对话前DeepMind曹原：AI for Science爆发，一个新时代到来了

本文来自微信公众号： 硅谷101 ，作者：硅谷101

8月第一周，谷歌灵魂人物Jeff Dean宣布离职，带着其它几位高管出走成立Discovery Loop公司，致力于加速生命科学及其他行业的研究进程。

在硅谷，这标志着，AI for Science这个赛道，开始爆发。

就在众多数学家、物理学家、生物学家加入OpenAI和Anthropic等顶尖AI实验室之际，AI正在改变人类研发科学的范式。OpenAI宣布模型Astra推导出了10道人类长期悬而未决的数学难题，Anthropic未发布科研版Claude将黎曼猜想的相关零点下界从41.6%推进至67.2%，同时，AI在生物制药、材料、物理等领域都在迅速将科学前沿快速推进。

而AI自进化，形成研发闭环，是科研加速的核心。但这中间，人的角色，稍显尴尬。

这篇文章，我们和谷歌DeepMind前资深研究科学家曹原，一起聊聊AI for Science。我们从AI科学自进化的方法论，聊到AI数学和AI物理的应用，最后甚至还聊到了一些哲学问题和人类的意义。以下，就是我们和曹原的对话。

本文为视频改写，欢迎大家收看以下视频

陈茜：曹原，非常欢迎你来做客硅谷101，跟我们的观众介绍一下你自己吧。

曹原：大家好，我叫曹原，之前是Google DeepMind的科学家。我也是AI初创公司Unreasonable Labs的联合创始人。我们的公司主要研究AI for Knowledge Creation（知识创造）、AI for Science，以及R&D（研究与试验发展）。

陈茜：我们今天录制的时间很巧，就在昨天（2026年8月6日），谷歌的Jeff Dean宣布将带领一批科技高管创办一家新公司Discovery Loop，他们也希望做AI for Science（AI4S）相关的事情。我看到很多评论都很唏嘘，说这是一个时代的结束，也是另一个时代的开始。我的理解是，结束的是谷歌的一个时代，开启的可能是一个新的AI4S科学研究时代，可以这样理解吗？

曹原：我认为这件事可以从几个方面解读。

第一，谷歌和DeepMind内部一直有很多优秀人才和团队。过去每个团队都有各自关注的课题，相互之间干涉不多。但从三四年前Gemini项目启动之后，因为它是公司最重要的项目之一，需要集中力量办大事。从那时候起，这对组织、人事和项目管理都带来了很大挑战，内部出现一些冲突也很难避免。

第二，过去半年左右Gemini的表现相对不尽如人意。比如今年年初，Gemini 3.1 Pro在排行榜上还算是比较好的语言模型，但过去三四个月，无论Anthropic、OpenAI，还是中国的一些开源公司，模型能力都在快速提升。相比之下，Gemini 3.5 Flash和最新的3.6 Flash表现相对平平，大家期待的3.x Pro目前也还没有正式发布。总体来看，Gemini的进度相对落后。在这种情况下，谷歌如果要在商业模式上追赶Anthropic以coding agent（编程智能体）为核心的新能力，把商业模式转向这个方向，也会面临很大困难。

第三，Jeff Dean,Oriol,Sanjay和Quoc创办Discovery Loop这件事，本质上是让AI自主进行知识开发、知识发现和自动科研，这与我们的创业公司想做的方向非常一致。在逻辑上，这也是AI能力发展的自然延伸。过去两三年，行业最关注的能力主要集中在数学和编程，比如自动写代码、解决奥林匹克数学问题等等。等这些能力逐渐成熟之后，下一个可能让AI智能进一步爆发、产生巨大效益，并帮助人类解决更大问题的方向，很自然就是把数学和代码能力推广到更广泛的科学知识发现上。所以从今年开始，围绕Knowledge Discovery（知识发现）、AI4S和Recursive Self-Improvement（递归式自我改进）的初创公司明显增多。像Jeff,Oriol,Sanjay和Quoc这样的明星团队出来做一个创业公司，他们一定会想要在这个领域树立新的标杆，成为一种新的NeoLab（新型AI实验室）。

但如果因此就说“一个新时代开启了，谷歌可能转向了”，我认为有些言过其实。因为哪怕领导层出现了变动，谷歌仍然拥有做好语言模型、做好AI所需的完整全栈能力，从底层芯片、基础设施、数据中心、工具链，到模型、人才、数据，再到上层产品和覆盖非常广泛消费者产品的分发渠道，谷歌全部都有，完全不依赖外部生态。问题不是谷歌做不好，而是优先级和资源投入需要调整，我相信谷歌以后仍然会把这些能力补上来。

陈茜：我还是很好奇，你刚才提到，谷歌内部本来就有AI4S研究团队，这也是前CEO Demis Hassabis一直非常看重的方向，甚至还独立主导了Isomorphic Labs这家公司。为什么谷歌留不住包括你和Jeff在内的这批科学家，让他们继续在谷歌内部做AI4S呢？

曹原：首先，硅谷几家前沿科技公司之间的人员流动一直都很频繁，不只是谷歌。对我个人来说，我之所以决定出来做这件事，是因为之前一直在做Gemini的模型迭代和后训练，但我一直在思考一些更深层的问题，比如怎样让模型真正变得更智能。如果要实现AGI，目前的模型虽然已经能很好地做数学和写代码，但仍然缺少一些关键能力。比如要真正解决科学问题，它需要提出新假设、验证新假设，并不断自我更新，但现在这些能力离“帮助人类实现科学知识指数增长”还很远。为什么会缺失这些能力？怎样进一步改进模型，使得它能帮人类做更好的事？这是我非常感兴趣的问题，也是我决定选择出来创业的动机之一。

陈茜：那Jeff Dean为什么要带人离开？能不能猜测一下？

曹原：Jeff Dean在谷歌乃至整个业界都是传奇式人物。从整个谷歌早期一直到现在，大量英特网级别的基础设施都是从他的一些工作开始的，从MapReduce、Spanner、BigTable，到后来创立Google Brain，再到最早的深度学习框架之一TensorFlow、Google TPU（谷歌张量处理器），再到最后的Gemini。跟他一起出来的Oriol和Quoc都是早期Google Brain团队成员，他们已经共事了很长的时间。

Sanjay也是谷歌元老，几乎与Jeff Dean同期加入，也是长期合作的伙伴。所以，他们相互之间都非常了解。我以前在办公室里经常看到Jeff Dean和Sanjay做pair coding（结对编程），两个人一起写代码，他们每周是有一天是必须写代码的，Jeff一直也是非常亲力亲为。所以如果他们决定一起出来做自己的事情，这是一个很顺理成章的组合，他们彼此了解，也都有很强的技术背景。

陈茜：目前不仅Jeff Dean离开了，更早之前，AlphaFold联合创始人、诺贝尔奖得主John Jumper也加入了Anthropic。过去我一直认为谷歌是最重视AI4S路线的公司之一，Demis Hassabis也长期主导这条路线。所以最近接二连三有核心人物离开，还是让我很惊讶的，为什么谷歌留不住这批科学家呢？

曹原：因为谷歌现在内部的最高优先级，肯定是把Gemini做到SOTA（业界最佳水平），至少与Anthropic和OpenAI齐平或者更好。所以短期内很多工作的优先级都必须向Gemini转移，包括Jumper以及原来一些做AI4S的人，他们的工作重心也会随之变化。一个团队这么大，又有一个极高优先级的项目，不可能让每个人都完全满意。所以怎样让这么多人才，每个人的能力和诉求都得到充分体现和合理安排，本身就是非常有挑战的问题。我认为谷歌已经在这方面做了很多优化和调整，能够让他们每个人能够发挥自己的最大的潜力，管理团队、科学家和工程师也都在不断迭代这个过程。在管理上的挑战仍然很多，但我认为状况是在变好的。

陈茜：你怎么判断它在变好？

曹原：现在做大模型，不能再沿用过去大公司的管理方式，因为它需要非常快的迭代和持续更新。谷歌要做的是“革自己的命”，把Gemini团队尽可能做得像一家初创公司，尽快把能力先补上去。这意味着管理团队必须在人事安排、每个人承担的工作以及整个项目的安排上做出调整，需要有自我革新的勇气。我相信谷歌已经意识到这一点，也会继续做这件事。

陈茜：所以是不是接下来如果有新的血液加入，也可能带来新的变化。比如Meta在Alex Wang加入之后，最近已经出现了一些改善迹象，包括Muse Spark以及最新的编程模型，外界反馈都不错。

