AI for Science最难学会的，是换一个问题

本文来自微信公众号： AIGC从0到1 ，作者：王零壹

今年，《Nature》发表过一项颇有反讽意味的研究。研究者分析了4130万篇自然科学论文，发现使用AI工具的科学家，平均发表论文更多，引用更多，也更早成为项目负责人。按个人生产率看，AI几乎是一个无可挑剔的助手。

但另一半结果不太让人轻松：随着AI被采用，集体研究覆盖的主题范围缩小了4.63%，科学家之间的互动减少了22%。

一个人的手更快了，整个科学共同体看的方向却可能更少了。

这件事让我重新想起一个很基本的问题。我们正进入人类历史上获取答案最便宜的时期。以前，学习的难处是一本书拿不到、一篇论文找不着、一个领域的专家见不到。现在，一个模型几秒钟就能解释量子纠缠、公司估值、蛋白质折叠和Transformer。再过几年，它调动的显性知识大概会超过任何一个人。

可如果答案越来越便宜，为什么我们反而越来越焦虑？

难处正在从“找到答案”挪到另一边：什么值得问，应该怎样问，以及眼前这道题是不是一开始就被表述错了。

它牵涉到科学怎样发生，AI究竟能不能带来新的知识，以及我们未来对AGI的期待应该放在哪里。

一、知识不是一张等着填完的表

我一开始很喜欢一个比喻：知识像一张高维、极度稀疏的矩阵。

在这张巨大表格里，物理、数学、工程、历史、语言、经济学都是不同维度。已知知识只是很少一部分非零点。学习，是在点和点之间建立关系；创新，是把原来没有连上的点连起来；理解，则是从一大堆凌乱的事实里找到一个更低维的结构。

这个比喻有力量。它也很符合我们正在经历的知识负担。

经济学家Benjamin Jones很早就提出过“知识负担”假说：知识存量越大，研究者越要花更长时间抵达前沿，文艺复兴式的通才也就越难出现。Bloom、Jones等人后来用不同产业和技术领域的数据提出，为维持同样的技术进步速度，研发投入需要越来越多的人。以芯片为例，维持摩尔定律所需的研究人员数量，已远高于上世纪七十年代。

问题不在于知识不再增长，恰恰相反。它增长得太快，快到任何人都无法沿着所有分支继续走下去。

但“高维稀疏矩阵”最后还是一个不够好的比喻。因为一张表默认了一件事：行和列已经给定，只是还有很多格子没有填。

科学真正难的地方，往往是没人知道该有哪些列。

“熵”“场”“基因”“信息”“时空曲率”的出现，重画了人们描述对象的方式，也改变了什么算作一个问题。相对论则把时间、空间、同时性和参考系之间的关系重新写了一遍。

所以，知识更像一个部分可观测、不断生成、允许多种表达方式的关系系统。

它有事实，也有关系；有图谱，也有模型；有方程，也有叙述。更重要的是，表征它的语言会变。几何、代数、微分方程、概率模型、程序和自然语言，有时描述的是同一个结构，有时又会把完全不同的东西硬塞进同一类。

科学从来不只是搜索`x∈X`。它还会把`X`改成另一个空间。

二、科学革命经常不是多填几格，而是增删几列

“科学革命就是换基”是个漂亮的说法。它抓住了真实的一部分。

牛顿把天体运动和地面物体放进同一套力学；麦克斯韦把原本散落的电磁现象放进一组方程；相对论让绝对时间和绝对同时性退出了中心位置。这些变化都像是换了一套坐标。原本算不清、看不齐的东西，换一种变量组织后突然变得简单。

有些革命先改变的是眼睛。显微镜、望远镜、光谱仪、PCR、测序、粒子探测器，让过去无法操作的对象变得可见、可测、可争论。新仪器往往先打开一个观察窗口，新的概念和新领域才随后长出来。

这件事可以拆成四层。

第一层是Observation：我们到底能观察什么。

第二层是Representation：我们拿什么变量、概念、语言和坐标去描述它。

第三层是Generative Structure：我们相信这些现象由什么机制、规律、方程或因果过程生成。

第四层是Invariance and Intervention：换一个环境、换一种表达、主动改变一个变量之后，什么还会成立。

真正的大变化，往往不止动其中一层。它可能同时换掉观察手段、核心概念、解释机制和验证标准。

这也解释了为什么“优雅理论”并不可靠。对称性和不变量很有用，因为它们能大幅缩小假设空间。一个模型如果必须满足旋转不变性，就不必把每个方向分别学一遍。这个意义上，不变量确实是一种非常强的压缩。

可它们只是搜索时值得下注的先验，离真相还隔着实验。物理学曾经默认宇称守恒，后来被实验推翻；超对称至今也不能说被证伪，但长期没有出现许多人原本预期的实验证据，已经足以提醒我们：数学上的漂亮，不会自动变成自然界的真相。

