大数跨境

Anthropic 辅助科学建模:搭建、约束、解读三步框架与多模型思维

Anthropic 辅助科学建模:搭建、约束、解读三步框架与多模型思维 苏哲管理咨询
2026-11-11
8
导读:随着 AI 降低建模门槛,研究尺度可拓展至果蝇全脑这类超复杂系统,此时不存在唯一正确模型,研究重心转为寻找所有兼容数据模型的共有性质。文章强调:拟合数据不等于获得洞见,科学理解来自对比备选方案、排除无
编者摘要:本文是 Anthropic 客座文章,以霍奇金–赫胥黎神经元模型为引子,探讨 AI 如何辅助构建科学模型。科学建模分为三步:搭建模型、约束参数、解读模型。传统方式由科学家手工试错,AI 可参与全流程:基于仿真的推断(SBI)解决参数约束,输出参数分布而非单一最优值;大模型智能体搜索模型空间,生成一组可行模型分布,避免只给出一个拟合模型带来的偏见;模型解读是最难自动化的环节,单一模型容易过度解读,多模型分布才能支撑稳健机理推断。随着 AI 降低建模门槛,研究尺度可拓展至果蝇全脑这类超复杂系统,此时不存在唯一正确模型,研究重心转为寻找所有兼容数据模型的共有性质。文章强调:拟合数据不等于获得洞见,科学理解来自对比备选方案、排除无效假设的建模全过程,AI 需要输出完整候选模型谱系,而不只是一个答案。

10 个关键问题 Q&A

  1. Q:文章用霍奇金–赫胥黎模型想说明什么? A:仅拟合数据不够;洞见来自排除其他备选方案,而不只是找到一个能匹配数据的方程。
  2. Q:科学建模的标准三步是什么? A:搭建模型、约束模型参数、解读模型对应的真实机理。
  3. Q:SBI(基于仿真的推断)解决了什么痛点? A:解决复杂模型贝叶斯推断算力难题,输出参数分布,而不是单一组最优参数。
  4. Q:AI 搭建模型和传统科学家建模最大区别? A:AI 可以批量搜索庞大模型空间,输出一整套可行模型分布,而不是少数人工候选。
  5. Q:为什么只给一个拟合好的模型会有问题? A:多个不同结构的模型都可以拟合同一数据,单模型容易让研究者误把无约束的部分当成真实机理。
  6. Q:三步里 AI 最难做好的是哪一步? A:模型解读;“理解” 难以量化,很难直接设为 AI 优化目标。
  7. Q:多模型分布对解读有什么帮助? A:全部模型一致的预测更可靠;模型分歧点,就是值得做新实验的方向。
  8. Q:扩展到果蝇全脑这类超大系统,建模思路怎么变? A:不再寻找唯一正确模型,转而寻找所有兼容数据模型共享的稳定性质与预测。
  9. Q:AI 快速算出拟合模型,是否就替代科学家了? A:不能;AI 需要同步提供失败备选、不确定边界,而不只是最终模型。
  10. Q:全文核心结论一句话概括? A:科学建模的价值在于过程而非最终方程;AI 科学建模的目标是输出完整候选谱系,支撑机理洞察。
附录  教 AI 构建科学模型

Anthropic 科学团队  发布时间:2026 年 11 月 6 日

主题:科学发现、研究项目、生命科学

相关文章:《借助 Claude 研究囊颗粒》《AI 赋能科学:拓展基础研究机构合作》《Claude 发现全新酶系统》《Anthropic 科学板块介绍》

客座作者:mackelab、D. Gedon 以及谷歌学术页面所示研究者,任职于图宾根的 ELLIS 研究所与图宾根大学,他们致力于开发面向神经科学及更广领域、用于搭建科学模型的 AI 工具。本文为客座文章,探讨 AI 正如何重塑科学建模范式。

1951 年,剑桥大学一台计算机停机检修长达半年。这让生理学家安德鲁・赫胥黎十分困扰。彼时,他和同事艾伦・霍奇金刚刚推导出一组方程组,用来描述枪乌贼神经细胞如何产生电信号。两位科学家想要弄清神经细胞的动作电位—— 也就是神经细胞用于通信的电脉冲,大脑所有活动,从感知到智能,都建立在它的基础之上。想要验证方程组是否成立,唯一办法就是求解方程,再把计算结果和实验数据对比。

