AI赋能科学：黄金时代曙光初现

近期，Anthropic的Claude 3.7和xAI的Grok 3等大型语言模型（LLM）的发布，在某些基准测试中展现出媲美博士水平的能力。这预示着前谷歌CEO埃里克·施密特所设想的未来——人人拥有“超级通才”AI——正逐步成为现实。这种AI能够汲取海量知识，跨学科解决复杂问题。

沃顿商学院教授伊桑·莫利克在其博客中指出，这些最新模型的训练计算能力远超两年前发布的GPT-4，Grok 3的训练计算量甚至高达GPT-4的十倍。他将Grok 3称为首个“第三代”AI模型，并强调“新一代AI更智能，能力提升令人瞩目”。

例如，Claude 3.7展现出一些涌现能力，例如预测用户需求和从新颖角度解决问题。Anthropic称其为首个混合推理模型，结合了传统LLM的快速响应和先进推理能力，从而解决复杂难题。

莫利克将这些进步归因于两大趋势的融合：LLM训练计算能力的快速提升，以及AI在复杂问题解决（通常被称为推理或思考）方面的能力增强。他总结道，这两大趋势正在“超级增强AI的能力”。

值得关注的是，OpenAI在二月初发布了其“深度研究”AI代理。Casey Newton在其Platformer评论中称其“能力令人印象深刻”。Newton指出，深度研究等工具能够显著加速研究、分析和其他知识工作，尽管其在复杂领域的可靠性仍有待考量。

基于尚未发布的o3推理模型的变体，“深度研究”能够进行长时间的扩展推理。它采用链式思维（COT）推理，将复杂任务分解成多个逻辑步骤，如同人类研究人员逐步细化研究方法一样。它还能搜索网络，获取比模型训练数据更新的信息。

Timothy Lee在《理解AI》中提到，专家对“深度研究”进行的几项测试表明，“其性能展现了底层o3模型的强大能力”。其中一项测试是要求其说明如何建造氢电解厂。“深度研究”在四分钟内生成了4000字的报告，一位机械工程师评价道：“一位经验丰富的专业人士至少需要一周才能完成如此高质量的报告”。

谷歌DeepMind最近也发布了“AI科学家”，这是一个基于Gemini 2.0 LLM的多智能体AI系统，旨在帮助科学家创建新的假设和研究计划。伦敦帝国理工学院已经证明了该工具的价值。José R. Penadés教授表示，他的团队花费数年时间研究某些超级细菌对抗生素的耐药性机制，“AI在短短48小时内就复制了我们的研究成果”。虽然AI极大地加速了假设生成，但人类科学家仍然需要验证结果。尽管如此，Penadés教授认为这项新应用“有潜力彻底改变科学研究”。

去年十月，Anthropic首席执行官达里奥·阿莫迪在其博客“爱的机器”中预测，“强大的AI”（他所指的即大多数人所说的通用人工智能，AGI）将使“未来50到100年的生物学研究进展在5到10年内实现”。几个月前，将长达一个世纪的科学进步压缩到十年内似乎过于乐观。但随着Anthropic Claude 3.7、OpenAI深度研究和谷歌AI科学家的最新进展，阿莫迪所说的短期“彻底变革”正变得越来越可信。

然而，尽管AI可能加速科学发现，但至少在生物学领域，仍然受到现实世界限制的约束——实验验证、监管审批和临床试验。问题不再是AI是否会改变科学（因为它肯定会改变），而是其全面影响将在多快的时间内实现。

OpenAI首席执行官萨姆·阿尔特曼在2月9日的一篇博客文章中声称，“开始指向AGI的系统正在出现”。他将AGI描述为“一个能够在许多领域以人类水平解决越来越复杂问题的系统”。

阿尔特曼认为，实现这一里程碑可能开启一个近乎乌托邦的未来，届时“摆在我们面前的经济增长将令人惊叹，我们可以想象一个治愈所有疾病、有更多时间陪伴家人、并充分发挥创造潜力的世界”。

AI的这些进步意义重大，预示着短期内未来将发生巨大变化。然而，AI的迅速崛起并非一帆风顺。以Humane AI Pin的失败为例，这款设备曾被吹捧为智能手机的替代品，但在TED演讲后仅仅一年，公司就倒闭了，其残余部分以远低于其曾经高估值的价位被出售。

现实世界的AI应用往往面临诸多障碍，原因多种多样，从缺乏相关专业知识到基础设施限制。Sensei Ag就是一个例子，这家由全球最富有的投资者之一支持的初创公司，旨在将AI应用于农业，培育改良作物品种并使用机器人进行收割，但却遇到了重大障碍。据《华尔街日报》报道，该公司面临着从技术挑战到意想不到的后勤困难等诸多挫折，突显了AI潜力与其实际应用之间的差距。

展望未来，科学正站在一个新的黄金时代发现的边缘，AI正成为研究中日益强大的伙伴。深度学习算法与人类的好奇心相结合，能够以前所未有的速度解开复杂的难题，AI系统能够筛选海量数据，发现人类无法察觉的模式，并提出跨学科的假设。

科学家们已经开始利用AI压缩研究时间线——预测蛋白质结构、扫描文献，将多年的工作缩短至几个月甚至几天——从而在气候科学、医学等领域创造机遇。

然而，随着变革潜力的日益清晰，破坏和不稳定的风险也日益显现。阿尔特曼本人在其博客中也承认，“资本和劳动力之间的力量平衡很容易被打破”，这是一个微妙但重要的警告，表明AI的经济影响可能具有破坏性。

这种担忧已经在香港显现，该市最近裁减了1万个公务员职位，同时又增加了对AI的投资。如果这种趋势持续下去并扩大规模，我们可能会看到大范围的劳动力动荡，加剧社会动荡，并对全球机构和政府施加巨大压力。

AI在科学发现、推理和决策方面的能力日益增强，标志着一次深刻的转变，它既带来了非凡的希望，也带来了巨大的挑战。虽然前进的道路可能充满经济冲击和体制压力，但历史表明，社会能够适应技术革命，尽管并非总是轻松或没有后果的。

为了成功驾驭这场变革，社会必须投资于治理、教育和劳动力适应，以确保AI的益处得到公平分配。即使AI监管面临政治阻力，科学家、政策制定者和商业领袖也必须合作建立伦理框架，执行透明度标准，并制定政策以减轻风险，同时放大AI的变革性影响。如果我们能够以远见卓识和责任感应对这一挑战，人类和AI就能共同应对世界面临的最大挑战，开启一个充满曾经看似不可能的突破性进展的新时代。