层能力并不是在那一天才开始提升的,而是此前已经持续积累了很长时间。 这里还涉及另一个特点:参差能力(Jagged Capabilities)。 

语言模型并不会让所有能力同时达到成熟水平。 也许在某个阶段,数据分析能力先跨过了实用门槛;过了一段时间,编程能力又有了明显突破。其他能力则可能继续停留在不够成熟的状态。 因此,模型能力的边界不是一个整齐、平滑的圆,而是参差不齐的。 

但是,一旦这些能力组件陆续达到可用水平,智能体就能够把它们连接起来。 原来只能完成单一步骤的系统,可以开始完成包含多个步骤的任务。再进一步,便能够形成跨度更长、自主程度更高的工作流。 这也是为什么通用模型对科学研究的影响可能会不断扩大:并不是只有单项能力持续增强,不同能力之间也开始相互连接。

五、第三种范式:让智能体构建新的工具和模型

第三种范式,可以看作第二种范式的自然延续。 既然我们已经看到,通用智能体能够像人类一样解决许多不同的问题,那么接下来,就可以让它们去解决一类非常特殊的问题:构建软件、工具,以及新的模型。这件事情之所以重要,我认为至少有两个原因。

1. 从解决单个问题,到创造可重复使用的能力

首先,是复用性。 在第二种范式里,我们给智能体一个具体问题,让它尽可能找到答案。 比如,我们希望设计一个具有特定结构的蛋白质。智能体可以针对这个任务反复尝试,直到找到一个满意的序列。 但这次得到的结果,主要服务于当前的问题。 如果我们换一种做法,让智能体去构建一个蛋白质设计模型,那么事情就不一样了。 因为这个新模型不仅可以解决眼前的问题,还可以被用于后续许多蛋白质设计任务。 

同样,在数学领域,解出一道题固然重要;但如果我们能够构建一种通用的证明工具或研究工作流,就可能帮助解决一整类数学问题。 因此,构建工具带来的收益,不只存在于当前任务之中,而是能够被后续研究反复利用。 这也是我认为第三种范式具有重要意义的原因。

2. 模型研发是一类容易获得客观反馈的任务

第二个原因,是模型和工具的研发结果相对容易验证。 这恰好是人工智能擅长处理的一类问题。 例如,当我们训练一个新模型时,可以运行评测,检查它的准确率、性能、推理速度和资源开销。 如果我们改进一个软件工具,也可以执行测试,检查它是否运行正确,能否完成目标,以及是否比以前更快。 这些结果往往具有明确、可重复的评价标准。 相比一些受到人际关系、组织因素和主观判断影响的评价活动,软件和模型研发更容易形成客观的反馈循环。 

这意味着,智能体可以提出一种方案,构建它,运行它,再根据测试结果决定是否继续改进。 对于这样一类任务,人工智能具有很大的发挥空间。

3. Hyra 2.0:面向持续数天甚至数周的研究任务

这也引出了我们正在开发的 Hyra。 Hyra 是一套面向长程任务(Long-horizon Tasks)的智能体框架。 在 Hyra 2.0 中,我们希望研究任务能够持续运行数天,甚至数周。 

想象一下,如果把各种模型组织起来,共同完成科学研究,那么一个未来的科学实验室应该如何运转? 在这样的实验室中,人类仍然可以扮演负责人的角色,设定研究目标,判断哪些问题值得探索,并对整体方向作出决策。 智能体则可以在这一目标之下协同工作。 它们能够分享研究进展,讨论当前的发现,开发实验所需的工具,整理原始数据和证据,也能够相互检查研究结果。 

如果一个智能体完成了一项实验,另一个智能体可以对结果进行复核,判断证据是否充分,结论是否成立。 研究过程也不必局限于一次会话。它可以跨越较长时间,保留此前的工作进展,并继续推进。 这开始让整个系统接近一种自主实验室的形态。 当然,这并不是说人类已经可以完全退出科学研究,而是说,我们开始能够把越来越多研究活动组织成持续运行的智能体工作流。

