Hugging Face科学家质疑AI科学突破性能力

Hugging Face科学家质疑AI科学突破性能力

说到人工智能，尤其是那些炙手可热的大型语言模型，许多人都会觉得它们几乎万能：写诗能文采斐然，答题能准确无误，甚至还能当作科学家助手，帮忙“创新”。但Hugging Face 的联合创始人兼首席科学家托马斯·沃尔夫却泼了一盆冷水，他表示这些AI在真正的科学突破能力上存在天生短板。这可不是小打小闹的意见，而是从一个跑在技术前沿的科学家嘴里说出来的，多少有点给目前AI一堆“吹得天花乱坠”好评泼冷水的意味。

创新不是“猜对答案”

沃尔夫的关键点，简言之，是你别指望当前的AI系统能像人类科学家那样去“质疑”和“挑战”现有的理论。它们主要是基于大量已有数据去预测“最可能”的答案，换言之，是在“猜测”而非“创新”。而创造性的科学突破，往往不是遵循过去经验得出最可能结果，而是勇于跳出框架，提出前所未有的问题，敢于问那些连‘问题’本身都没人注意到的疑问。

这让我想起了有些诗人画家的创作，同样的颜料、同样的材料，普通人看到的只是颜色和形状，而他们却能拼凑出更新鲜的视角和感受。AI现在还远远没有到那个程度，只是在原有图案的基础上拼贴。沃尔夫说，如果想让AI能产生类似莎士比亚《哈姆雷特》那样的作品，或者创造划时代的科学理论，就不能仅仅让它知道答案，而是得让它“问出没人提过的问题”。

预测与创新的鸿沟

这种观点其实相当扎心。你可以想象，当前的AI模型就是个超级会复述和组合信息的“知识库”，但它缺乏内在的好奇心和怀疑精神。问题是，科学的进步不靠复述现有论断，而往往依靠“打破常规”。爱因斯坦用他的相对论不就是打破了牛顿力学为代表的旧体系吗？AI能否做到这样的“叛逆”，目前看起来还是悬念。

而且沃尔夫观察到，这种问题还挺“深刻”的：AI系统倾向于用“最有可能出现的答案”来筛选信息，这在很多行业非常管用，比如医疗诊断、金融风险评估，得出概率最高的结论才能最大程度减少错判。但科学不是仅靠概率就能搞定的。往往那种看似“低概率”但突破性的假设，才是未来的“天才发明”。

技术兴奋与理性警醒之间

这让我想起2016年AlphaGo战胜李世石那会儿引发的轰动。一时间，整个世界好像看到了人工智能会无所不能的曙光。但是冷静想想，围棋虽然复杂，但本质仍是规则清晰且已经被研究透彻的领域。而科学探索像盖茨比那样迷雾重重，没有规则书，问题都是自己定义的。不同于棋局中明确的胜负判定，科学研究过程中往往看不见立竿见影的胜负，更多时候是“在黑暗中摸索”。

沃尔夫强调：AI不是并不会质疑，也不是“无用武之地”，但它需要避免陷入只会重复已有知识或局限在框架里的怪圈。技术再先进，不能忽视真正推动人类发展的，是那些敢于提问、敢于怀疑、敢于挑战的“人”。

AI在科学发展的位置仍需重新考量

事实上，AI给科学带来了前所未有的工具。它能快速筛选海量文献，发现数据中不易察觉的规律，甚至协助模拟复杂实验。不可否认，这些无疑提高了科研的效率和尺度。但是当我们期待AI充当“天才科学家”的时代，也许还得等上一阵。

也就是说，AI更像那个勤奋细心的助手，可以帮你打杂，但“出主意”的工作，短期内还是人类科学家占领高地。沃尔夫用一种几近哲学的语言提醒我们：对AI的过度神话会让我们疏忽“科学认知的内在逻辑”——那里充满了试错、怀疑和突破的痛苦过程。

技术发展的必经之路？

这番论调可能听起来像是回到现实，但真得很“解气”——毕竟部分圈里对AI的拥趸，常常夸大了技术的突破性，影响到真正的科学判断。我们很难不反思，这样的技术发展路线是不是还缺点“人味儿”？

我个人觉得，未来的AI应该聚焦如何成为科学家的“思想催化剂”而不是“终结者”。换句话说，设计出的AI系统要拥有人类难得的“质疑精神”和“逆向思维能力”，不仅仅是简单的模式匹配和预测概率。可惜，这一步听起来容易做起来难，尤其是当技术公司和研究机构更愿意做“做得快、卖得好”的AI产品时候。

沃尔夫的观点敲响了警钟，也让IT技术与开发领域的研究更加热烈——如何让AI“懂得提问”和“有独立见解”，无疑是下一步最炙手可热的挑战。

总而言之，不是说AI没用，而是它还没能挺身成为科学革新的“开荒者”。技术的美妙在于一环扣一环，人工智慧对于科学的真正贡献，或许不在于答案的丰富，而在于问题的深度。等未来技术走到那一步，我倒是相当期待AI带来人类史上最“刮目相看”的科学突破。不过现在，别忘了，背后还有一群人类科学家，在用好奇心和怀疑精神，一步步推动着世界。

而我们，在感叹AI神威的同时，也需要多点理性，别被海市蜃楼迷惑了视线。毕竟，有些革命，不仅仅靠技术，更靠灵魂。