Google I/O揭示AI驱动科学路径转变

在周二（5月20日）的Google I/O主题演讲中，DeepMind CEO Demis Hassabis 宣称，我们正“站在奇点时代的山脚下”。这一论断极具冲击力——奇点，指的是人工智能超越人类智能并彻底改变世界的理论时刻。然而，当我在台下聆听时，真正触动我的，是他说出这句话的语境。 Hassabis 登台是为了用一个关于“科学AI”的环节来收尾。该环节的核心是一段视频，详细展示了谷歌的天气预报软件如何提前预警去年飓风“梅丽莎”在牙买加造成的灾难性登陆，并可能因此挽救了生命。如果这款名为 WeatherNext 的软件真的帮助人们逃离风暴或加固了房屋，那无疑是一项巨大而有意义的成就。但这很难被视为奇点即将到来的证据。Hassabis 的高调宣言与 WeatherNext 的实际成果并置，凸显了两种截然不同的“AI for Science”路径之间的张力。 两种路径：专用工具 vs. 自主智能体 第一种路径，专注于像 WeatherNext 这样的AI工具。它们被设计和训练出来，专门解决特定的科学问题。第二种路径，则是基于大语言模型（LLM）的智能体系统，其愿景是未来能自主执行前沿研究项目，无需人类介入。正是这第二种愿景，驱动了当前大量关于AI的狂热，包括近期对“递归自我改进”的兴奋——即AI系统最终可能成为自身进步的主要驱动力，随着AI越来越聪明，这个过程会越来越快。 事实上，智能体系统已经开始做出真正的研究贡献，有时仅需有限的人类指导。就在本周，谷歌云首席科学家 Pushmeet Kohli 在《Daedalus》期刊的AI与科学特刊上发表文章，写道：“我们正走向一个不仅辅助科学、而且开始‘做’科学的AI。”随着自主AI科学家呼之欲出，投入巨大精力去开发高度专业化的工具——即使是像AlphaFold（DeepMind科学家因此获得诺贝尔奖）或WeatherNext这样的救命系统——似乎越来越难以自圆其说。这也预示着科学领域一个更为奇特的未来：人类与AI系统作为同行者协作，甚至AI独自取得科学进步。 资源与人才正在重新配置 需要明确的是，谷歌似乎并未完全放弃专用科学AI工具的开发。去年夏天，他们发布了分别针对遗传学和地球科学应用的AlphaGenome与AlphaEarth Foundations；去年11月，WeatherNext的最新版本也已推出。更重要的是，这类工具在科学家中依然极受欢迎。例如，谷歌去年报告称，全球已有超过300万研究人员使用AlphaFold的蛋白质结构预测。谷歌旗下旨在利用AlphaFold及相关技术开发新药的子公司Isomorphic Labs，刚刚完成了20亿美元（约144亿元人民币）的B轮融资。 然而，在热情和资源分配上，确实出现了具体的调整迹象。上个月，《洛杉矶时报》报道称，因AlphaFold获得诺贝尔奖的谷歌研究员John Jumper，现在正转而研究AI编码，而非科学专用AI工具。这并不令人意外——谷歌的编码工具目前在与Anthropic和OpenAI的竞争中处于下风，公司声誉因此受损。但这也可能意味着，谷歌正将自主科学智能体视为优先方向，因为编码能力正是这类系统成功的关键。 行业风向：自主研究者系统崭露头角 放眼整个行业，自主研究者系统正展现出真正的潜力。本周，OpenAI宣布其一个模型推翻了一个重要的数学猜想——据一些数学家称，这可能是生成式AI迄今为止对数学做出的最有意义的贡献。值得注意的是，