赫胥黎原本打算用这台新式计算机求解方程,结果只能改用手摇机械计算器手动演算,整整花了三周多时间。

这个模型的基础框架来自人们当时已知的细胞事实。霍奇金–赫胥黎把细胞膜等效成一个电路。但模型里有一处只是合理猜想:为了让拟合曲线匹配实测数据,他们不得不把其中一个变量取四次方,也就是让这个变量自乘三次。在当时,他们并不明白背后的机理,只知道如果不这么处理,模型对观测数据的预测效果就会变差。

不过他们还是提出了假说:这个变量控制着细胞膜上特定离子通道门的开合,之所以要取四次方,或许是因为膜内有多个带电粒子必须全部就位,通道门才能打开。

数十年之后,在霍奇金、赫胥黎于 1963 年拿下诺贝尔生理学或医学奖很久之后,另一支研究团队解析出了钾离子通道结构,证实通道确实由四个相同单元组装而成。这个 1951 年为拟合数据搭建出来的模型,当时就已经可以比较准确地预测电脉冲的传导速度。更出人意料的是,它还提前预判了钾离子通道本身的分子结构 —— 而当初建模时根本没有用通道结构数据做拟合。

放到今天,一套 AI 系统或许一个下午就能找出类似霍奇金–赫胥黎这样的方程,拟合实验数据甚至可能做得更好。但这个故事的核心启示是:仅仅知道 “四次方能拟合数据” 远远不够;真正重要的是明白,更简单的模型为什么行不通。如果 AI 只是直接丢给你一个模型,它给了你一个答案,却没有带来理解。只用一个模型复现观测数据是不够的,因为能拟合同一组数据的模型可能有成百上千个。科学建模的目标,是对真实系统本身、乃至同类系统做出可靠推断。想要做到这点,你必须清楚:哪些特征是所有有效模型共有的,哪些特征是无效模型和有效模型之间的分水岭。正如数学家理查德・汉明在 1962 年写下的那句名言:计算的目的是洞察,而非数字。

三步研究框架

七十多年过去,霍奇金–赫胥黎模型至今仍是神经元电活动的标准描述。这套形式相同、仅常数不同的方程组,可以描述整个动物界的神经细胞,从枪乌贼到人类 —— 哪怕二者的演化分支在五亿多年前就已经分开。

而比它长久生命力更重要的,是这个模型向我们揭示的建模逻辑。霍奇金与赫胥黎的工作流程可以拆解成三步,绝大多数科学建模工作都遵循这套思路的变体:第一步:搭建模型。确定模型的组成单元、方程形式。放到霍奇金–赫胥黎模型里,就是电路组件(细胞膜、离子门控)以及方程结构,比如变量取四次方这一形式。第二步:约束模型。调整模型里的可调参数,使之匹配实测数据。对他们而言,就是不同电压下通道门的开启概率这类参数。第三步:解读模型。基于模型推断真实系统的性质,例如提出 “四次方对应通道门有四个可动单元” 这一假说。

在实际科研中,这三步是循环迭代的。如果数值和测量结果对不上,或是模型解读在机理上说不通,科学家就回头修改模型。

曾经这三步全部由人完成,如今 AI 越来越多地参与到每一步。机器在模型参数约束这个方向上进展最为显著,我们先从这里说起。

分摊账单:如何约束模型

当年霍奇金、赫胥黎依靠肉眼和直觉调参,最终只得到一组参数。这只能证明:存在一组参数可以匹配数据,却无法回答:有没有别的参数组合,效果一样好,甚至更好?