06-hyra_05-21-10.png

图 6 Hyra 2.0 中,研究者提供目标和反馈,Overall 协调资源,Mission 确定研究方向,Worker 执行任务。持久任务队列(Persistent task queue)记录任务状态,原始证据(Raw evidence)包括代码、结果和运行日志。需要独立复核(Independent review)时,另一名 Worker 在新的上下文中检查证据。

4. HyInv:由一个模型构建另一个科学模型

其中一个非常有意思的结果,是智能体开始构建新的科学模型。 借助 Hyra,我们让 Hy4 训练出了一个名为 HyInv 的模型。 HyInv 面向蛋白质逆折叠任务,是一个规模约为 220 万参数的图神经网络。(编者注 约 220 万为现场口述。图 7 和腾讯公开的模型仓库均标为 196 万参数。)

07-hyinv-model_05-22-00.png

图 7 Hyra 2.0 训练出的 HyInv 接收目标蛋白质骨架,经图神经网络生成候选氨基酸序列。

这里我希望大家注意,AlphaFold、我们前面介绍的通用智能体解题案例,以及 HyInv 之间,有一个非常重要的区别。 在 AlphaFold 的范式里,研究者针对蛋白质结构预测问题,亲自设计并训练一个专用科学模型。 在第二种范式里,我们使用通用语言模型,通过推理和调用工具,直接解决蛋白质相关任务。 

而到了 HyInv 这里,我们正在接近第一种范式所做的事情,但构建者发生了变化。过去是人类构建一个专用模型;现在是一个模型帮助构建另一个模型。Hy4 和 Hyra 参与了 HyInv 的研发过程,包括模型设计、训练和优化。最终得到的,是一个可以被其他研究任务继续调用的专用科学模型。 从团队展示的评测结果来看,HyInv 在平均 scTM(Mean scTM)这一结构一致性指标上达到了领先水平。 它生成序列的速度也很快,大约是此前一些实现的 50 倍。

08-hyinv-results_05-22-30.png

图 8 HyInv 的蛋白质逆折叠性能与推理效率对照。公开技术报告显示,在单张 H20 GPU 上,以 BF16 快速实现一次生成 128 条、长度为 402 个残基的候选序列,耗时约 50.6 毫秒。腾讯另报告其相较 ProteinMPNN 的序列生成速度提升约 57 倍;结构一致性采用平均 scTM 指标衡量。

速度是一个非常适合 AI 优化的目标,因为它容易测量。只要能够在相同条件下运行测试,我们就可以判断一种实现是否真的更快。 因此,模型不仅可以学习如何解决一个科学问题,还可以学习怎样把解决这个问题的工具做得更有效率。

5. 从蛋白质语言模型,到分子模拟

而且,这并不只限于蛋白质逆折叠。 我们也利用 Hyra 和 Hy4,研发了蛋白质表示相关模型。 例如,蛋白质语言模型可以学习蛋白质序列中的规律,为后续的结构研究、功能分析和蛋白质设计提供表征。 这类模型本身就是科研工作中经常使用的工具,所以当它的效率得到提高时,许多下游任务都可以受益。

 在我们的结果中,这类模型不仅能够保持具有竞争力的任务表现,还可以大幅提升推理速度。 除此之外,我们还构建了面向分子模拟(Molecular Simulation)的模型。不过,今天由于时间关系,我不再详细展开这一部分。 这些工作体现了同一个思路:让通用智能体参与研发更加专用、更加高效的科学工具。

6. 数学、工程和电路设计中的工具构建

这套方法并不局限于生物学。 最近,我们还借助 Hyra 和 Hy4,与北京大学的研究者合作,推进了一些数学研究。 其中一项成果涉及五维空间中的 Petty 等距点猜想(Petty's Equilateral-set Conjecture)。 另一项成果则针对 Yau 圆周作用猜想(Yau's Circle-action Conjecture)的非限制版本,构建了相应的反例。 这些工作说明,智能体不仅能够参与数值计算和实验优化,还可以参与更加抽象的数学问题。 需要区分的是,Petty 猜想的成果对应一个明确的维度,而 Yau 猜想的反例针对的是特定版本;这并不意味着所有相关问题都已经得到解决。 