曹原：对，肯定会有变化。做一个模型有几个关键要素，包括人才、数据、算力，以及大家容易忽略的项目管理。整个软的设置，每一项都需要一些改进，并且持续迭代更新。对Meta来说，MSL（Meta Superintelligence Labs，Meta超级智能实验室）在不到一年的时间里做到现在这个水平，已经很不容易。但是接下来，怎么从这个水平进一步做到SOTA（业界最佳水平）会越来越难。从0分做到80分，可以在一定时间里快速追赶，但从80分做到100分，甚至超过100分，挑战会大得多。谷歌原本就在较高水平上，但接下来怎么能进一步往上，做到最好的位置？这会需要花很多功夫，需协调很多资源，也需要大家都能非常有效地安排各项工作，来快速迭代模型才能做到。

陈茜：那AI for Discovery（AI发现）和AI4S，仍然会是谷歌重点押注的方向吗？

曹原：会是的。前两天Sundar发的邮件里也提到，Demis虽然从DeepMind CEO的位置退下来，但仍然主管AGI和科学相关部门。谷歌在所有AI科技公司里，可以说是布局科学最早、最广也最深的公司之一，整个生态体系也做得最好。怎样用AI自动驱动科学和技术发展，是太重要的课题，不只是对一家公司重要，对社会乃至国家都非常重要。人类社会的发展最终还是由科学和技术推动，现在已经有了这么强大的AI工具，就一定要继续把这项能力往上推。所以谷歌不会放弃AI4S，只是短期内会有优先级调整。而且我相信，虽然Demis现在做转为做Chairman（董事长），但是他一定会在AI4S上还继续做很多努力。

陈茜：可不可以理解为，Demis现在退后一步，是因为他不太想管商业化和产品，而希望把更多精力专注在AI4S上？

曹原：我认为这是原因之一。Demis一直更看重长远的发展，特别在技术方面。他个人的气质也更像科学家，而不是负责产品和商业的CEO。DeepMind和Google Brain当时合并，很大程度上就是为了更快推进Gemini、能够赶超GPT。但在合并之前，DeepMind在伦敦，当时是长期投入了大量精力在Alpha系列等科学研究上。后来很多商业产品的落地和产生的效益，其实也是建立在这些先驱性研究成果之上。

比如现在AI for RSI（递归自我改进），以及AlphaEvolve可以推动算法自动更新，AlphaFold更不用说，已经获得诺贝尔奖，并进一步商业化为Isomorphic Labs。现在，Demis更像是做一个咨询类的顾问。长远来看，我认为谷歌既有能力，也有责任继续推动长期科技和研究发展，而Demis非常适合这个角色。

陈茜：同时我们看到OpenAI和Anthropic也都在把AI for Discovery和RSI纳入重点布局。在具体聊这三家公司之前，我们先把几个概念梳理一下：AI4S、AI for AI（AI4AI），以及RSI（Recursive Self-Improvement，递归式自我改进），这三个概念分别是什么意思？

曹原：其实很简单。AI4S和AI4AI，都是把AI模型当成研究员本身，让它去研究科学问题，或者研究AI自身的问题。以AI4AI为例，如果模型已经很聪明，怎样利用它的聪明才智进一步改善模型本身的问题？比如给它一个任务：在限定的预算下，用最少的资源、GPU，怎么把模型训练到最好。人当然可以做，但如果让AI自己做，它可以更快尝试大量新想法和实验。比如它看了当前模型的代码库，发现某个参数可能需要调高，于是提出一个方案，生成一个建议，可以试一下先把这个参数调高。

AI agent的能力现在已经很强了，它也可以自动写代码来实现自己的提议，在沙盒里运行实验，再观测模型的训练结果，读取数据之后再做反馈、提出下一步。如果发现把某个参数调高之后，模型效果变好了，它就沿着这个方向继续尝试。根据不同的反馈，进一步生成下一步的建议。这样一轮轮迭代，模型性能不断提升，这就是一个自我不断回归的过程，也是一个典型的AI4AI应用。

现在也有一些AI4AI公司在探索能否找到不同于Transformer的新架构，这可能需要很多的搜索或者新的想法。也有公司在探索，AI4AI能否找到不依赖Backpropagation（反向传播）的新优化算法。这类研究问题用AI去做都是更高效的，因为需要搜索大量可能性，而AI可以更高效地完成整个闭环。AI4S只是把研究对象换成科学问题，方法本质上类似。

RSI不是一个任务，而是一种方法：通过Recursive Self-Improvement（递归式自我改进），让系统通过不断自我迭代的方式更新任务、方案，从而自己把任务越做越好。

陈茜：也就是说，AI4S和AI4AI类似，只是目标不同，而RSI是一种方法，可以同时用于AI4AI和AI4S。那为什么偏偏在2026年8月这个时间点，AI4S开始爆发？它当然不是一夜之间就爆发的，前面已经有AlphaFold、RoseTTAFold等一系列模型的进展。此时此刻，有哪些技术的成熟，才让AI4S在这个时间点爆发了？

曹原：过去两年AI的发展，主要是在代码和推理能力上，最能体现这两个能力的就是编程和数学问题。等AI能够比较可靠地写代码，同时智能体的Harness（挽具/驾驭系统）也成熟之后，就可以开始让AI去做更复杂的科学问题。比如做一个生物实验，第一步，模型要提出假设，决定下一步做什么实验，这需要推理能力；第二步，实验得到数据之后，模型要自己写代码分析数据，看结果是否符合预期，这需要很强的代码能力；第三步，如果数据异常，它还要分析原因，判断前一个方案哪里有问题，不断地自我迭代。

所以真正需要的是一整套能力：推理、数据分析、数学、代码，以及整个agent loop（智能体循环）和长期记忆管理。每次实验之后，系统都要把之前观测的结果放到记忆管理的容器中。等这些能力都到位，才能更好地处理科学问题，因为科学问题的范围更广、复杂度也更高，比单纯的编程和数学更具挑战。

陈茜：所以现在可以说是“天时地利人和”，到了我们在AI4S能力上去发展的阶段。AI4S下面还有很多细分方向，目前讨论最多的、最聚焦的还是材料、生物制药，以及AI for Semiconductor（AI半导体），也就是用AI设计芯片这几类，为什么这些领域最先受到关注？

曹原：一个科学领域对AI4S有没有吸引力，主要由几个因素决定：市场的潜力与规模、是否适合用AI做、研发的迫切性，以及AI目前能不能做得好。传统上，生物学、生物科技、生命科学和药物发现一直都有非常大的市场。而且潜力很大。第二，这些领域的流程相对标准化、结构化，数据也比较丰富，流程也更容易交给AI处理。第三，新药开发周期很长、成本很高。前期要测试大量的kit，筛选出lead（先导化合物），挑选出一些比较可靠的分子结构后，还要进入临床试验和复杂监管流程，整个周期可能持续很多年，花费数亿美元。如果AI能够自动化其中一些环节、降低成本，对制药公司就非常有吸引力。所以从创投角度看，生物和药物开发是AI4S被吸引的科学话题。

材料同样是大市场，在生活当中方方面面都会碰到，但和药物比，它的问题是市场非常细，很难捕捉到价值的应用场景。比如说金属材料、皮革材料、生物材料、半导体材料、稀土材料，各自的开发流程和应用都不同。所以虽然市场很大，但很难用同一个相对标准的方法去处理。即使AI发现了一个新的材料结构、分子，也只是第一步，之后还要考虑谁来制造、用在哪里、最后如何包装等等。它的价值链很碎，很难用AI一下子捕捉到所有的价值。所以材料虽然市场大，但相比药物开发和生物相对会更小。其他的芯片设计、电池设计、量子计算等新兴的方向也都在探索中，现在还很难判断AI最终能在多大程度上发挥作用。

陈茜：AI4S本质上解决的是什么？是加速现有科学研究，还是发现新的问题？换句话说，它更偏向提效，还是发现？

曹原：这取决于AI在其中扮演什么角色。第一种是Co-Scientist（协同科学家），它主要帮助科学家加速研究流程，但不一定主动提出新的方法。比如像Claude Science，是一个更偏向科学家的workbench（工作台），类似编程里的IDE（集成开发环境）。科学家可以在上面调用各种工具、分析数据、与模型对话、获得建议、运行实验或模拟。AI模型不一定自己提出新知识，但可以明显加速实验设计、数据分析和整个研发流程。

第二种角色，是AI自己提出新的发现。比如DeepMind的AlphaEvolve可以自主发现新算法，AlphaFold也能帮助产生新的蛋白质结构相关知识。所以AI在AI4S中的角色，取决于具体领域，也取决于它是一个垂类模型，还是放在agent loop（智能体循环）里的通用模型。

陈茜：那我们把AI4S的具体步骤拆开来看。科学家做研究的流程通常包括问题定义、表征、建立预测、验证和实验等环节。先从问题定义开始，你觉得AI在这里扮演什么角色？

曹原：我认为问题定义必须由人来完成。AI目前还做不到有自己的品位，去找出合适的问题，自己去做研发。人类科学家仍然不可替代，需要先明确要解决什么问题、哪些动机是重要的。AI可以在给定初始的问题、提示之后，在此之上做一些比如搜索文献、分析已有信息、帮助把一个初始问题结构化得更清楚，但主要还是辅助角色。

