科学发现的最后一英里：前 DeepMind 曹原拆解 AI for Science

摘要

8 月第一周，谷歌灵魂人物 Jeff Dean 带着几位高管离职，创办 Discovery Loop，投身 AI for Science——硅谷公认这是 AI for Science 赛道爆发的标志。谷歌 DeepMind 前资深研究科学家曹原在接受《硅谷101》采访时，从 Google 内部的组织变化谈起，完整拆解了 AI for Science（AI4S）、AI for AI（AI4AI）与 RSI（递归自我改进）三者的关系，以及 AI 科研闭环如何运转。

曹原的核心判断：AI 科研闭环的五个环节（问题定义、表征、模型、实验、验证、发现）中，验证（verification）是最难也是最重要的瓶颈——一旦打破，AI 就能像写代码一样快速迭代。但从验证到真正的"发现"（discovery）还有巨大鸿沟：AI 目前只能在已有表征空间里排列组合，而诺贝尔奖级别的发现需要创造新概念、抽象新理论——"概念抽象的过程，可能是 AGI 的最后一英里"。

针对"AI 只能在训练数据宇宙里打转"的根本局限，曹原提出了"大语言模型+符号主义"的混合方案；他还逐一点评了 Google、OpenAI、Anthropic 三家的 Science 路线差异，讨论了数学从"证明稀缺"进入"证明过剩"时代的讽刺处境，以及 AI for Science 离商业化与诺贝尔奖还有多远。

正文

一、Jeff Dean 出走：一个时代的结束与开始

录制当天，Jeff Dean 宣布离开 Google 创办 Discovery Loop 的消息刚落地。曹原认为，这个事件要从两个背景解读。

第一个背景是 Google 内部的组织变化："Google 和 DeepMind 有很多人才、很多团队，过去每个团队各关注一些课题，互不干涉。但从三四年前 Gemini 项目开始，作为最大的项目需要集中力量办大事，这给整个人员组织和项目管理带来很大挑战，内部难免有冲突。"

第二个背景是 Gemini 的表现："过去半年 Gemini 的表现不尽如人意。今年年初 Gemini 3.1 Pro 在排行榜上还算不错，但过去三四个月，Anthropic、OpenAI 以及中国很多开源公司的模型能力突飞猛进，相比之下 Gemini 3.5 Flash 和最新的 3.6 Flash 表现平平，3.x Pro 迟迟未发布。Gemini 的进度相当落后。"

在商业模式上追赶也困难："Anthropic 以 coding agent 为主的新兴能力模式，Gemini 很难复制。"曹原认为，这次出走标志着一个时代的结束——Google 的时代——同时开启了 AI for Science 的新时代。

二、概念三兄弟：AI4S、AI4AI 与 RSI

曹原先把近期高频出现的三个概念梳理清楚。

AI4S 与 AI4AI：都是把 AI 模型当作"研究员"本身，去研究科学问题（Science）或研究 AI 自己的问题（AI）。

AI4AI 的运作方式极具画面感："你给模型一个任务：能不能用最少的 GPU、在限定预算下把这个模型训得最好？AI 看了 codebase 发现参数可以调高一点，生成一个提议；作为智能体，它自己写代码、放进沙盒跑实验、观测训练结果、把结果作为反馈再提出下一步。一轮轮迭代，模型性能不断提高——这是一个自我不断回归的过程。"

RSI（Recursive Self-Improvement，递归自我改进）：AI 通过不断改进自身能力形成加速循环。曹原指出，OpenAI 和 Anthropic 都把 AI for Discovery 和 RSI 作为重点布局方向。

三、AI 科研闭环（上）：问题定义与表征

曹原把科学家的研究流程拆解为几个环节，逐一分析 AI 的角色。

问题定义：必须由人来做。"AI 目前还没有品位去找出合适的问题自己定题研发。人类科学家不可取代——他必须给出问题，告诉你要解决什么、哪些动机重要。AI 能做的是辅助：通过搜索文档、分析来帮你改善问题的结构化。"什么样的问题适合 AI 研究？"任何可以计算、容易被验证和计算的问题最适合——你多大程度上能干净地建模这个过程。比如 AlphaFold，给定氨基酸序列输出三级结构，问题定义非常明确、结构化，AI 通过计算可以解决。"

表征：这是让科学对象变成机器可理解形式的关键。"AlphaFold 里蛋白质常见的表征是氨基酸序列、三维结构、图结构——这让蛋白质结构变成了能被机器理解的议题。"曹原区分了两类模型对表征的不同要求：通用模型（GPT、Gemini）"什么都可以表征——语言、代码、JSON、多模态，通过预训练和后训练内化任何格式"；垂类模型（AlphaFold、GNoME、MatterGen）"只接受特定领域输入，无法超越领域边界"。