除了数学、生物学和化学之外,我们也把 Hyra 与 Hy4 用于电路设计和其他工程任务。 这些领域在具体知识、研究方法和评估标准上差异很大,但它们可以共享一套通用的研究智能体方法。 智能体根据任务目标构建方案,调用工具执行,获得反馈并继续改进。 这也是我认为这一方向具有通用性的原因。

7. FMBench:评估智能体构建模型的能力

为了衡量模型构建模型的能力,我们还设计了一个新的评测基准,叫作 Foundation Model Bench,简称 FMBench。 这项评测关注的是,语言模型能否完成机器学习和生命科学领域的模型研发任务。 从目前的评测结果来看,Hy4 是其中表现领先的开放模型之一。 但比起某个具体模型的排名,我认为这里有几个更加值得关注的现象。 首先,在这套评测的设置下,Hy4 已经超过了相应的人类基线。

09-fmbench_05-24-20.png

图 9 FMBench 模型研发任务评测结果:Hy4 的平均得分为 28.1,Hy4 Preview 为 13.6。在现场展示的评价设置下,Hy4 超过了相应的人类基线。

我认为,模型研发是人工智能相对人类具有比较优势的一类工作。 因为研发模型需要完成大量繁琐的工程任务,包括编写代码、运行实验、调试问题、检查结果,以及不断重复这些步骤。 这些工作不一定需要每一步都依赖人的创造性判断,却需要消耗大量时间和精力。 把其中适合自动化的部分交给 AI,有机会显著提高研发效率。 

第二,在 FMBench 中,开放模型与闭源模型之间的差距,比此前科学问题求解评测中的差距更大。 这是一个值得注意的区别。 我认为,它与递归式自我改进(Recursive Self-improvement,RSI)有密切关系。 如果模型能够参与模型研发,那么研发工具、模型能力和下一轮训练过程之间,就可能形成相互促进的关系。 有些模型在这一方向上拥有更强的能力,也可能因此获得进一步的优势。 

第三,进步的速度非常快。 如果看两个月前发布的预览版本,再与现在的模型比较,可以看到,我们的 FMBench 成绩已经提高到了此前的两倍左右。 这只发生在大约两个月的时间里。 因此,这个领域正在快速发展。当模型开始参与模型训练和研发过程时,它就有机会加速下一轮模型的改进。 这也是为什么我认为,让智能体构建工具和模型,会成为 AI 发展的一个重要方向。

六、AI for Science 仍然面临哪些问题?

到这里,我已经介绍了不少 AI for Science 的研究结果。 但我认为,AI for Science 其实才刚刚开始。我们现在看到的这些成果,远不是这一方向的终点。 还有很多问题没有解决,而且这些问题不仅是技术问题,也涉及科研组织方式和社会制度。

1. 数字世界容易验证,现实科学实验却没有那么快

首先,我们会发现,前面介绍的大多数成果都发生在数字领域。 这并不是偶然的。 在数字环境中,我们通常拥有比较明确的评价标准。代码能否运行、程序是否正确、模型性能是否改善,都可以通过执行和测试得到相对及时的反馈。 这样的反馈可以支撑智能体不断尝试和改进。 

但在许多科学领域,情况要复杂得多。 有时我们没有足够的数据,有时我们缺少快速、可靠的验证手段。即使模型提出了一个很有希望的方案,我们也未必能够马上知道它是否真的有效。 例如,在药物研发中,一项临床试验可能需要两三年才能完成。 这与运行一段代码、在几分钟内获得测试结果,是完全不同的时间尺度。 当验证周期如此漫长时,智能体就很难像在数字环境中那样,依靠大量快速尝试形成高频的反馈循环。 

不过,我认为这更多是一个需要随着技术发展逐步克服的问题。 不同科学领域的研究者正在收集更多数据,建设自主实验室,希望能够让实验过程更加自动化。 我也非常期待接下来的演讲,因为其中会介绍自主湿实验室方面的研究进展。 与此同时,机器人技术也在不断发展。随着机器人、自动化实验设备和智能体系统之间的连接更加紧密,AI 未来可能获得更加直接的物理世界反馈。

2. AI 能解决问题,但能否提出值得解决的问题?

第二个挑战,是科研问题本身从哪里来。 如果回顾我刚才介绍的成果,会发现其中有一个共同点:问题都是由人类设定的。 人类提出一个问题,明确研究目标,模型则利用自己的能力,尽可能把它解决。 因此,一个经常被讨论的问题是:AI 是否能够拥有科研品味(Scientific Taste)? 它能不能不只是解决一个已经给定的问题,还能够判断什么问题值得研究,并主动提出有价值的新问题? 