陈茜：那什么样的问题比较适合交给AI研究？这个筛选本身现在也要由人来做，对吗？

曹原：任何可计算的、容易被验证的问题，是最适合AI去完成的，从本质上看，就是这个问题多大程度上能够被很精确地建模。AlphaFold就是很典型的例子：给定氨基酸序列，预测三级结构，问题定义非常明确且结构化的，也可以通过计算来处理。另一个关键指标是容易被验证，这可能是AI4S中最难的一环。AI编程或者AI数学的优势在于，代码写完可以马上运行，数学证明也可以很快检查。但很多科学问题没有这么快的反馈，比如开发一个新药，不到最后上市，你很难真正知道效果如何。所以这类问题不一定马上能用AI4S完全解决，可是其中一些中间步骤，如果可以通过模拟工具计算药物的特性、稳定性、副作用等特征，就比较适合交给AI。所以AI4S能迭代多快，很大程度上取决于结果能多快被验证，可验证性是非常重要的指标。

陈茜：能不能举一些目前还不适合、或者暂时没有办法用AI解决的科学问题？

曹原：这样的例子其实很多，可以反过来看，哪些问题适合用AI来解决。就像刚才说，AlphaFold是适合的，还有比如OpenAI曾把GPT-5和Ginkgo Bioworks的机器人自动化实验室结合，让GPT-5提出生成蛋白质相关配方，机器人执行实验，再把结果反馈给模型，形成自动闭环。这类问题很适合AI，能够降低成本。但科学和编程、数学不一样的地方是，需要大量的物理验证，所以除了材料、生物或者其他可以有验证的机制的问题之外，大部分科学问题还是无法得到很快的验证，所以目前不适合用AI做。

陈茜：所谓“验证不了”，主要是因为还需要人来做验证，受制于人去验证的时间吗？

曹原：不只是人，还包括实验本身的复杂度和成本。比如AI生成一个新的核聚变装置设计，要真正做实验，成本和代价可能非常高。能够完全在数字环境里用in silico（计算机模拟）完成的问题，相对容易，但最终很多科学问题还是必须回到物理世界、要去验证。不是说这些问题不能做，而是在目前成本和收益不明确的情况下，大家缺少足够动力。但这一步最终是逃不掉的，AI如果真正走向科学，就必须突破纯信息世界，进入物质世界。宇宙最基本的几个要素就是：信息、物质和能量。数学和编程主要在信息层面，AI4S即使能提出方案、做模拟，也仍然停留在信息层面，但真正的科学必须要进入物质层，必须要进入湿实验。所以这一步需要很大投入，也是现在很多人在探索的方向。

陈茜：目前湿实验还没有办法被赋能，提效最显著的还是前面的simulation（模拟）环节，对吗？

曹原：模拟确实是目前迭代最快的环节，但也有很多工作在让湿实验提效。一个方向就是像Ginkgo Bioworks的AutoLab（自动化实验室）或Cloud Lab（云实验室），只要GPT给一个指令，就能让机器人自动地完成实验，比如滴试管等等。如果某个实验步骤足够标准化，就可以交给机器人执行。有些云端实验室甚至可以通过API，远程调用机器人自动化完成实验。

陈茜：如果要让AI解决科学问题，“表征”也非常重要。比如AlphaFold里，蛋白质常见的表征包括氨基酸序列、三维结构和图结构，它们让蛋白质变成机器可以理解的议题。有没有一些科学问题很难、甚至无法被表征？

曹原：这里先要区分两类模型。第一类是通用模型，比如GPT或Gemini，它们可以作为整个AI4S流程的Orchestrator（总调度器），就像实验室主管的角色来驱动整个科研的流程，负责理解问题、分析数据、调用工具和推进工作流。通用模型可以接受自然语言、代码、JSON（等多种输入，通过预训练和后训练理解不同模态。

第二类是垂直领域模型，比如AlphaFold、做材料的GNoME、或者做天气预报的MatterGen。它们是某个领域的专家，只接受与这个领域相关的输入，比如氨基酸序列、DNA和Metadata（元数据），无法承担这个领域之外的通用推理。

所以一个模型能够表征什么、能够接受什么样的数据，取决于它在整个平台里的位置。通用模型可以像实验室主管一样统筹任务，垂直模型则像专业工具或领域专家。至于“哪些东西根本无法表征”，这是更大的问题，是AI本身的能力。只要数据能够被数学化、格式化，变成字符串、某种模态的表示、具有结构的输入，或者Embedding（嵌入向量），原则上就可以被表征。真正难的是那些本身无法测量的东西，比如大脑的状态之类的。无法被测量，就无法被表征。这是AI本身面对的问题，并不只属于AI4S。

陈茜：表征之后，模型会进入预测和逆向设计环节。比如给定一个疾病靶点，让AI生成可能与它结合的分子，这个环节具体是怎么运作的？

曹原：像“给定靶点生成分子”的例子，属于药物开发这个垂直领域模型的能力。如果是负责统筹实验室的通用模型，就像是Orchestrator（总调度器），把之前任何的实验记录、分析数据以及你的各种要求为智能体输入，模型据此生成下一步实验设置或研究方案。

陈茜：到了实验环节，AI会自己决定下一步做什么实验吗？

曹原：会，这本质上是一个搜索过程。AI模型的每一步都会采样出不同的方案，需要有机制决定下一步的实验去做哪个方案。可以把整个搜索过程想象成一棵树，每个节点代表一个已经探索过的方案。系统要给每个节点打分，再决定从哪个节点继续往下搜索。比如配方一之前实验效果不错，它的分就会比较高。但系统也不能只根据这一部分的观察，就把这条路径推到底，所以要有探索的过程，也要分一部分的概率给配方二。每一个节点的重要性以及分数，结合当前的价值及没被探索过的概率，几个不同分数的组合，有一个综合分数，再决定下一步最值得开发的方案。

陈茜：这里其实就涉及Exploitation和Exploration的平衡：前者选择当前看起来最好的候选，后者选择不确定、但可能带来新发现的候选。人来做这个判断已经很难，机器怎么做？它的评价体系是什么？

曹原：人做选择时会有“直觉”，会判断哪个方案更有可行。把这种直觉翻译成算法，可以用Value Function（价值函数）来估计一个节点未来带来的回报的期望。这其实和后训练里的强化学习算法是一直的，都要平衡Exploitation和Exploration的两者关系。既不能一直推当前最好的算法，因为它可能只是局部最优，但也不能忽略，因为它有可能的确是最好的。

但在搜索的时候，只看价值还不够，还要考虑这条路径此前已经被探索过多少次。如果一个高分节点已经被走了很多遍，就应该给其他路径更多机会。所以最后的分数永远是一个直觉分，综合之前的路径表现和潜在可能，给出一个比较靠谱的分数。

陈茜：这也引出了AI4S下一阶段非常重要的一个判断标准：能不能形成“模型到实验”的loop（闭环）。如果机器人也能被引入实验环节，整个过程就可能不再需要人持续介入，相当于是：AI提出假设，机器人做实验验证，再从实验结果里生成下一轮更好的方案，如此递归迭代，形成了不需要人的、自我进化的闭环。那在这个可以真正加速科学更快发展的方式中，你觉得该如何建立这样的闭环？

曹原：闭环非常重要。Anthropic的Claude编程智能体之所以能形成目前最成功的、或者甚至是唯一的、能产生指数应用增长的AI商业闭环，很大原因就是代码天然容易验证。程序写完马上可以运行，结果对不对立刻就知道，因此用户对编程智能体就能产生信任，敢把更完整的任务交给它。

AI4S的困难在于，科学实验涉及物理世界，验证远没有代码那么容易。如果理想情况下每分钟都能获得一次实验验证，那就可以生成无数的数据，接着直接训练就可以了，问题就解决了。但在大多数物理实验环境中，这是不太可行的。

第一，现在很多方向是在做自动化实验室。如果实验流程比较标准，就可以完全交给机器人，这也是很多美国公司正在做的事情。如果流程不标准，需要经常调整配方或改变操作，就要用具身智能，让更通用的机器人来做，这可能还比较久远。但不管怎样，自动化实验室肯定是目前相对可见的方案。

第二，是怎样尽量减少物理实验。既然物理实验是闭环的瓶颈，成本又高，就必须尽可能少做，而且要保证每次实验的设置正确、尽量得到好的结果。这就需要提高AI本身的智能，比如为了生成符合要求的蛋白质结构，现在要跑10次实验，那就要把模型能力提高，让它跑两次，甚至一次就做到。这对数据分析能力、实验历史管理的能力提出了更高要求。怎样分析过去失败的经验，找出下一步更好的方案，这对智能本身的要求更高。