科学探索靠的是一个反复自我推翻的循环：先用简洁性、对称性和既有理论缩小范围；再造仪器、做实验去刺探；最后允许现实把那些最漂亮的假说杀掉。

三、理解，是能被搬走的压缩

把大量现象压缩进少量规律，是科学最迷人的部分。

这件事也有很硬的理论背景。最小描述长度、算法信息论、信息瓶颈等思想都在讨论同一件事：如果数据里有稳定规律，就应该能被更短地编码。牛顿力学的强处在于，几条方程可以解释落体、抛射、轨道等大量现象。

于是很自然会有人说：压缩就是理解。

我觉得这句话只能说对一半。

一个ZIP文件也能压缩，但它不理解。一个预测模型也可能在训练数据上表现极好，却不知道你主动改变一个变量后会发生什么。它学到的是相关性，还是机制，差别很大。

真正的理解至少还要经得起三种移动。

换一个例子，它还能用。换一种语言、符号或表达方式，它还能认出同一个结构。对关键变量施加干预，它还能说清哪些结果会跟着变，哪些不会。

所以我更愿意把理解叫作“能被搬走的压缩”。

你如果只会在一张习题纸上解一道题，可能记住的是题型。你如果能把同一件事从经济学搬到强化学习，从生物学搬到资源分配，再把它翻译回现实系统，才更接近理解了它的结构。

数学里有一个相关的习惯叫coordinate-free。一个几何对象不该等同于它在某一套坐标下写出来的一串数，坐标只是描述，结构才是对象本身。

把这个观念挪到认知里，也许能得到一个简单但严厉的检验：一个概念如果只能在原来的术语、原来的例子和原来的符号里成立，我们掌握的可能还是表面表达；它若能跨表征保持有效，才算摸到了某些更稳定的关系。

“结构”这个词很容易被滥用。一个抽象同构还算不上发现。结构映射得带来新的压缩、新的预测，或者新的可验证干预；做不到，就只是把世界说得很漂亮。

四、跨学科创新，远距离本身不值钱

谈创新时，很多人爱说“把两个最远的领域连接起来”。近几月，很多科学家都在用这种交叉领域的方式，利用AI来寻找我们原来在知识空隙之间的那些新发现。

钱币学和高分子流变学够远，放在一起也大概率没有新东西。距离本身不生产意义。

2013年，Brian Uzzi等人分析了1790万篇论文，发现高影响力研究通常不是完全反常识的拼贴。它们大体建立在传统、常见的知识组合上，同时掺入少量不寻常的组合。后续研究也提醒，这类“异常组合”指标和跨学科性高度重叠，不能直接当作创新的精确尺子。

这组研究至少说明了一点：创新要靠的不是陌生词汇的碰撞。

认知科学家Dedre Gentner对类比的解释更有启发。好的类比关注关系结构能否映射。电流像水流，电子和水当然不是同一种东西，但两套系统都能用流量、阻力、势差、约束这样的关系去组织。

真正肥沃的位置，往往是“术语正交，结构同构”。

两个领域的词汇距离足够远，意味着它们带来了不同经验和不同问题；底层结构又足够接近，意味着知识能被迁移；最后还要能做验证，映射才不会变成随意的文学比喻。

这三件事缺一个都不行。

距离太近，没有信息增益。距离太远，没有可搬运的关系。没有验证，就会出现一堆优美、封闭而空洞的隐喻。

这也是跨学科合作最难的部分。稀缺的是能分辨“只是词不同”和“结构真的相似”的人。

五、AI第一次有机会把“找同构”做成工程

这正是大模型最值得期待的地方，但也最容易被夸大。

LLM的确有一种过去工具不具备的能力：它能在极大规模的异质文本之间进行翻译、比较和重组。Anthropic的表征研究发现，模型在英语、法语和中文之间会部分复用较抽象的特征。这个结果不足以证明模型已经理解了“普遍结构”，但跨语言的共同表征至少不再只是幻想。

把它推得更远，未来有可能出现一种不同于语义搜索的系统。

今天的文献搜索主要回答：“谁写过类似的话？”

更难的一种搜索会问：“哪两个从未互相引用的领域，正在用不同的变量和术语，描述同一种约束、机制或优化问题？”

可以把它暂时叫作“科学结构搜索”。

这种系统要先把论文里的对象、关系、方程、因果机制、约束条件和不变量抽出来，尽量去掉领域词汇，再比较结构。随后让Agent回到具体学科，把映射翻译成人能检验的假说。

这条路把几件原本分散的东西接了起来：Swanson早年的文献关联发现、知识图谱、类比推理、表征学习、定理证明和AI for Science。它也不该被理解成“让AI自动想出跨学科点子”。真正有价值的输出必须是一条可证伪的预测，或者一个能被实验、模拟、代码和真实世界检验的设计。