可以打个比方:一桌人聚餐总账单是 120 美元,但不知道每个人点了什么菜。达成这个总价的搭配有无数种:可能所有人都点平价汉堡;也可能一个人点牛排龙虾,其他人只点清汤。神经细胞模型也是同理:多组不同的门控参数,都能产生几乎一模一样的电活动。只展示一组拟合良好的参数,会掩盖其他同样合理的参数配置,而不同参数组合很可能导出截然不同的预测结果。几乎所有待建模的自然现象都存在这个问题:多组参数,都能同等程度解释观测数据。

配图示意:霍奇金–赫胥黎模型参数约束演示。(1) 神经细胞实测信号;(2) 钾、钠通道各组参数下,模型输出匹配实测信号的概率,颜色越深代表拟合越好,蓝点为交互点位;(3) 三组不同参数下的模型仿真结果,和实测信号(灰色曲线)对比,部分参数拟合优秀,部分较差。

解决这个问题的统计方法叫做贝叶斯推断。它输出所有适配数据的参数组合,以概率分布形式呈现;分布同时兼顾参数和数据的拟合程度,以及我们预先掌握的先验知识。分布呈现曲线形态,峰值位置是最优拟合,边缘是拟合较差的参数。

但对于复杂模型,这套方法过去常常不具备可行性:它需要遍历所有参数组合,计算每组参数下观测结果出现的概率。霍奇金–赫胥黎模型尚且能算,更复杂的系统就会遭遇算力瓶颈。举个例子,如果有成千上万个离子通道随机开合,参数组合的数量会爆炸式增长。回到账单的类比:回答 “A 点汉堡、B 点牛排,账单是多少” 很简单;反过来,想要找出所有能凑出最终账单的点餐组合,随着人数、菜品增加,难度会急剧上升。

一种叫**基于仿真的推断(SBI)**的新思路,依靠大规模算力攻克了这种逆向求解难题。方法是:随机采样参数、运行模型、记录输出;反复采样 —— 简单模型跑几千次,大型复杂模型甚至要跑上百万次。之后用仿真结果训练神经网络:给定一组观测输出,网络就能反推出可以生成该输出的参数范围。

SBI 只要求你能够正向运行模型:输入参数,输出预期观测数据。这种 “参数进、数据出” 的模型被称为仿真器,这也是 “基于仿真的推断” 名字的由来。你不需要写出解析公式去计算观测结果的似然度 —— 而这一步,恰恰是传统贝叶斯推断难以落地的根源。现在仿真器大多是计算机程序,但它不一定非得是代码:当年赫胥黎手摇计算器解方程,本质上也是在运行仿真器。很多仿真器正向推演容易、逆向求解极难;甚至有些仿真器根本写不出简洁的解析方程,机理藏在运行规则里,但它们依然是模型。对大量复杂系统,从神经元网络到星系碰撞,仿真器常常是我们唯一可用的建模形式,而 SBI 让我们可以用实测数据约束这类仿真模型。

海量仿真的计算成本很高,有时要跑几周。但训练完成之后,这个神经网络面对新数据可以在数秒内完成推断,不需要再次大规模仿真。这种速度带来了新可能:引力波信号出现时,SBI 可以快速反推碰撞在天空中的方位,快到足以引导望远镜在信号消散前对准目标。这套方法也已经成功用于高能物理、宇宙学、地震学等诸多领域。

SBI 同样被应用在神经科学的离子通道、神经元建模研究中。因为它返回的是参数分布,而不是单一最优参数,我们能看清:哪些参数被数据牢牢锁定、哪些解释方案同样成立、哪些地方缺少数据,从而指导下一轮实验。

上一层的账单:如何搭建模型

在约束参数之前,你首先要有一个待约束的模型。霍奇金–赫胥黎模型的方程组并不是从基础物理原理直接推导出来的;变量四次方这个形式,是科学家结合生物学直觉,反复试错、发现更简单形式拟合效果不足之后,凭经验确定的经验性选择。

在科学史上绝大多数时间里,建模都是这么做的:科学家依靠专业知识与假设,写出候选模型,测试、修改、反复迭代。但问题在于,所有可能模型构成的搜索空间几乎是无穷大的;科学家依靠经验提出少数几个候选模型,极有可能漏掉同样可以解释观测数据的其他模型。

如今 AI 已经可以辅助、甚至自主完成建模这一步。输入实验数据,配上对系统的自然语言描述,基于大语言模型的智能体就能写出一个或一批候选模型代码;接着运行模型、约束参数、对比仿真输出和真实数据,再修改方程结构迭代优化,循环直到模型足够贴合数据。过去两年,已经涌现出不少这类系统。不同方案细节有差异,但核心都是用大模型设计模型本身。就在不久前,人们还认为这是只有人类才能完成的工作。

