14岁进清华 29岁拿到普林斯顿终身教职 这天 她穿着运动鞋 套着运动帽衫 没有化妆 就这样“不修边幅”的 站在外滩大会开幕式的大舞台上 她就是1989年出生的 北京女孩王梦迪 她的分享松弛又有着最深的洞察，在AI被反复描述成一切效率的引擎的会场里，甚至有点“不太讨喜”。 AI没有加速科学，反而可能让科学变慢了 “ChatGPT moment以来，大模型到底有没有发现新的科学？我们现在要排除编程和数学……觉得有的请举手！” 现场一道提问，竟没人举手。王梦迪说，这是一个很有意思的问题。2022年到2025年，Google每年都会出现一个颠覆科学的AI Co- Scientist，很多其他的模型公司也都在出。但如果你真的去看这种基础学科、生物、化学、物理，尤其是实验大模型，目前为止都还没有发现。为什么？因为真正在基础学科的领域去做前沿发现，相当于要在宇宙里去找一颗新的星星。这个星星肯定是之前没有观测过的，那也是训练数据里没有的。大数据有很强的知识学习和整合的能力，但它会忽略长尾，但是人类的真正创新是发生在长尾上的！ 王梦迪还引述了一位同事去年文章里的观点：AI可能不但没有加速科学，反而把科学变慢了。论据很扎心—— 大模型出现以来，论文数量指数级增长，但真正的有效信息并没有增加 ，因为人类对宇宙的观测并没有真的变多。 信息论里有个概念叫信噪比：当噪声以指数速度膨胀而信号不变，科学家、工程师，以及所有想做出真正发现的机构，反而更难从海量信息里捞出有用的那部分。 让AI过一遍人生，它24岁就结婚了 如果AI有一生，它会怎么过？王梦迪用大模型ChatGPT和豆包去模拟一个1930年出生的英国人，让它自己去把自己以后的人生，包括什么时候上学、在哪上学、学什么专业等等都模拟一遍。针对社会学家都关心的问题——模拟人生第一次结婚是多大岁数？大模型模拟出来的基本上都是24岁左右结婚。“非常符合父母的期待，但真正社会学上的概率分布是一个长尾多的曲线。” 在每一个他们设计的实验里，几乎都出现了同一个问题：大模型会高估最常见、最通用的情况，大大低估少见的那些。 为什么AI在数学和编程上一日千里，到了实验室却迈不开步？王梦迪认为，在编程领域，验证器是编译器和单元测试——程序对不对，机器说了算。在数学领域，有叫Lean的形式化验证器，能把两三句话的定理翻译成几千页可验证的代码。有了明确的验证器，大模型就可以“左右互搏”，在不断的自我校验中变强。 但科学实验不是这样。她引述了一项发表在Nature子刊上的著名调查：70%的科学实验无法被重现，其中50%，连做实验的科学家本人也重现不了。探索全新的物质、全新的过程，涉及人的判断、实验器材的误差、大团队甚至跨空间的协作——每一步都有不确定性，叠加起来，整个发现过程就变成了“摇色子”。 她正在造的东西 但王梦迪不是来泼冷水的，最终还是要建设。 王梦迪现任普林斯顿大学电子工程系、计算机系及生物工程研究院教授，并担任“AI加速创新中心”（AI²）的联合主任。她的研究致力于用AI加速工程创新，并在2024年发表了世界首个解码mRNA非翻译区域序列的大模型。 她和普林斯顿的同事们一个最近的成果是：寻找新的量子材料，需要把两片单原子厚度的石墨烯叠在一起、反复调整角度和参数——这样的实验，过去需要非常有才华的物理博士生花上几个月手动完成。他们做出了全自动的实验平台和它背后的“科学大脑”：从设计参数、提出假设，到制备、质量控制、显微镜观察，再回到上一层形成闭环。整套过去要数月完成的实验设备，变成了一个API，任何合作者都可以调用，软硬件套件全部开源。 另一件东西叫Lab OS——科学实验室的智能操作系统，有多模态能力的大模型通过智能眼镜与每一位科学家直接交互：实验员看到的每个细节，AI都看得到；实验员的每个操作，都在AI的指导下进行。验证的结果是： 第一年的本科实习生，达到了有十几年经验的科学家才能达到的精确科研流程水平。 这套系统一边在数字世界自己写代码、训练专属模型、自我迭代，一边在物理世界和多个不同型号的机器人协同。 “快”和“慢”，“辅助”与“取代”，也是外滩大会上讨论的焦点之一。王梦迪认为，AI的训练方法学到的是“似然性”，而“发现”要找的是概率以外的可能性。弥合从“似然性”到“可能性”的巨大鸿沟，需要基础设施级别的探索和投入。 —THE END— 编辑：fanye
觉得内容有价值？
分享给更多关注行业变化的朋友。