所以我一直认为，AI4S不是简单地把Science当作AI的一个应用，而是AI和Science。要让AI更好地解决Science问题，AI本身的能力和AI与Science结合的能力要同时加强。如果推理能力还不够好，每次提出的假设仍有很大偏差，就不可能真正形成相对闭环的工作环境。

陈茜：你刚才说的第一点是AI自动实验室，这很有意思。我看到Google DeepMind之前和劳伦斯伯克利国家实验室合作过A-Lab，你知道这个案例吗？

曹原：这还是一个比较早的案例，当时用的也是比较早的模型，还不是Gemini。其实自动实验室的概念很早就有，并不是最近大模型出现之后才有。

陈茜：我看到一个数据，他们在17天内执行了353次实验，完成了57个目标中的36个。这个实验室现在还在继续发展吗？

曹原：肯定还在，也肯定会继续。

陈茜：你觉得他们现在的壁垒和难点在哪里？主要还是物理的机器人那一块儿吗？

曹原：如果从物理角度、自动实验室这一块儿看的话，机器人的操作流程和机器人本身的发展，确实是另一个重要课题。怎样让特定领域的专业机器人更快地操作、完成实验并降低成本，都需要解决。整个AI4S涉及一整套体系，不只是模型本身。为了加快实验，机器人的具身智能、精度和速度也要提高。未来如果真的形成闭环，能很快得到结果，机器人系统本身肯定也已经非常强大，所以这些都属于同一个体系。

陈茜：目前看起来，非物理部分的进展要快于物理部分。

曹原：可以这么说。非物理部分，像in silico（计算机模拟）和simulation（仿真），更容易验证，也更容易衡量进步，所以确实可能发展得更快。但也有很多新的AutoLab（自动化实验室）也有很多发展，它们不一定使用通用机器人，而是针对某个实验环节使用专用机器人。美国有很多初创公司在做这件事，尤其是在医药领域。

陈茜：你觉得用AI发现因果机制，这件事能做到吗？

曹原：AI肯定可以做因果建模。Causal Modeling（因果建模）历史很悠久，Judea Pearl（朱迪亚·珀尔）等人很早就已经在研究各种因果模型。但在今天AI4S的语境下，要发现因果机制，就是怎样让语言模型分清correlation（相关性）和causation（因果性），这确实是目前语言模型的弱点之一。

我个人感觉，现在语言模型在这方面还做得不够好。很多研究发现，给语言模型一个推理问题，按照一种方式表述前提，它能推出正确结果。但如果稍微改一下前提，比如改变措辞，或者调换前后语序，整体意思不变，语言模型生成的结果却可能是错的。

这是因为语言模型在训练数据中通常只见过某一种形式的样本。大部分训练数据只告诉它正确或最常见的描述方式，没有呈现换一种方式应该怎样表达。所以人为换成一种它不习惯的说法，它就会出错，因为训练数据里没有足够多这样的情况。

这也是Yann LeCun（杨立昆）等人强调world model（世界模型）的原因。语言模型不能只训练表层文本，因为文本往往只呈现人们最常见的说法或正面例子，反面例子不会在文本中出现。如果模型能学到物理世界内部的规律，这种理解就应该独立于语言怎样表征和描述。世界模型如果能做到这一点，它对因果关系的掌握会远远好于目前基于文字描述的语言模型。

最近也有初创公司在探索怎样训练语言模型，让它更好地捕捉因果关系。这是一个非常重要的课题，我的感觉是，在正常表述下，语言模型大多数时候可以理解因果关系。但遇到反常表述，或者需要主动干预的问题，比如Do-Calculus（Do演算）里的“把某个值调高会怎样”“去掉某个条件会怎样”，它很多时候还是做不到，因为它没有真正完善的物理理解过程。

陈茜：也就是说，大语言模型现在可以预测相关性，比如X和Y高度相关。但科学需要非常确定、精密的表述，比如“X通过机制M导致Y”。如果只靠语言表征，它很难非常确定地建立这种逻辑和因果关系，可以这样理解吗？

曹原：我会说“不可靠”，而不是“不能”。语言模型当然能做很多因果推理，否则很多推理任务也无法完成。问题在于，它的可靠性过度取决于如何表达问题、结论和前提。

如果表述方式和训练数据里的常见方式不一致，或者出现它没见过的新现象，模型可能就懵了，不一定能提取出因果关系。模型对因果关系的判断，不应该基于语言表述，而应该基于对底层物理过程的建模和掌握。

陈茜：刚才我们提到了整个AI4S闭环里的具体环节。你觉得还有哪一点被漏掉了，想补充一下？

曹原：我觉得可以补充loop（闭环）是怎样自我改进的，也就是Recursive Self-Improvement（递归式自我改进）。前面讲的是一个相对简单的闭环，给一个问题，提出方案，做实验，拿到数据再分析。但如果你做的是AI4AI，或者要训练一个新模型，闭环本身也需要改进，需要一个Meta-recursive（元递归）过程。不仅要改进模型和实验流程，还要改进工作流，决定什么时候让系统更新自己的代码。

这些Meta-recursive（元递归）和Meta agent（元智能体）也是目前很多人正在探索的问题。不能一直依赖同一种agent harness（智能体挽具/驾驭系统）。随着观测和迭代不断增加，系统必须改进自己的整个工作流程。这是一个Meta-recursive process（元递归流程），我觉得非常重要。

陈茜：从技术上看，中间哪一步最难？

曹原：对AI来说，最难的肯定是verification（验证），尤其是物理世界里的验证。Verification（验证）可能是最重要的一步，像前面说的，如果理想情况下每分钟都能拿到一次物理实验数据，哪怕用最简单的AI4S方法，也能生成无数数据，马上对模型进行后训练，像训练代码和数学能力一样快速迭代。验证是一个非常重要的瓶颈，一旦这个瓶颈被打破，就可以很快迭代，但这不代表整个问题就解决了。

如果最难的部分可能是AI本身能不能提出新的见解，那模型永远局限于现有论文和知识，不管怎样提出方案、怎样推理，都只是在闭环里调整参数、配方和排列组合，它能达到的能力极限肯定是有限的，而且比较低。怎样让AI产生更有创意、同时又合理的想法，是目前远远不够的地方。

前段时间，诺贝尔奖得主Jennifer Doudna接受采访时，被问到是否用AI辅助实验和科研。她说会用，但AI给出的方案没有一个是团队以前不知道的。可能有些地方平时被忽略了，但基本都能在现有知识和论文里找到。

所以，能不能提出既有创新性、同时又可行的方案，是一个非常困难的问题，这也是对智能本身建模的新挑战。

陈茜：所以要让AI真正带来下一步突破，产生突破性的科学帮助，就必须解决discover（发现）这件事。

曹原：对，“发现”是一个非常复杂、非常有挑战的过程。目前的AI4S可以在已有表征空间和已有概念中搜索、排列组合，设计新实验和新方案。它通过排列组合已有概念，确实能解决很大一部分问题，效率也已经远远高于人类。

但如果要让AI独立做出诺贝尔奖级别的科学成果，今天还远远做不到。人类怎样发现知识、怎样提取科学知识，是一个完整的过程。第一步是接收感知输入，观察实验和数据，这只是经验输入，之后还必须形成概念。比如看到一个人推车，车向前走，你先观察到表面现象，然后要抽象出“力”这个概念，并把它符号化为F。

第三步，是把概念进一步凝结、抽象成公式和理论体系，比如牛顿第二定律F=ma。也就是说，必须把最原始的观测抽象成概念，最后再形式化成理论。整个发现过程，对AI来说仍然非常困难。今天的AI4S只是在一定限度内探索已有的表征空间，还不能真正产生全新的理论或知识。

陈茜：AlphaGo的第37步，也就是“神之一手”，算发现吗？

曹原：算，肯定算，它是一个新的发现。但它的发现模式，还是把已有内在表征重新排列和组合，采样到一条过去不常见、不一定是较大概率的路径。它肯定是新的发现，但不代表它创造了新的概念。

陈茜：我看到你自己的公司Unreasonable Labs提出了一种方案，把大语言模型和“符号主义”结合起来。你觉得“符号主义”能解决这件事吗？

曹原：我不能说它能解决问题，但我们希望它至少能弥补目前语言模型的一些弊端。我们的出发点是，语言模型还不足以产生更多新想法，更好地推动科学发展。语言模型的整个“宇宙”由训练数据决定，训练数据呈现的思维模式、知识和推理过程，它可以吸收进去。

