美国知名公司联手造AI,不仅助力美国搞科研,甚至可能威胁IT行业

B站影视 内地电影 2025-09-15 22:29 2

摘要:最近谷歌DeepMind和MIT、哈佛一起搞了个大新闻,他们发了一篇71页的论文,说开发了一个AI系统,能自动生成“专家级别的科研实证软件”!

最近谷歌DeepMind和MIT、哈佛一起搞了个大新闻,他们发了一篇71页的论文,说开发了一个AI系统,能自动生成“专家级别的科研实证软件”!

简单说就是,以前科学家要花几个月写的科研代码,这AI几天甚至几小时就能搞定,而且效果往往比人类顶尖方案还好。

这事儿得掰开了说,不然容易觉得是“AI又吹牛皮”,首先得搞懂,这AI到底是咋干活的,为啥能比人快还比人好。

它核心是两套技术搭伙,一套是大语言模型,就是类似ChatGPT那种能写文字、写代码的AI,先让它根据问题描述生成初步的Python代码。

而另一套呢,则是“树搜索”,你可以理解成AI在脑子里搭了个“方案树”,每个树枝都是一个可能的代码方案,它会系统地在这棵树上找最优解。

更厉害的是,这个“树搜索”可不是不是瞎试,是参考每个方案的评分,不断改进好的方案,淘汰烂的。

为了让这“找方案”的过程不跑偏,团队还搞了个叫PUCT的算法,灵感来自AlphaZero的思路,既不盯着一个还行的方案死磕,也不瞎试没用的方案,平衡得特别好。

更关键的是,这AI不是“闭门造车”,会主动去查论文、教材,甚至用GeminiDeepResearch这种工具找思路,把这些外部知识掺进代码里,相当于站在全人类的科研成果上写代码。

为啥这事儿对科研圈来说是“大突破”呢,这还得先说说现在科研的痛点。

现在搞科研早不是“拿试管摇一摇、拿显微镜看一看”那么简单了,不管是算天气模拟、摸流体力学规律,还是分析生物基因数据、预测社会趋势,背后都得靠复杂的定制化代码。

但写这种代码太折磨人了,一来要懂专业,二来要磨细节。

有时候一个团队要花好几年才能磨出一套能用的代码,还特别依赖老教授的经验和直觉,很多研究就卡在“写代码”这一步,效率低得要命。

DeepMind这AI就是冲着解决这个痛点来的,他们把这些需要代码的科研问题叫“可评分任务”。

简单说就是“能用软件解决,还能打分看好不好”的问题,对应的代码叫“实证软件”,比如为了让数据拟合得更准、预测得更对写的软件。

AI的目标就是自动生成这种软件,还能不断迭代优化。

光说不练假把式,他们拿2023年16场Kaggle比赛练手了,Kaggle是全球数据科学比赛的“世界杯”,顶尖高手都在这比。

结果挺意外,用了树搜索的AI,比光用大语言模型写代码强多了,甚至比把大语言模型调用1000次、挑最好的方案还厉害。

而在比赛过程中,AI还会“突然开窍”,找到新的解题策略,分数一下跳上去,最后攒下来的优势,让它的方案质量远超普通选手。

而且他们还试了“给AI加提示”的效果,比如告诉AI“赢Kaggle的常见技巧”,或者让AI从零写一个决策树库。

结果AI的表现又上了个台阶,这一结果说明,AI不但不是“死写代码”,还能理解人类的经验,甚至能啃硬骨头。

更实在的是,这AI已经在六个科学领域做出了超越人类的成果。

比如基因组学里的“单细胞RNA测序分析”,这活儿难在哪,不同批次测出来的数据总对不上,但又不能把有用的生物信息弄丢。

AI不仅解决了这个问题,还搞出87种全新的分析方法,其中40种直接超过了人类专家在OpenProblems排行榜上的最佳模型。

最典型的是个叫BBKNN(TS)的方法,就是AI把两种老方法(ComBat和BBKNN)重新拼了拼,结果效果比人类最好的方案提升了14%。

打个比方,这就相当于AI用旧零件拼出了新机器,还更强了。

还有神经科学领域,他们让AI预测斑马鱼全脑7万多个神经元的活动(用的是ZAPBench基准)。

这活儿有多难?要同时算7万个“小信号”的变化,以前最好的模型是Unet视频模型,结果AI不仅在大多数情况下比它准,还进化出了更高级的思路。

把神经元的特征、时间变化、甚至“全脑的整体状态”都揉进模型里,甚至还掺了“生物物理模拟库”。

不光能算对,还能说清“为啥对”,这就比光靠数据拟合的模型高级多了,相当于AI不仅会做题,还开始懂“知识点”了。

其实这事儿最牛的不是“AI写代码快”,而是它给科学发现开了条新路子,以前科学家得自己啃论文、试代码、调参数,大部分时间耗在“体力活”上。

而现在,AI能把这些活儿接过去,还能整合全人类的科研思路,甚至提出人类没想到的方案。

以后搞科研,可能科学家只需要负责“提问题、定方向”,剩下的代码生成、初步分析就让AI来,省出的时间能多做几个实验、多琢磨几个核心问题。

说直白点,这AI不是要“替代科学家”,而是给科学家配了个“超级助手”,以前得自己扛着锄头挖地,现在有了挖掘机,能更快挖到科学的“宝藏”。

来源:暮时史分

相关推荐