已有的一些系统，已经让这个方向显出轮廓。

AlphaTensor在一个被严格形式化的空间里寻找新的矩阵乘法算法，并通过正确性与效率的目标来筛选。FunSearch让大模型提出程序，再交给自动evaluator测试，因此能在组合数学和装箱问题中留下可验证的候选。AlphaEvolve把这种思路扩到更复杂的算法和工程优化。Google的Co-Scientist则把生成、批评、排序、演化和文献检索放进多Agent循环，提出可由专家继续验证的科学假说。

这些例子已经足够让“机器只能插值，人类才能外推”变成一句过时的话。

它们的共同工作条件也很醒目。AlphaTensor有明确的数学目标，FunSearch和AlphaEvolve有自动评价器，Co-Scientist仍需要专家指定目标、提供约束并安排实验。

AI可以比人类更快地产生候选，能否留下知识，仍取决于世界能不能把它筛一遍。

生成、搜索、验证，三件事缺一不可。

六、最大的反讽：AI可能让科学跑得更快，也跑得更窄

回到那篇分析4130万篇论文的《Nature》研究。

它没有说AI会让科学停止创新。它说的是一种更麻烦的可能：AI对数据丰富、问题成熟、评价标准清楚的领域更有帮助。于是每个研究者都更容易在这些地方取得更好的个人结果，集体注意力也会被推向同一批“容易出成果”的区域。

这很像导航系统把每一辆车都导向最快路径。单车确实快了，整座城市却可能堵在同一条路上。

从知识空间的角度看，今天的AI很擅长在已经形成的流形上加速。它更快地检索、更快地组合、更快地优化、更快地把一条已知路径走深。

可科学史里最难的动作，恰恰常发生在流形之外：发现旧变量不够用，承认旧分类出了问题，造一个新仪器，看见原来根本看不见的东西，再由此发明一套新语言。

这就是为什么“提高知识生产率”不等于“扩大知识探索”。前者很容易量化，后者往往要很久以后才看得出来。

对企业也一样。接入AI之后，团队通常会更快回答已经定义好的需求，更快产出已经验证过的内容，更快沿着现有指标优化。但这不保证它更容易发现客户真正的问题、产品的错误分类，或市场已经换了一个坐标系。

AI没有自动带来视野。它也可能把组织已有的偏好、数据和路径依赖放大得更快。

七、AGI的下一道题：知道何时换题

AI研究里其实早就有一个不那么流行的方向，叫problem reformulation，后来也常被称作re-representation。

它讨论的正是这件事：当问题怎么都解不出来时，能不能换一套表示。把变量改掉，把对象重新分类，把约束改写，把一个大问题拆成两个，或者干脆发现原目标函数问错了。

这件事在人身上很熟悉。

有人面对复杂的商业问题，先列更多指标，开更多会，做更多访谈，最后发现真正的问题是把“用户留存”当作结果，把“用户有没有形成新习惯”当作了不重要的过程。变量一换，原来的讨论几乎都得重来。

科学里的情况更极端。以太、绝对同时性、某些冗余自由度之所以值得反复被提起，是因为它们曾经是组织世界的一部分。要放弃它们，需要新的测量、新的理论语言和新的证据规则一起出现。

所以，真正高级的智能也许不该只被问：“它能不能解决一道极难的问题？”

更难的测试是：“当这道题在当前表述下根本解不出来时，它能不能察觉到障碍来自表述本身，并提出一个更好的问题？”

有效的重表征有很高门槛，远不是随便给概念改名。

它必须能解释旧问题为什么卡住；能提出新的变量、关系或观测方式；能保留原有理论中真正有效的部分；还要让新的表述带来更短的解释、更好的迁移，或能被现实推翻的新预测。

重表征要对结果负责。

八、答案变便宜之后，学习反而露出了本来面目

AI会继续压低获取答案的成本。这几乎没有悬念。

但学习不会因此消失。它只会把过去被记忆和检索遮住的那部分露出来。

学习不只是往脑子里存更多坐标点。它还包括判断哪些点值得连接，哪些相似只是巧合，什么结构换一种表达仍然成立，什么漂亮理论应该被现实推翻。

到了最后，最稀缺的能力可能是这一步：当所有人都在一个问题里更快地找答案时，先停下来问一句，问题是不是被定义错了。

科学和创新最重要的时刻，常常不是有人往旧地图上补了一个新点。

而是有人换了一张地图。

-

##资料说明

文中关于AI提升个体科研表现、同时收缩集体研究范围的数字，来自2026年发表于《Nature》的大样本研究；论文观察到的是关联和总体趋势，不能将其简化为“AI必然让科学变窄”的因果结论。

知识负担与“想法越来越难找”的讨论，主要参照Benjamin Jones，以及Bloom、Jones、Van Reenen、Webb的研究。相关指标与结论在学界仍有解释争议。

AlphaTensor、FunSearch、AlphaEvolve和Co-Scientist说明AI已能在有明确目标和验证机制的场景中产生人类此前未知的候选，但不等同于AI已具备独立、普遍的科学理解或自主重表征能力。