但如果真的要做科学发现，按照定义，发现的东西肯定不在现有知识里。怎样让一个由过去固定数据训练出来的语言模型，发现新的、未知的东西，是非常难的。

不是说绝对不可能，但概率会非常低，因为新知识肯定没有在现有训练数据里高频出现。所以我们希望在语言模型外面增加一套机制，帮助它产生不同的新想法。这套机制肯定不能是另一个语言模型，否则又会回到同一个问题，我们选择的方向是“符号主义”。

“符号主义”是人工智能早期就开始使用的概念，范围非常宽泛。简而言之，就是写规则。如果某些知识或现象可以明确地写出来，是先验的，不需要通过数据学习，就把它写成符号、公式或规则。

这类知识不用数据也可以知道，可以先验规定。比如已知A＞B、B＞C，就能推出A＞C，不需要学习。与“符号主义”相对的是“连接主义”，也就是神经网络。“连接主义”是需要学习的，因为它使用向量进行分布式表征，向量中每个元素的意义要根据观测数据自己学出来。“符号主义”则是直接用符号表达知识，这是两者的区别。

“符号主义”的好处，是可以先验地写出知识，而且很精确。数学和代码其实都是符号。今天很多agent harness（智能体挽具/驾驭系统）也包含“符号主义”，因为第一步做什么、第二步做什么、什么情况下调用memory（内存），这些工作流都是先验规定的。

但“符号主义”作为知识表征方式很脆弱。比如要表征“猫”这个概念，怎么样给个图像就可以知道是不是猫？你可以写一套规则来判断，比如说它有两个尖尖的耳朵、长胡须、毛茸茸，但这样的表征是非常脆弱的。

陈茜：你没法用纯语言完整描述一只猫。

曹原：对，你没法用一套刚性逻辑刻画整个世界，语言和现实中有大量模糊性。猫可能正好低头，图像就和规则不一样，所以纯符号表征很脆弱，这也是“符号主义”后来没有成为主流的原因。

“连接主义”的办法，是让神经网络从数据中自己学习猫的特征，形成向量。再来一张新照片，只要和这个向量足够相似，就可以识别为猫。Deep Learning（深度学习）属于“连接主义”。特别是在自然语言和图像识别领域，有大量模糊或有歧义的内容，必须让模型自己学习。所以，“符号主义”和“连接主义”各有长处。

陈茜：你们的路线是LLM（大语言模型）结合“符号主义”的混合方案，它具体怎样运作？

曹原：像前面说的，我们希望在LLM（大语言模型）外面增加一层机制，帮助它产生新想法。我们想用规则把不同领域的人类知识串起来，比如一个概念在论文A里提出，它和论文B里的另一个概念是什么关系，这些关系可以用符号逻辑表达。这样就能把不同领域的知识，通过一套规则和表达式串起来。

这些关系很难直接从训练数据里发现，因为知识和概念太多，彼此之间可能存在大量关系，而且每天都有新论文出现，不可能每天重新训练一个语言模型。“符号主义”可以帮助我们提取知识骨架、推理关系和连接方式，把它们作为模型的新“直觉”，让模型生成一些原本处在小概率范围里的想法。

陈茜：但现在还处在比较早的研发阶段，瓶颈是什么？

曹原：真正的瓶颈，是在novelty（创新性）和可行性之间取得平衡。让模型“创新”很容易，随便采样，或者给它一个随机词，它都可能生成一个不一样的想法。但创新的想法必须可行、合理，不能随便瞎说。新想法必须和当前问题比较吻合，而且能够执行，不能为了创新而创新。

陈茜：你觉得“符号主义”有可能重新复兴吗？

曹原：我不会说“复兴”。现实世界有很多歧义，“符号主义”肯定不太可能替代“连接主义”。神经网络毕竟非常强大，今天的语言模型都是按照这个方式训的，但有些环节可以用符号来加速或加强。最终可能98%是“连接主义”，2%是“符号主义”。

其实今天的AI for Math和AI for Coding已经是neuro-symbolic（神经符号）结构，就是“符号主义”和“连接主义”拼在一起的结构。比如解决科学数学问题，模型先用神经网络生成数学证明，这套流程是“连接主义”的一部分。再用Lean这样的语言验证证明是否正确，验证系统完全是符号的，和神经网络没有关系。这就是神经网络与符号系统结合的例子，所以这两部分都很重要。

“符号主义”提供先验知识，不需要数据就可以指定，“连接主义”则必须通过大量经验学习。这和哲学史上的很多讨论相关，本质上都在讨论人怎样认识世界。

比如历史上的古典哲学中，17、18世纪欧洲大陆的唯理派和英国经验派。Francis Bacon（弗朗西斯·培根）、John Locke（约翰·洛克）等经验主义者认为，人的认知完全来自经验，大脑就是映射输入，世界由外界的感官输入、经验材料决定。对应到今天的人工智能语境，这就是大模型。模型初始时是随机的，什么都没有，经过万亿token的训练，智能完全由这些感官、经验输入决定。这是经验派，在当今语境下的一个映射。

另一方面，唯理派认为，人理解世界的方式由大脑的先天结构决定。像笛卡尔说“我思故我在”，先有某种结构，再用它理解世界，不完全依赖经验和感官输入。

这两派，一个强调先验，一个强调后验。一直发展到德国古典哲学家康德，他认为两者都不对，需要统一起来。康德就提出，经验提供材料，但感官材料本身还没有意义。要让材料产生意义，人脑必须有某些先验结构来解释感官输入。否则无论看到圆球还是轮胎，都只是随机输入，无法形成“圆”这个概念。康德认为，人有一套关于时间、空间、物体和因果关系等12个范畴的先验结构。这些先验结构是纯粹理性的，必须与经验结合，智能、知识才能产生。

到了黑格尔，他认为康德也说的不对，认为不能把理性、感性和经验对立，它们应该辩证统一，概念也不能一旦建立就恒定不变，而要在自我否定中持续更新。映射到今天的人工智能语境，就是Continual Learning（持续学习）。最终的AGI肯定不只是一个固定的checkpoint，把所有参数刻死在里面。它必须在和用户互动、执行任务的过程中不断认识错误，持续更新，让自己变得更智能。

所以不管“符号主义”还是“连接主义”，这些在人工智能语境下讨论的问题，和古典哲学一脉相承。不同时代的人使用不同语言和视角，但讨论的是同一个问题：人怎样认识世界，知识怎样产生。古代哲学家使用的不是计算语言，但探讨的是一致的。

陈茜：在现在的资本市场，Google、OpenAI和Anthropic三大AI公司都在大量招募科学家，布局AI4S。它们各自选择的方向、押注和切入点有什么不同？

曹原：三家公司里，Google肯定布局AI4S最早、最广，研究路径也最多，这一点毫无疑问。从早期各种Alpha系列，到最新的Co-Scientist（协同科学家）、Gemini for Science，都属于这条线。Anthropic和OpenAI当然也意识到AI4S的重要性，正在投入很多资源。

比如OpenAI也很早就开始做，GPT-5发布时，他们已经发布白皮书，里面有报告称，已经用GPT-5解决数学、计算机科学、生物等很多科学问题。他们还有一些非常激进的计划目标，公开提出要在2027年，做自动化的AI Scientist。前面提到的OpenAI GPT和Ginkgo Bioworks这个自动实验室进行的闭环实验，是目前最有说服力、效果也最好的闭环实验之一。

OpenAI还把GPT适配到生物、化学、材料等领域，推出GPT-Rosalind，增强这些领域的推理能力。最近发布的Astra模型，也展示了成功处理10个前沿数学问题的结果。

所以OpenAI在AI4S上非常激进，想迎头赶上。但我觉得它也有问题，就是AI4S的priority（优先级）可能比较混乱。Kevin Weil是原来负责AI4S的领导，也招了很多物理学家。但他离职之后，相关的工作被并入Codex，等于希望用通用GPT模型和智能体解决各种科学问题。这个方向的赌注，是让GPT足够强，进而解决更多科学问题，而不是为每个领域单独做一套系统。

之所以这样调整，是因为OpenAI也要在编程能力上追赶Anthropic，需要整合资源、重新校正优先级。但OpenAI的产品线已经很多，不只做GPT，还想做广告、硬件和企业版本。战线拉长之后，怎样继续投资AI4S前沿研究，是优先级、管理和战略上必须讨论的问题。

对于Anthropic来说，它们相对有后来居上的感觉。它最近发布了Claude Science，但这个平台本身还是由通用Claude模型驱动。它主要把生物、化学等领域的数据库和工具接入进来，再针对科学家的工作流定制界面。但它首先是一个产品和平台，还不能让模型自己更快地产生新知识。

不过Claude也在研究上做了很多努力，比如几个月前他们用Claude做vibe physics（氛围物理），帮助物理学家推导数学和新的物理结论，还发布了BioMysteryBench（生物信息学基准测试）等生物领域的beenchmark（基准测试）。

