TPC25：AI智能体与超级科学家重塑科学未来

近期在圣何塞举行的万亿参数联盟大会TPC25，吸引了350名与会者，为我们提供了AI在科学发现中未来角色的引人入胜的展望。虽然AI影响的全面程度仍不确定，但大会强调了不断演变的视角和充满希望的新途径。

万亿参数联盟的负责人、阿贡国家实验室的研究员里克·史蒂文斯（Rick Stevens）提出了一个引人入胜的愿景：一位科学家由1000个AI智能体赋能，每个智能体都拥有相当于人类140智商的智力。他展示了当前AI模型的即时能力，讲述了一个案例：仅凭一张描绘复杂化学结构的图片和一个简短的提示，OpenAI的一个深度研究模型在短短十分钟内就生成了一篇18页的定制综述文章。史蒂文斯强调，此类系统正在促成理解和知识获取方面的突破。

三年前，当史蒂文斯和来自理化学研究所（RIKEN）、巴塞罗那超级计算中心等机构的同事共同创立万亿参数联盟时，普遍的看法是，不断扩大的模型（达到20到30万亿参数）将是解决重大科学挑战的关键，例如连接引力与量子场论或发现癌症等疾病的治疗方法。虽然AI模型的规模和能力确实有所增长，但它们尚未达到那些庞大的参数计数。这导致了预期的重新校准，将重点从惊天动地的单一发现转向更实用的应用：通过将个体人类科学家转变为“超级科学家”来加速现有科学工作的步伐。

理化学研究所计算科学研究中心（R-CCS）主任松冈聪（Satoshi Matsuoka）在TPC25会议期间阐述了这一转变。他强调，AI不应仅仅是一个“边缘工具”，而应“无处不在”地集成到科学流程中。松冈指出，当前的轨迹涉及利用过去六个月中出现的新一类推理AI模型，而不是仅仅追求在更大数据集上训练的更大模型。他强调了扩展到20万亿参数的计算成本之高，并建议“模型集成”——作为具有更大分工的专业专家——将比“一个大模型统治世界”更可行、更有效。

阿贡国家实验室数据科学与学习部门主任伊恩·福斯特（Ian Foster）进一步强调了推理模型在快速进步。他展示的基准测试结果表明，这些模型已从在专业领域外表现不比人类博士好，进步到能像使用谷歌搜索的博士一样运作。福斯特解释说，这些模型不仅在学习事实，还在获得推理能力，使它们能够解决复杂问题。他提出了创建一个“思维行动框架”——一个协调AI智能体管理整个科学过程的框架，从生成假设、设置实验到执行和分析它们。

尽管科学生产力浪潮的潜力巨大，但仍存在重大挑战。福斯特指出，需要严格评估和改进AI模型生成的推理链，并实施强大的控制系统，特别是考虑到所需的巨额投资。他还提出了一个发人深省的含义：虽然AI可以加速科学产出，但它可能会减少对人类科学家的需求。福斯特观察到，历史上计算能力的增长并未按比例增加科学家的数量，这表明可能会出现类似的趋势，即更多的资源将用于强大的AI系统，使更少的人类研究人员能够解决日益复杂的问题。

尽管面临缓解AI“幻觉”、确保系统安全以及满足未来数据中心巨大能源需求等障碍，科学AI社区的热情依然高涨。复杂推理模型的出现维持了围绕AI变革潜力的兴奋感。正如史蒂文斯总结的那样，我们这个时代的基本问题是，人类，特别是科学家和学者，将如何定义他们与这个将能量转化为认知劳动的“新引擎”之间的关系。这种关系以及这样一个强大系统的目标是科学发现未来的关键考虑因素。