四、AI 科研闭环（下）：模型、实验与验证瓶颈

模型环节分两类：垂类预测模型（给定疾病靶点生成可能结合的分子）和通用"实验室主管"模型（给定实验记录和分析数据，作为 agent 生成下一个实验设置）。

实验环节本质是搜索："每一步采样出不同方案，需要一个机制决定哪个方案最有希望。就像一棵搜索树，每个节点是已探索的方案，你要给每个节点打分——既考虑当前价值，也考虑探索概率。这就是 exploitation（利用：选当前最好的）与 exploration（探索：选不确定但可能带来新发现的）的平衡，算法上就是 value function（价值函数）。"

验证（verification）——曹原反复强调这是 AI for Science 最难的一环："它是物理世界的问题。AI for coding 和 math 之所以成功，是因为验证快：程序员写完程序马上可以验证。但 AI for Science 涉及物理世界，实验周期长、验证成本高。如果理想上能一分钟获得一次实验验证，问题就解决了——我可以生成无数数据直接去训。但在大部分物理实验环境中不太可行。"所以闭环（loop）是 AI4S 押注下一阶段的关键标准："如果引入机器人做实验，整个过程就不需要人了——机器人自己提假设、做实验验证、从结果提取下一轮实验，成为递归的自我进化过程。"目前最成功的商业闭环是 Anthropic 的 Claude coding agent，"因为它有这个闭环，你完全可以把任务交给它并验证"。

五、发现（Discovery）：AI 距离诺贝尔奖有多远

验证之上，更大的挑战是"发现"。曹原引用了诺贝尔奖得主 Jennifer Doudna（基因编辑）的采访："她说我们也用 AI 做科研，但从 AI 给的提议里，没有一个是我们之前不知道的——它生成的提议基本都基于现有知识。"

曹原对 discovery 的定义是阶梯式的："人类发现知识的过程：先接收感知输入（观察数据），然后形成概念（看到推车往前走，提取'力'的概念并符号化为 F），最后凝结抽象成理论体系（牛顿第二定律 F=ma）。整个从观测到概念再到形式化的过程，我认为 AI 目前非常困难。"

AlphaGo 的"神之一手"第 37 步算发现吗？"它肯定是发现——但它发现的模式是把现有的内在表征重新排列组合。AI4S 目前只能在已有表征空间里探索，并不能真正产生新的理论或知识。"至于 AI 拿诺贝尔奖要多久："至少得二三十年。"

六、符号主义：LLM 之外的另一套机制

针对"LLM 的宇宙由训练数据决定"的根本局限，曹原提出了"大语言模型+符号主义"的混合方案。

他先解释了两个主义的分野："符号主义是早期 AI 就有的概念，简而言之就是写规则——有些知识是先验的，不需要通过数据学习，比如 A>B、B>C 则 A>C，可以直接写成 If-Then 规则。数学和代码都是符号。连接主义就是神经网络——表征用向量分散式表示，每个元素的意义是从观测数据里自己学出来的。"

符号主义的好处是"可以先验地写、非常精确"，问题在于"作为知识表征非常脆弱"："你怎么用符号表达猫？两个尖尖的耳朵、长胡子、毛茸茸——但猫低头了呢？很多现象无法用刚性逻辑刻画，因为语言沟通中大量现象是模糊的。"所以深度学习（连接主义）成为主流：让模型自己训出猫的向量表征，新照片与向量足够相似就判定为猫。

曹原的路线是两者结合："在 LLM 外面加一层符号机制，把人类知识用规则串起来、提出新的连接——比如这篇论文里的概念和另一篇论文有什么关系，用符号逻辑表达。这些知识间的关系很难从训练数据里发现，因为每天有大量新论文，你不可能每天重训模型。这层机制可以给模型生成一些在概率范围之外的新直觉。"

最大的瓶颈是平衡创新性与可行性："让模型创新很容易——随便采样都能生成不同想法。但创新的想法必须可行、必须合理。不能为了创新而创新，你要证明它和问题吻合。"至于符号主义会不会复兴："我不认为它能替代连接主义，因为世界很多东西非常有歧义。"

七、三大巨头的 Science 路线之争

曹原逐一分析了三大 AI 巨头的 AI4S 路线差异。

Google：布局最早、最广，研究路径最多——"所有 Alpha 系列、最新的 Co-Scientist、Gemini for Science"。

OpenAI：态度激进但优先级有些混乱。"GPT-5 发布时就有白皮书展示它解决数学、计算机科学、生物问题的能力；他们公开宣布要在 2027 年前做出自动 AI 科学家；和 Ginkgo Bioworks 的 AutoLab 自动化实验室闭环是目前最令人信服的闭环实验；还专门做了面向生物化学推理的 GPT-Rosalind。"但问题在于："之前负责 AI4S 的 Kevin Weil 今年 4、5 月离职后，OpenAI 把 AI4S 的 effort 全部并入 Codex，希望用通用 GPT 模型和 agent 解决科学问题。同时 OpenAI 产品线拉得很长——GPT、广告、硬件、企业版——AI4S 的前沿投资优先级需要讨论。"