最近他们又把John Jumper挖过去，很明显是希望在生物和医药领域加大押注，因为这是一个非常大的市场。总体上，他们在迎头赶上，但也还在探索阶段。

陈茜：John Jumper过去之后，会负责什么？我看到他的职位还没有公开。

曹原：比较顺其自然的安排，肯定是加强Anthropic在生物、医疗和医药方向的能力。OpenAI已经发布GPT-Rosalind，针对生物和化学定制GPT模型，增强这些领域的推理。在这三家公司里，Anthropic可能是唯一还没有推出特定领域模型的公司。它急需在生物和医药方向做垂直模型，John Jumper非常适合做这件事，我觉得可能会有这方面的安排。

陈茜：但这可能也不是他们现在的重点。

曹原：目前肯定不是唯一重点。他们还要考虑上市和商业化等事情。而且中国开源模型突飞猛进，肯定会对他们造成很大威胁。在这种情况下，怎样平衡优先级，依然是战略和管理问题。

陈茜：这很有意思，三大AI公司虽然都在布局AI4S，但AI4S都不是它们现在的最高优先级。最高优先级还是编程、商业化和把模型做大。这样看，NeoLab（新型实验室）或创业公司是不是反而有先手机会？

曹原：对。大公司总有盲点，也总有innovator's dilemma（创新者窘境）。一旦挖出明确的商业化路径，它肯定不愿意马上放掉，或者立刻把资源转到其他方向。通常要等这条路径稳定，再投资其他方向，这是可以理解的。

AI与科学的Recursive Self-Improvement（递归式自我改进），长远看一定是战略上必须投资的方向，没有人敢落后。但短期内，商业肯定优先，企业必须先保证上市和商业目标，但我相信它们不会放掉AI4S。

陈茜：刚才的案例很多来自生物制药和材料。我们再聊AI for Math（AI数学）和AI for Physics（AI物理）。这两个方向最近讨论也很多，特别是在数学上面，除了邓煜跟王虹获得了菲尔兹奖之外，AI for Math领域也有很多进展。数学是不是AI相对容易攻破的领域？

曹原：我不认为数学很容易，这取决于你说的是哪一种数学，因为数学的概念很宽泛。现在有两家比较突出的AI数学初创公司，一家是Axiom Math AI，另一家是Harmonic AI。它们的方法可能差不多，都在探索怎样让AI更好地做数学，以及怎样把数学市场化，比如做些可验证的领域：EDA（电子设计自动化）、软件设计等。

AI能解决什么数学问题，很大程度取决于Lean和它的数学库。目前AI做复杂数学的流程是，先让语言模型提出数学证明的方案，但语言模型自己不知道证明是否正确，所以必须把这个证明，先形式化成Lean的语言。一旦Lean编译通过，数学结果就一定是对的，这说明语言模型提出的证明成立。但这里有几个瓶颈。

第一，语言模型本身必须足够强，能够提出可能成立的证明方式或新的数学结果。

第二，是自动形式化。怎样把自然语言或数学符号描述的结果转换成Lean，这个转换、翻译过程并不容易，也是Axiom Math AI和Harmonic AI投入大量精力的地方。

第三，Lean的Mathlib（数学库）必须包含大量已有的人类数学知识，才能要解决更难的问题。相关定义、定理和材料都要在库里，系统才能把它们组合起来。怎样把更多已有数学知识加入Mathlib，也需要大量工作。这几个要素决定了AI for Math能走多远。

陈茜：Lean一定需要吗？OpenAI今年参加IMO（国际数学奥林匹克）时强调，它的模型可以直接输出自然语言证明，不需要Lean。

曹原：Lean不是所有场景都必需，但如果要一本正经地做数学，做职业数学家级别的数学，就需要Lean。IMO（国际数学奥林匹克）使用的知识未必特别多、特别深，它考察参赛者能否找到复杂而有创意的构造，涉及到的知识和证明的过程不一定特别复杂，通常一两页就能写完。

在这种情况下，只要模型训练得足够好，用自然语言生成结果很大程度上可以信赖，而且IMO（国际数学奥林匹克）是考试，提交后很快就能验证。但如果让AI做王虹级别、长达100多页的证明，全用语言模型、用自然语言生成，就没有办法保证正确。

所以要让AI完成职业数学家的工作，处理非常复杂的证明，为了保证结果绝对正确，还是必须转换成Lean。哪怕Peter Scholze这样的顶级数学家，几年前处理一个非常大的问题时，也无法确定自己的证明到底对不对。他和合作者讨论了很多次，仍然没有人能完全确认。这种2018年就拿菲尔兹奖级别的伟大数学家，也无法确定自己的证明结果对不对。最后，他们只能把相关定理、定义和引理全部人工转换成Lean，形成形式化证明。

有一天，Lean编译通过了，这就证明整个证明是对的，他非常兴奋。即使是最顶级的数学家，在处理极其复杂的问题时，也只能相信严格的逻辑和计算机验证。这样的例子不止一个，所以为了确定证明是否成立，必须把它翻译成可以逻辑推导、保证正确的形式。

陈茜：但把证明转换成形式化的Lean，需要很长时间。

曹原：对，人工转换需要很长时间。我记得Peter Scholze他们至少花了一两年。

陈茜：我记得去年Google参加IMO（国际数学奥林匹克）时，选手只有两天，但他们把证明转换成Lean就花了三天，已经超过允许的时间。

曹原：是的，所以这个过程需要加速。

陈茜：为什么会花这么长时间？

曹原：因为Lean是一种结构化、类型化的语言。数学中所有相关概念、定义和之前的定理，都必须非常严格地按照类型化语言转换过去。如果证明中用到的概念或步骤不在它的library（库）里，就要重新定义。整个推导过程涉及的数学内容都必须形式化，所以会花很多时间。

陈茜：现在是不是有两条并行路线？第一，模型越来越强之后，越来越复杂的问题可能不再需要形式化或Lean。第二，把自然语言转换成Lean，以及反向转换的过程做得更快、更高效。

曹原：如果真要让AI做严肃、专业的数学，肯定还是要用Lean，这一点毫无疑问。真正的瓶颈，是怎样把翻译过程变得更高效、更快。需要训练语言模型，像机器翻译一样，把数学表达准确地翻译成Lean，而且绝对不能出错。对于专业数学，这是必经路径。

如果只是考试，或者规模比较小、容易验证的任务，可以用自然语言承载证明，不一定非要用Lean。但这样，就必须把语言模型的数学能力训练得非常好。

陈茜：我看到有教授把数学问题分成五个等级。第一类是博士生花几个月能解决的练手问题。第二类是普通期刊级问题，职业数学家花一两年能攻破。第三类是数学四大顶刊级问题。第四类是菲尔兹奖级问题，比如王虹解决的挂谷猜想。第五类是“超菲尔兹奖级”，不必完全解决，只要把问题大幅向前推进，就可能获得菲尔兹奖。你觉得AI现在到了第几个等级？

曹原：按这个等级很难界定AI能解决什么数学问题，我觉得这不是一个特别合适的尺度。更合适的标准是，无论问题多难，只要它不需要产生新的数学对象或定义，结论能由已有定义、定理和引理推导出来，AI就有可能解决。

也就是说，只要表征空间固定，模型足够强、搜索强度足够大，不管问题多难，都有可能把证明或解搜索出来，因为不需要创造新概念。提出一个数学证明，就是生成一系列数学公式，也是在推理过程中持续搜索。系统寻找概率更高、reward（奖励）更大的证明路径，永远是一个搜索过程。

陈茜：所以数学是一门证明的科学？

曹原：不只如此，证明肯定是非常重要的一部分。

陈茜：它不是需要发明的科学？

曹原：我觉得数学更重要的是发明过程。没有数学对象的发明和定义，就不可能有数学。最早先要定义“数”，才能定义加减法。微积分里的“积分、微分”，线性代数里的“特征值”，微分几何里的“黎曼度量”，都是被抽象和定义出来的概念。

对于一个好数学家，更重要的工作可能是找出非常优雅的数学概念和对象，抽象出本质定义。一个优美的数学定义，可能远远比推导过程更重要。没有合适的数学对象，就无法推导数学。

比如学习线性代数时，只看到一堆矩阵，却无法从中抽象出“特征值”，就无法精确捕捉矩阵的内在结构。怎样从数学对象中抽象并定义一个新对象，可能才是数学最优美、最需要洞见的部分。

陈茜：这部分AI可以做到吗？

曹原：我不认为它现在可以做到。

陈茜：永远都不行？

曹原：我甚至觉得，抽象概念不是一个可计算过程。当然很难给出确凿证据，但让AI自己推导或抽象新概念，是非常困难的。不要说数学领域里复杂的关系，就连最基本的“数”的概念，对AI也很难。

