Google I/O 透露 AI 驅動科學的發展方向與實際應用之間的矛盾

兩年前，一個人工智能工具為 Google DeepMind 贏得了諾貝爾獎。研究人員目前正朝著新的目標邁進。在星期二的 Google I/O 主題演講中，Google DeepMind 首席執行官 Demis Hassabis 宣稱，我們現在正“站在奇點的山腳下”。這是一個引人注目的聲明，奇點是指人工智能迅速超越人類智能並徹底改變世界的理論未來時刻。然而，當我在觀眾中聆聽這番話時，令我印象深刻的是他所説這些話的背景。

他在舞台上結束了關於科學人工智能的環節，其中的重點是一段視頻，詳細介紹了該公司的氣象預測軟件如何提前預警去年在牙買加造成災難性登陸的梅莉莎颶風，並可能拯救了生命。如果這款名為 WeatherNext 的軟件幫助任何人逃過風暴或更好地加固其家園，那無疑是一個巨大的且有意義的成就。但這無法算作是即將來臨的奇點的證據。Hassabis 的高尚言辭與 WeatherNext 的現實成果形成了鮮明對比，突顯了對於科學人工智能兩種截然不同的方式之間的緊張關係。

Google DeepMind 正在推進人工智能科學的未來

第一種方式專注於像 WeatherNext 這樣的人工智能工具，這些工具旨在解決特定的科學問題。第二種則是基於大型語言模型的代理系統，這些系統有一天可能無需人類參與就能執行尖端研究項目。目前這種第二種願景激發了大量的人工智能熱情，包括近期對於遞歸自我改進的興奮，即人工智能系統最終可能成為人工智能進步的主要驅動力——隨著人工智能系統變得更加智能，這一過程將變得越來越快。

而代理系統現在正在進行實際的研究貢獻，有時只需要有限的人類指導。就在本週，Google Cloud 的首席科學家 Pushmeet Kohli 在《Daedalus》期刊的一期特刊上發表了一篇文章，寫道：“我們正朝著不僅僅是促進科學，而是開始進行科學的人工智能邁進。”隨著自主人工智能科學家的出現，開發超專業化工具的巨大努力變得難以辯解，即便是像 AlphaFold 這樣的工具，DeepMind 科學家因此獲得了諾貝爾獎，或是像 WeatherNext 這樣可能挽救生命的系統。

這也預示著一個更奇特的科學未來，人類和人工智能系統作為同伴進行合作，甚至人工智能能夠獨立取得科學進展。需要明確的是，Google 似乎並沒有放棄對於專業科學工具的開發。AlphaGenome 和 AlphaEarth 基金會分別針對基因學和地球科學應用進行訓練，於去年夏季發布，而最新版本的 WeatherNext 於十一月推出。此外，這些工具在科學家中依然極受歡迎。

例如，去年 Google 報告稱，全球超過三百萬名研究人員使用了 AlphaFold 的蛋白質結構預測。而 Google 的子公司 Isomorphic Labs 旨在利用 AlphaFold 和相關技術開發新藥，剛剛完成了 20 億美元的 B 輪融資。

但是，關於熱情和資源的實質徵兆顯示出重新調整的跡象。上個月，《洛杉磯時報》報導，因 AlphaFold 而獲得諾貝爾獎的 Google 研究員 John Jumper，目前正在進行人工智能編碼的工作，而不是專注於科學特定的人工智能工具。Google 將其最佳人才分派到編碼問題上並不令人驚訝，因為該公司最近在其編碼工具上受到了聲譽打擊，因為其編碼工具目前無法與 Anthropic 和 OpenAI 提供的工具抗衡。

但這也可能預示著 Google 正在優先考慮代理科學，因為編碼能力對於這些系統的成功至關重要。

在整個行業中，代理研究系統顯示出了實際潛力。本週，OpenAI 宣佈其模型推翻了一個重要的數學猜想——根據一些數學家的説法，這或許是生成式人工智能迄今對數學所作的最重要貢獻。值得注意的是，OpenAI 使用的模型並不是專門為解決數學問題或進行研究而設計的；根據該公司的説法，它是一個通用推理模型，類似於 GPT-5.5。如果通用代理能夠對數學研究作出獨立貢獻，那麼它們可能很快也能在科學領域做到同樣的事情（儘管科學中的觀念必須經過實驗驗證，這使得這一領域對人工智能來説更加艱難）。

Google 無疑正將大量注意力放在代理驅動的科學未來上。在 I/O 的重大科學公告中，新推出的 Gemini for Science 套件將該公司的多個基於大型語言模型的科學系統統一為一個品牌。其中包括生成假設的人工智能 Co-Scientist 和優化算法的 AlphaEvolve，這些系統仍然未對外公開，但 Google 現在允許任何研究人員申請訪問 Gemini for Science，因此它們可能很快會在科學界得到更廣泛的應用。

參與早期測試的科學家對其潛力表示熱情：斯坦福基因學家 Gary Peltz 在《Nature Medicine》一篇文章中將使用 AI Co-Scientist 比作“諮詢德爾菲神諭”。Gemini for Science 與專業工具並不相互排斥；相反，代理系統可以設計為在有用時調用這些工具。沒有任何代理系統能在沒有 AlphaFold 幫助的情況下預測蛋白質將摺疊成何種結構（至少目前尚無法）。

但該公司似乎正在改變其公共形象——以及至少一些資源和人員，例如 Jumper——不再專門發展這類工具。

儘管自 AlphaFold 解決蛋白質摺疊問題以來僅僅五年，但無論是技術還是話語權都迅速超越了那一曾經革命性的成就。Google 小心翼翼地將這組新的科學代理定位為人類科學家的加速器，而不是其替代品——例如，選擇 AI Co-Scientist 而非 AI Scientist 的名稱似乎是十分用心的。Hassabis 在談論科學人工智能的變化時，使用了同樣以人類為中心的框架。

“在接下來的十年左右，我們應該將人工智能視為這個驚人的工具來幫助科學家，”Hassabis 在《Daedalus》期刊的一次訪談中表示。“在那個時間範圍之外，很難確定，但也許這些系統將變得更像是合作夥伴。”然而，沒有任何人能成為有效的科學合作者，而不具備作為一名科學家的專業技能。如果 Hassabis 在談論“奇點的山腳”時是正確的，那麼人工智能科學家最終可能會超越人類同行的能力。

在 I/O 與記者 Mike Allen 的討論中，Hassabis 提到他最初受到啟發追求人工智能，因為他觀察到自 1970 年代以來物理學的進展已經停滯；他想知道人類的思維是否已經在該領域達到了極限，人工智能是否能幫助克服這一障礙。超人類代理科學家無疑符合這一要求。我們可能永遠無法接近那個境界，但 Google 似乎正朝著那個高峯而努力。