Anthropic：后来居上。"发布了 Claude Science 平台（不到一个月），本质上是用通用 Claude 模型加生物化学数据库和工具，把界面针对科学家工作流定制化；还发布过 BioMysteryBench 这样的生物基准测试。最近把 John Jumper（AlphaFold 之父、诺奖得主）挖了过去，明显要在生物医药领域加大押注——这确实是个市场很大的方向。"

曹原的判断："三大公司现在的最高优先级都不是 AI4S，而是 coding、商业化、把模型做大。John Jumper 过去后，Anthropic 可能需要专门给生物医药做领域垂直模型——它目前是三家唯一没有特定领域模型的公司。"

八、AI 与数学：从证明稀缺到证明过剩

AI for Math 是 AI 相对容易攻破的领域吗？曹原认为取决于数学的形态："目前有两家突出的初创公司 Axiom Math AI 和 Harmonic AI，方法相似：让 LLM 提出证明方案，但模型自己不知道对错，必须把证明形式化成 Lean 语言——一旦 Lean 编译通过，数学结果一定是对的。"

他给出了判断 AI 数学能力的更合适尺度："不管数学问题多难，如果它不需要产生新的数学对象或定义——结论可以通过已有定义和引理推导出来，表征空间固定——那只要模型足够强、搜索强度足够大，AI 就有可能把证明搜索出来。因为它不需要创造新概念，本质上还是个搜索问题。"

但数学不只是证明的科学："恰恰相反，数学更重要的可能是发明的过程——没有概念和定义的过程，数学就不存在。证明只是生成一系列公式并搜索哪个概率更高。"

陶哲轩最近的演讲点出了一个讽刺的现状："数学从证明稀缺的时代进入了证明过剩的时代。很多网站收录了以前人类解不出的难题，现在题下堆满了几十份 AI 生成的解答，但没有任何人类专家愿意接盘验证。有可能很多难题 AI 已经找到答案，但人类没有时间、带宽或能力去验证。"曹原用机器人弹钢琴打比方："如果告诉你钢琴是机器人弹的，按键力度、时长都完美符合作曲家规定——你就不想去听了。科学也一样：光看到证明结果正确很重要，但如果论证过程里没有特别有意思、能打动数学家的洞察，即使结果再对，数学家也会觉得像机器人弹钢琴。"

九、AI 与物理：逻辑世界与真实世界的分野

AI for Physics 与数学的最大不同，在于验证的难度："数学只生活在逻辑世界里，是人类定义出来的理想逻辑空间；物理涉及真实世界，验证成本完全不同。"

曹原还谈到了 AI 代码的信任问题："LLM 本质上是随机机器——同一个写代码任务第二次跑，生成的代码可能就不一样了。这种不确定性造成很大的信任问题：你没法 debug 一个看不懂的过程，把一切交给 AI 后维护成本会很高。所以人的介入在现阶段是必要的——但人又太有限了，脑力和体力都有限。"这带来一个悖论："如果 AI 真的能替代 80% 有价值的经济活动，但每个活动都需要人类介入验证，那还不如不让 AI 做——所以可信赖性、可解释性、人类介入的平衡非常重要。"

十、商业化与无用之大用

谈到 AI for Science 的商业化前景，曹原给出了务实的判断："AI for math 在验证领域已经有一些产品化前景——芯片验证、程序验证、求解科技方程。任何可计算的领域，AI 在可控环境里推导新规律，肯定比人类更快更高效。很多科学需要数学化，只要给它足够的前提和条件。"

但他对"无用之大用"的辩护同样精彩："数学、美学、艺术、哲学从效用角度都是无用之物——家里挂幅画有什么用？但没有这些无用的功夫，你是无法推导物理过程的。最美好的东西都是从无用开始的，从人类的好奇心和对美的追求开始的。无用不代表不会影响未来——思考过程会改变你的大脑状态和对世界的认知，只是这个有用不是马上能感知到的。"

十一、哲学讨论：AI 从业者该多想大问题

曹原把 AI 的发展放回哲学史的脉络："哲学探讨的问题就是认识论——人类如何认知世界。从柏拉图讲理念世界（你从没见过完美的圆，但从不完美的观察中抽象出完美的概念），到整个哲学发展与认知科学的发展，讨论的对象其实是一样的，只是用不同的语言、从不同角度，像不同的镜子照同一件事物。"

他对 AI 从业者的建议带着使命感："现在 AI 是最热的 topic，大家都在做工程改进——Transformer 好用、Scaling law 还没失效、基础设施要建好。这些东西是别人告诉我的，把功能做好往上推进就可以发布产品。这对短期商业化和落地当然重要，但在这些快速变动的研究之外，你要有些立意更高的研究：从第一性原理出发，自上而下地想——智能是什么？人类怎样认识世界？反过来想，到底有哪些特性是目前 AI 做不到的？"

这正是他对 AI for Science 的整体判断的哲学注脚：当 AI 已经会解题、搜索与组合，它能否创造新的概念和知识，决定了科学发现能否成为通往 AGI 的最后一英里。