我的看法是,从长期来看,这种能力应当是可以学习的。 所谓品味,在某种意义上,可以把它看作一种计算启发式(Computational Heuristic)。 我们会根据已有知识、经验和判断,决定一个研究方向是否有意义,或者某个问题是否值得投入精力。 既然人类能够逐步学会这种判断方式,我认为模型也有可能学会。 当然,在当前阶段,要形成好的科研判断,依然需要大量深入的人类经验。 研究者需要理解一个领域的背景,知道哪些问题已经被解决,哪些问题虽然技术上有趣,却没有太大科学价值;也需要判断一个方向是否可能产生真正重要的发现。 这些事情目前仍然需要人的深度参与。 但是,从长期来看,我不认为科研品味是一种原则上无法被模型学习的能力。

3. AI 产生了成果,人类还需要理解并组织这些知识

第三个挑战,是如何理解、解释和传承 AI 带来的研究成果。 假设模型能够持续产出新的数学证明和科学结论,那么接下来应该怎么办? 我们怎样理解这些结果?怎样解释它们在整个学科中的位置?怎样把它们整理成适合教学和研究的知识,再传递给下一代研究者?

 例如,OpenAI 此前的一些 AI 辅助数学研究会产生非常长的论文,有时长达上百页。 但仅仅得到一份很长的证明,并不意味着人们就能够轻松理解它。 一篇论文可能包含大量技术细节,很难阅读;研究者也不一定能够马上判断,这项成果与该领域已有知识之间究竟存在什么联系。 因此,我们仍然需要人类数学家参与解释和整理。 他们需要识别结果中真正重要的思想,把复杂的论证转化为更加清晰的表达,并把新发现放进整个学科的知识体系之中。 这项工作并不只是检查一个证明是否成立,还涉及如何理解、组织和传承科学知识。 我认为,在这方面,人类仍然有大量工作需要完成。

4. 更深层的挑战是科研制度与组织方式

不过,如果从长远来看,我认为技术问题终究有机会逐步得到解决。 相比之下,社会和组织层面的问题可能更加复杂,因为模型的能力正在迅速增强,而我们现有的制度未必能够以同样的速度适应。 首先是科学数据。 科学研究产生的数据,应该由谁拥有?谁有权访问这些数据?谁应该从数据的使用中受益? 当我们借助模型解决科学问题,同时又需要向模型提供商提供数据时,就会出现许多值得讨论的问题。 这些数据中可能包含研究者多年积累的工作,也可能来自公共资金支持的研究项目。 在新的技术环境下,我们需要重新考虑数据的使用边界,以及不同参与者之间的权利和责任。 

第二个问题是科研贡献归属。 如果 AI 帮助你完成了一项重要研究,那么成果应该如何归属? 研究者可以把全部贡献都归于自己吗?模型开发者应该获得怎样的认可?现有学术共同体又该怎样评价其中的人类贡献? 随着 AI 在研究过程中的参与程度不断提高,这些问题会变得越来越重要。 科研资助体系也需要随之调整。 我们应该怎样分配研究资源?怎样评价一个项目?哪些类型的研究应当得到资助? 这些制度原本是围绕人类研究者的工作方式建立的。如今研究方式正在发生改变,相关制度也需要演进。 

但在我看来,真正重要的挑战之一,是如何培养和评价下一代科学家。 这种变化并不局限于科学研究。许多白领职业都在面对类似的问题:AI 正在逐步承担过去由初级从业者完成的任务。 入门级岗位因此面临越来越大的挑战。 而对科研来说,入门阶段的工作同时也是学生学习如何成为研究者的重要过程。 如果许多基础研究任务都可以由 AI 完成,我们接下来应该怎样培养学生?怎样让他们积累研究经验、建立判断能力,并逐步形成自己的科研品味? 又应该用什么标准评价他们的能力和贡献? 面对模型如此快速的进步,我们仍然需要认真思考并解决这些问题。