可以想象，一个语言模型如果从未接受过数学训练，不知道“数”这个概念。像原始人看到三只鹅、四只鸟、五棵树，已经可以开始数数，进而抽象出“数”。这个概念能用于任何物体，不只用于鸟或树。但如果只让AI看三只鸟、四只鹅，它不可能自然提取出“数”这个概念。我很难想象有一个程序，只凭这些感官输入就能提出这样的抽象。

概念抽象的过程，可能是AGI的last mile（最后一英里），而这一英里甚至可能永远无法跨越。我认为这个过程甚至不一定具有图灵可计算性。这也是为什么我觉得，人脑在最底层不一定等价于图灵机。

陈茜：你觉得数学是人类精准表达逻辑的语言，还是宇宙客观规律本身的结构？

曹原：这是一个非常大的问题，而且无论怎样回答都无法验证、无法证伪，因为不可能让上帝告诉我们宇宙是不是用数学造的。一个多世纪以前，数学家就已经讨论数学的本质，它究竟是发明还是发现，宇宙本来就有“数”，还是人类发明了“数”。

当时有“形式主义”、“逻辑主义”、“直觉主义”等不同学派，争论数学到底是形式系统、逻辑系统，还是人类创造的直觉系统。这个问题没有定论，今天也可能永远无法定论。但如果一定要我选一边，我更倾向于数学是人创造的，而不是宇宙本身就是数学。

陈茜：就像刚才说的，人看到两只鸭、三只鹅、四只鸡，把概念抽象出来，再用数学公式变成一种语言表达。

曹原：这是其中一个原因，另一个原因是，数学作为逻辑体系，永远不可能完全自洽。上个世纪Kurt Gödel的不完备定理证明，可能是数学史上最重要的定理之一，就是说任何足够强的形式逻辑系统，总有一些命题为真，却无法在系统内部证明。

我不相信这个宇宙本身它有不自洽的地方存在，但如果宇宙和人类创造的数学形式体系完全一一对应，就意味着宇宙也有不自洽的地方，我认为这很难理解。宇宙作为自在之物，只是存在，不需要描述，它一定就是说自己就是该什么样是什么样，数学之所以有无法调和的限制，是因为它是人造的逻辑体系，不是物自体本身，而是一套符号和人为规则。当然，这只是我个人的想法，没法验证。

陈茜：主攻AI for Math的陶哲轩最近谈到一个观点，数学正在从“证明稀缺”进入“证明过剩”。一些网站收录了很多过去长期没人解出的数学难题，现在每道题下面已经堆了几十份AI生成的解答，但没有足够的人类专家愿意或有精力逐一验证。也就是说，可能很多难题已经被AI找到答案，只是人类没有足够的时间、bandwidth（带宽）、精力或能力去检查。

曹原：对，是的，所以不是“结果正确”就等于它对数学有同样大的价值。即使一个证明被自动验证为正确，人仍然要理解和评判，这个证明过程有没有价值、有没有洞见。

打一个不完全恰当的比方。如果去听音乐会，我告诉你钢琴是机器人弹的，并保证每个按键的力度和时长都绝对完美，严格按照作曲家的要求演奏，你可能还是不想听。即使声音绝对完美，只要知道是机器人演奏，就不一定想去听。但如果是一个钢琴家弹的，你就愿意去听。因为你想听的不只是音色本身，还有演奏者自发的情感状态，以及能够让人产生共鸣、被打动的东西。

我觉得对科学也是一样，证明结果正确当然很重要，但如果论证过程没有特别有意思的、容易阐释的发现，即使结果再对，我觉得科学家也觉得就像机器人在弹钢琴一样。没有产生一些能打动科学家的洞见，它对数学的贡献未必很大，所以人的价值判断永远是很重要的一部分。

陈茜：人类无法理解的发现就没有意义吗？

曹原：只能有部分意义，比如作为一个工具能证明结果是对的，那它仍然有工具价值。20世纪70年代，四色定理已经借助计算机证明，地图最多只需要四种颜色就能完成着色。结果肯定是对的，但证明过程大量依赖枚举，很乏味。

从工具角度，这个结论肯定是对的，可以直接用于地图着色。但从数学本身的价值看，它未必有同样大的价值，因为它不一定提出新定理或深刻洞见。所以一个发现是否有意义，取决于怎样评判，是从工具角度，还是从价值角度。

陈茜：一些反对AI做数学的人说，知道答案不是最重要的，中间的思考和推导才最重要。现在AI直接给答案越来越容易，反而把推导过程和细节讲清楚更难。大模型又是黑盒，我们不知道它怎样运作，也无法直接观察。虽然白盒研究在推进，但仍然很慢。如果我们接受AI是黑盒，并心安理得接受它给出的结果，会给人类社会或者人类本身带来什么改变？

曹原：如果结果不能完全解释，会造成很多困难。如果只看边界清晰的单一任务，黑盒不一定不可接受。早期计算器也是这样，你不知道内部怎样计算，但它给出标准答案，可以信赖。

但结果正确，并不意味着困难就变少。比如今天AI能写很多正确代码，但维护代码的成本和时间反而更高。AI写出的代码连工程师自己都可能看不懂。结果也许正确，但维护起来特别困难，工程师必须先理解它，才知道哪里有bug（缺陷），才有办法debug（调试），否则只能继续让AI自己debug（调试），但下一轮迭代又可能把代码改乱。

当前语言模型本质上是随机机器，同一个编程任务第二次运行，可能生成完全不同的代码，因为它是在随机采样，这种不确定性会造成很大的信任问题。如果过程不能让人互动和介入，就很难把所有事情都交给AI，也很难真正信任它。之后维护工作的成本会很高，因为人无法理解，就无法维护，所以人的介入在目前阶段肯定还是必要的。

陈茜：但人的能力又太有限，不管脑力还是时间都有限。就像刚才说的，网上已经有这么多数学答案，但科学家没有时间全部验证。

曹原：是，所以也有人说，AI不一定直接取代人类，反而会增加工作岗位，因为需要更多人维护系统、检查数学结果。

陈茜：会不会出现更多专门验证AI答案的岗位？

曹原：如果AI的可靠性和可解释性很差，一定会提高整个经济系统的运行成本。假设有一天AI能完成80%有经济价值的活动，但每项活动都需要人介入验证，那还不如不让AI做。所以可信赖性、可解释性，以及怎样让人合理介入，都非常重要。

陈茜：我们再说物理，AI for Physics和AI for Math面对的问题类似吗？

曹原：还是不一样的，数学肯定是物理的一部分，很多物理定律和新结论需要数学推导。但物理与数学最大的区别是，数学只生活在逻辑空间，在人类定义的一套理想逻辑世界里就可以成立。

物理必须走出逻辑世界，进入物质世界，最终一定要靠实验验证。AI for Physics可以帮助一些物理问题求解偏微分方程，或者像Anthropic用Claude辅助物理学家推导新结论，但这些仍然是从数学和形式逻辑角度进行推导。

如果要让AI发展新的物理理论，最终还是必须回到物理世界验证。当然AI for Physics的概念也很宽，除了求解方程，PhysicsX这类初创公司还在做物理世界模型，把流体力学、空气动力学等现象做成专门的世界模型，用于预测。这类任务上的工作可能是有用的，但目前相关工作还比较少。

陈茜：“发现”这个词很有意思。人类历史上的很多发明和发现都带有随机性。比如牛顿和苹果的故事虽然被夸张了，他并没有真的被砸到头，但他可能确实看到苹果落地，从中得到灵感。当然，在看到苹果之前，他已经研究了很久。

我最近在看《十亿美元分子》，里面提到环孢素的案例。人类做器官移植时使用的免疫抑制药环孢素，最初来自对挪威土壤中一种真菌的偶然发现。很多发明和发现，都像是大自然突然“给”了我们一些东西，我们是被随机给予了一些的灵感，从而有了一些发明和发现。但AI的发现过程好像完全不同，没有任何的随机感。

曹原：随机或者不随机的事件发生是一回事。但随机事件发生之后能不能发现背后的规律，是另一回事，这里需要abductive reasoning（溯因推理）。比如苹果偶然落下，随机事件已经发生，人类还要反过来想，什么原因导致了它。牛顿把这个事件作为触发，进而发展出一套物理体系。

人类推理包括演绎、归纳和溯因。今天AI做得最好的，可能最多还是演绎推理。像数学这样的，给出前提、定理和定义，让它推导新结论，这在逻辑上相对容易。

但溯因推理则是给定一个现象，想象一个合理解释，并让这个解释泛化到其他现象。这需要抽象能力、想象能力世界模型。这些能力目前AI做不到，我觉得未来很长时间也做不到。任何抽象层面的智力活动，都是AGI的last mile（最后一英里）。