但模型能复现数据,不等于它能提供科学洞见。就像前面的账单例子,或是霍奇金–赫胥黎模型的参数:同一个模型内部,多组参数都能输出一样结果。放到更高一层、也就是模型本身的选择上,道理也一样:方程形式完全不同的多个模型,同样可以解释同一组观测数据。同一个智能体,用同一套数据跑两次,完全可能给出两个效果同样优秀、但结构不同的模型。如果智能体只返回其中一个,就掩盖了其余可行方案,和只给一组最优参数的弊端一模一样。

所以,我们应该用和参数约束相同的思路看待模型搭建:我们想要的,是所有可以合理解释数据的候选模型构成的分布。AI 提出大量候选模型;每个模型根据数据支撑度赋予权重;那些依靠复杂冗余结构才勉强拟合的模型,权重会被压低;表现差的候选被淘汰,AI 再在优质模型基础上生成新变体。

AI 智能体由此输出的是一整组可信模型的分布,而不是单一最优模型。这个分布可以给出单一模型无法提供的信息:如果所有留存模型都共享同一个特征,说明现有数据倾向支持这个特征;如果候选模型之间相互矛盾,则代表证据尚不充分,直接指引研究者设计下一个关键实验。

当然我们不能过度乐观。目前这类系统大多还只在 “重新发现人类已知模型” 的任务上验证过;在没有现成答案的全新科学问题上,有效证据还比较少。不过专门的科学基准测试显示,这类新系统性能优于旧方案,我们预期它还会持续进步。

翻译失真:如何解读模型

模型搭建、参数约束完成之后,最后一步是解读:这个模型告诉了我们关于真实系统的什么信息?霍奇金和赫胥黎提出 “四个粒子” 假说,正是因为四次方形式的方程,刚好对应 “四件独立事件全部发生,通道才能打开” 的机制猜想,他们据此推断细胞膜内部可能存在这样的结构,而后续研究也大体证实了这个猜想。

这个解读之所以有科学分量,是因为他们排除了其他可能性。如果更简单的模型拟合效果同样好,他们就没有理由推断通道存在多个可动单元。正是替代方案的失效,才支撑起这个机理推断。当时还有不确定性:霍奇金和赫胥黎注意到三次方、四次方都可以,最终选择四次方;后续分析发现更高次幂拟合甚至会略好一点,但他们判断这点提升,不值得额外增加模型复杂度。

方程组还帮他们推导出更多推论:解释神经元存在电压阈值(低于阈值不放电、高于阈值产生脉冲),解释为什么神经脉冲波形统一;还预测:如果电流上升足够缓慢,神经元永远不会触发放电。科学哲学领域有一种观点:一个模型称得上可理解,前提是我们不用反复仿真,就能推导出它的所有推论。这个标准适合霍奇金–赫胥黎这种少量变量的模型;对包含上万变量的巨型模型,对应的标准就是:能否把它浓缩成少数几条核心机理,依靠这些机理就能复现模型行为。模型规模越大,这件事难度越高。

三步之中,解读是最难交给 AI 的一环。拟合度可以量化衡量,但 “是否加深了我们对系统的理解” 很难定义;我们也不知道该怎么给 AI 设定 “产出理解” 这个优化目标。学界有两种思路:一种方式是通过扰动实验的预测效果评判 AI 是否真正理解系统;另一种思路绕开 “理解” 这个抽象问题,直接看 AI 输出能不能指导实验设计。举一个例子:有一套 AI 系统,不只是给出单一实验方案,而是生成一小段程序,程序可以产出一整个系列相关实验的设置;物理学家直接阅读这个程序,就能把握底层设计原理,而不用从零散的实验方案里反向推导。

无论哪条路线,拿到一整套可行模型的分布、而不是单一最优模型,都是解读环节的关键。单独一个模型,你分不清它里面哪些部分是被数据约束住的,很容易对没有证据支撑的部分强行赋予机理含义。正如霍奇金–赫胥黎的例子,“四粒子假说” 成立的前提,是低次幂模型效果明显更差。多模型分布同时也让预测更稳健:假设我们扰动系统,比如阻断细胞膜上全部钠通道,或是只阻断一部分;如果所有拟合合格的模型给出一致预测,我们就对这个结论更有信心;如果模型之间预测分歧,这个分歧本身,就可以作为下一轮实验的灵感来源。