七、科学应当属于科学共同体,而不是某一家模型公司

在腾讯,我们当然没有这些问题的全部答案。 不过,我想介绍一下我们的基本理念,以及我们正在努力做的事情。 我认为,我们非常深层的一项信念是:科学属于科学共同体,也属于全人类。它不应该属于任何一家特定的公司,也不应该属于某一家模型提供商。正因为如此,我们希望尽可能开放模型、工具和软件,同时让它们的使用成本尽可能可负担。 只有这样,AI 和未来通用人工智能带来的收益,才有机会惠及更广泛的研究者、机构和科学领域。 

腾讯内部有不同的团队和部门,我们也正在努力让这些团队协同工作,为科学研究提供支持。 例如,我们有混元模型及相关工具,并持续推动模型开放;我们有 Hyra 这样的智能体研究框架,也有 WorkBuddy 这样的智能体产品。 我们也在推进面向学生的免费额度政策,让学生有机会通过 WorkBuddy 免费调用顶级的开放模型,尝试用 AI 参与自己的学习和研究工作。 除此之外,腾讯还有其他部门,能够在资源、技术和组织层面提供支持。 我们希望把这些不同的能力连接起来,帮助科学家开展研究。 与此同时,我们也希望尊重科学家和研究者的贡献,重视他们应当获得的科研成果归属。 这不仅关系到具体产品或技术如何发展,也关系到我们希望 AI 最终为科学共同体带来什么。

八、总结:语言模型为科学研究增加了一条新的正交轴线

最后,我想回到今天报告的主题。 我认为,大语言模型正在为科学进步增加一条新的、正交的轴线。 过去,不同学科都有自己的发展方向。 数学、物理、化学、生物学等领域,分别积累了大量深厚的领域知识。研究者沿着各自的方向,持续深入地探索科学问题。 这些纵向的研究积累非常重要,也不会因为语言模型的出现而失去价值。 但大语言模型的发展方式有所不同。 它在更广泛的任务和知识领域中同时提升能力,并逐步把不同的能力连接起来。 

随着这种通用智能的发展,它不仅能够帮助某个领域解决具体问题,还能够帮助不同学科之间建立联系,将一个领域的思想和方法应用到另一个领域。 进一步地,它还能够帮助我们构建可重复使用的科学模型和工具,让一次研究所产生的能力在后续工作中继续发挥作用。 

因此,我认为,科学研究的纵向深度与语言模型带来的通用智能,应该相互交织、共同发展。一方面,我们需要继续推进各个学科深入的专业研究;另一方面,也应该利用通用智能连接不同领域,并不断创造新的研究工具。当这两种力量结合起来,我们才有机会推动科学走向下一个前沿。 

我的演讲就到这里。 谢谢大家。


点击下方关注我们



图片

加入我们

JOIN US

图片

扫码关注公众号

Image

加入读者群

👋 Research AI+是一个面向青年研究者的 Global开放社区。我们汇聚了AI 、AI for Science/Engineering、Physical AI 方面的众多优秀学者、科研工作者、产业界研究员、工程师、AI项目开源贡献者和Tech Founders。是一个站在学术、产业与创业交叉点的创新型开源社区。

🍻我们日常会有前沿技术分享、闭门讨论会、Tech meetup、Research Party 等有意思的社区活动,希望通过高质量的社区活动和内容来促进科研、工程、技术的交流和进步!

👀社区有自己的媒体,会经常分享前沿科研工程内容和高质量的技术活动资讯,同时我们也会深度报道值得被关注的研究者、工程师、技术创业者,欢迎优秀的工作和团队来稿~也欢迎关注我们!

【声明】内容源于网络
0
0
Research AI+
我们是一个开放的 Global青年研究者社区,汇集了AI及 AI4Science/Engineering 领域的青年学者、科研工作者、产业科学家/工程师和专业人士,野生而充满活力。
内容 40
粉丝 0
Research AI+ 我们是一个开放的 Global青年研究者社区,汇集了AI及 AI4Science/Engineering 领域的青年学者、科研工作者、产业科学家/工程师和专业人士,野生而充满活力。
总阅读1.3k
粉丝0
内容40