陈茜：以前很多人说数学有一种“无用之美”。人类享受数学推导和思考本身，即使公式和问题短期内对科技进展或商业活动没有帮助，它仍然属于人类的精神活动。你觉得，以后这种价值会变化吗？

曹原：不管数学、美学、艺术还是哲学，如果只从直接效用看，都可以说是“无用之物”。家里挂一幅画有什么直接用途？可能一点用都没有，但这正是所谓“无用之大用”。

如果没有这些思想过程，没有美学概念，或者没有纯粹出于好奇和精神乐趣推导出的数学理论，就不可能继续发展物理。很多最美好的东西都从“无用”开始，从人类的好奇心和对美的追求开始。艺术、文学和哲学一开始都未必有直接用途，但“无用”不代表不会影响未来。思考过程会改变人的大脑状态，也会改变人对世界的认知，所以它其实也“有用”，只是这种作用未必马上能感知。一般来说，任何理论科学、纯数学和人文领域的艺术、哲学，都属于这种“无用之大用”。

陈茜：如果从实用主义角度看，AI for Math和AI for Physics现在能在多大程度上帮助人类技术加速？

曹原：AI for Math已经有很多应用场景，不管是求解科学技术领域的方程，还是Axiom Math AI、Harmonic AI等初创公司把数学论证用于芯片验证和程序验证，任何可计算、可验证的领域，都已经有应用和产品化前景。

在可控环境中，只要给AI足够明确的前提、条件和语境，它是能提出一些观点的。AI推导数学或物理结果的速度肯定能在一定范围内快于人类，效率也更高。科学很多时候需要数学化，所以AI for Math肯定能帮助科学发展。

甚至在最前沿的理论物理研究里，AI也已经开始参与。当代最伟大的理论物理学家、提出弦理论的Edward Witten，他最近在arXiv发表论文时，在footnote（脚注）里提到，论文的这一段是Claude帮忙想出来的。连这种最艰深、最前沿的研究，都已经有AI在加速，以后这种现象只会越来越普遍。

陈茜：我们离AI创造出新概念的moment还有多远？

曹原：这取决于怎样定义“概念”。概念的范围很宽，也有非常具体的概念。如果一种表征可以映射或者grounding（落地）到对世界的观测上，用聚类就可以形成概念。比如看过五把椅子，再看到第六把特征相似的椅子，系统可以把它们归入同一个聚类。任何聚类或概率流形，都可以视为一种概念，这类概念早就可以形成。

难的是数学里更抽象的概念，一个概念可以用于无穷多种场合，而这些场合没有稳定的表面相似性。从具体概念到抽象概念有很多层次，某个层级以上会非常难，甚至可能永远无法靠计算程序做到。

陈茜：感觉很多问题聊着聊着就进入哲学了，很多研究人工智能和物理的人，研究到最后都会开始碰哲学问题。

曹原：对，越往底层想，问题越难，最后就会碰到这些根本问题。

陈茜：你觉得现在研究AI的人，应该多读一些哲学书吗？

曹原：我觉得现在AI发展的很多问题，在哲学史上都能找到缩影。哲学，尤其是认识论，长期讨论的就是人怎样认识世界。

从柏拉图的“理念世界”开始，人类就在讨论这个问题。我们一辈子可能从来没有见过一个完美的圆，无论轮胎还是盘子都不完美，但人能从这些不完美的观察中提出“完美的圆”这个概念。

这其实就是在讨论人怎样产生知识、怎样抽象概念。哲学、AI和认知科学的发展，讨论的对象很多时候是一样的，只是用不同语言、从不同角度去探讨，像不同的镜子照向同一个事物。

陈茜：你觉得AI从业者应该多想一些“大问题”吗？比如更top-down（自上而下），从第一性原理往下思考。

曹原：对，我觉得是。AI现在非常热，可能是科技界最热的课题。很多人都想在AI上做相关的课题，做工程改进、应用和技术落地，这当然很重要，能把技术铺开。但目前大部分应用和所谓研究，都是自下而上的视角。

别人告诉你Transformer有效，Scaling Law（缩放定律）还没有失效，harness（挽具/驾驭系统）要继续优化，Infrastructure（基础设施）要建设好，把这些功能都做好，就可以把产品发布。这对短期商业化和AI落地当然重要，但我觉得在这些快速变化的研究之外，仍然要有立意更高的研究。

要用第一性原理、从上往下思考：智能到底是什么？人类怎样认识世界？有哪些特性是目前AI做不到的？这样倒过来想，就会发现很多事情AI仍然做不到，还需要大量研究。

而且不只是在AI领域。AI本质上是计算程序，最终目的是用计算自动化人的思考和智能。但计算能够自动化的东西不只有智能，也可以建模和自动化各种物理过程。

从更一般的计算角度看，如果有一天AI接近人类水平，计算本身还能做什么？这样一想，还会出现很多有意思的问题。AI狂热会不可避免地产生浮躁和比较肤浅的见解，所以仍然需要真正自上而下的思考。

陈茜：最后回到AI4S，现在AI行业非常狂热，但AI4S看起来会是一条更慢，包括商业化、研发过程等等，是一条更长期主义的路线。它解决的问题更难、更有挑战性，商业化也不像AI for Coding和数据行业那么快，ARR（年度经常性收入）未必每年都能高速翻倍。在这种情况下，资本对AI4S是什么心态？大公司、NeoLab（新型实验室）和创业公司接下来会以什么速度发展？

曹原：AI4S已经有落地空间，也有很多应用。比如药物开发，即使最后还没有一款完全由AI生成的药上市，但中间的靶点发现、分子结构设计等环节，已经可以作为产品或服务商业化。

所以AI4S不能一概而论，它有很多层面，有些现在就能商业化。但如果目标是达到诺贝尔奖级别的科学成果，肯定还有很长的路。这就不只是把科学当作AI的应用，而是AI与科学共同发展。要处理这么难的问题，必须先提高AI本身的抽象、推理、实验和编程能力，否则更上层的科学问题做不到。

在这个层面，它确实是一条长期主义路线，也不只是科学问题，而是AI本身的基础研究问题。科学不应该只是AI的应用，它还应该反过来成为促进AI自身发展的刺激和催化剂。一个模型如果能做好非常难的科学问题，在编程、推理等其他问题上也应该能做得更好。因为能把这么难的问题解决的话，模型本身能力就已经很强了。所以AI4S不只是一种应用，也是发展更强AI的驱动力。

所以商业化路径不能一刀切，而是分层的。有些环节现在已经能商业化，但如果想让AI拿诺贝尔奖，就需要很长时间。

陈茜：“很长”大概是多久？

曹原：很难精确判断。AlphaFold已经获得诺贝尔奖，但这不是AI自主完成科学发现。如果说让AI独立做出诺贝尔奖级别成果，我觉得至少还需要二三十年。

因为要让AI能够发展，还需要在当前的AI范式加强很多没有的能力。不要说凭空创造新概念或者抽象的东西，现阶段连从实验结果中稳定进行正向和反向因果推理都做不好。它还要解决长期记忆，做过无数实验后怎样提取相关记忆，以及怎样持续学习。只把这些前沿问题逐步解决，可能五六年就过去了。之后再去做些科学实验，能力肯定比现在更强，但肯定还需要很多时间。

陈茜：如果二三十年后，AI真的能独立获得诺贝尔奖，对产业和人类社会意味着什么？

曹原：AI是一种meta technology（元技术），也可以说是general purpose technology（通用目的技术）。它本质上像一个通用大脑，可以和Science（科学）、Technology（技术）、Business（商业）等几乎所有领域结合。如果真有这么智能的系统，它肯定不只解决科学问题，也可以像代理CEO一样，在人类社会和经济活动的各个方面做得更好。

OpenAI和微软对AGI的定义，也会用“能够以多高准确率完成多少人类有经济价值的工作”来衡量。如果AI4S能做到诺贝尔奖级别，说明模型本身已经非常强，它一定也会让其他经济活动变得更高效。所以AI4S作为极具挑战的问题，也是AI自身发展的驱动力。

陈茜：好，谢谢曹原。

曹原：谢谢陈茜。

以上就是我们与曹原对AI for Science这个话题的对话。这个话题其实拆分开来里面有很多值得深聊的子话题和垂类，我们也会继续关注。

在不久的未来，AI一定会在各个科学的领域上帮助人类去破解很多的疑难问题，帮助我们将前沿科学再往前推进一步。而一旦理想中的AI进行自进化，完成模型到实验的loop闭环，将带领人类去到我们从未达到的高度。

而那个时候，我们必须要更清楚，人类的价值在哪里，是定义，是验证，是应用，还是拥有最终的审判权。有一点是确定的，那个时候的世界和我们的现在的世界，会很不一样。