细胞与尺度

包括霍奇金–赫胥黎模型在内,绝大多数经典科学模型都是精简紧凑的:少量变量、少数方程,人类可以手写、推演。这不是巧合 —— 过去建模、调参、解读都靠人,模型必须足够精简,人才能看懂。

但当 AI 接手大部分工作之后,这个规模上限会被打破。我们可以开始对那些复杂到人力无法手写方程的系统建模,哪怕我们已经不能靠直接读方程去理解它。

大脑就是最典型的场景。霍奇金–赫胥黎方程描述单个神经元;果蝇大脑有十万以上神经元,人脑有数百亿。正是神经元之间的相互作用,涌现出行为与思维。对果蝇,当代研究者拥有前人难以想象的条件:完整的脑连接组图谱,记录每一个神经元以及全部突触连接。研究者已经开始搭建大规模脑模型,其中一个模型可以预测果蝇视觉系统全域的神经元活动。这开启了从前难以想象的问题:完整的大脑如何依靠连接结构产生行为?动物的行为有多少可以单单从连接组预测?哪些突触连接才真正起到关键作用?

但到这个尺度,我们已经不可能找到 “唯一正确的模型”;绝大多数场景下,根本不存在这样一个东西。正如统计学家的名言:所有模型都是错的,但一部分是有用的。数据永远兼容大量不同模型。研究的核心问题不再是 “哪个模型是对的”,而是:所有兼容数据的模型,共享哪些性质?哪些预测是这批模型共同给出的?价值最高的实验,就是能一次性排除最多剩余候选模型的实验 —— 哪怕这个方向未必是人类科学家主观最感兴趣的。

从单个神经元扩展到全脑。果蝇脑连接组可视化,依次展示 1、10、255 个神经元,以及全部 124635 个神经元;基于霍华德・休斯医学研究所 Janelia 园区、剑桥大学、MRC 分子生物学实验室、谷歌研究院的果蝇雄性中枢神经连接组数据绘制,CC BY 4.0 协议。

这个思路并非神经科学独有。气候科学家早已这么做:他们运行大量巨型数值仿真,每个仿真采用略有差异的假设,最终的预测结果,是全部仿真构成的分布区间。大型强子对撞机的粒子物理学家也遵循类似逻辑:寻找新粒子时,他们不会简单判定某个理论成立与否,而是画出一张版图,标明哪些理论版本被现有数据排除、哪些依然保留可能性。

霍奇金、赫胥黎当年辛苦完成的工作 —— 搭建模型、肉眼拟合曲线、试错淘汰效果差的幂次、赫胥黎花三周手摇计算器求解,我们当然不想回到那种低效的时代。但这份辛苦并非无用。模型带来的洞察,很大一部分恰恰来自建模过程本身;霍奇金与赫胥黎之所以能读懂模型的含义,正是因为他们亲手搭建了模型,清楚哪些方案失败了。这份理解支撑他们提出门控变量假说,最终促成诺奖级发现。

现在 AI 或许一个下午就能完成同类工作。但想要产出真正的科学理解,AI 需要交付当年两位科学家在漫长试错中得到的全部信息:不只是那个拟合成功的模型,还要说明哪些部分被实验数据锁定、哪些仍然存疑、有哪些备选方案在途中被淘汰、整个过程又引出了哪些新谜题。科学模型可以给出答案,但建模的过程,才是洞察的来源。

注释

注 1:相关文献见《自然》2023 等多篇 ICLR、MRL、ACM 会议论文与 arXiv 预印本。注 2:相关文献见 MRL 会议论文以及两篇 arXiv 预印本。注 3:果蝇连接组相关成果见《自然》多篇论文。

插图

【声明】内容源于网络
0
0
苏哲管理咨询
为企业及组织提供AI+战略、数智化转型咨询及观点、建议等
内容 2531
粉丝 0
苏哲管理咨询 为企业及组织提供AI+战略、数智化转型咨询及观点、建议等
总阅读95.9k
粉丝0
内容2.5k