有趣的推文：《为什么说“听话”的 AI 反而无法带来科学突破？》
---
前几天我在一个活动上分享了一个有点争议的观点，后来我想了想，还是决定把它详细地写下来：
我担心AI（人工智能）并不会带给我们一个所谓的「浓缩版21世纪」。
这个概念来自Dario的一篇著名文章《充满爱意的机器》（Machine of Loving Grace），如果你还没读过，我强烈推荐一下。这篇文章的核心观点是：未来一两年里，我们可能在数据中心建出一个「由爱因斯坦组成的国家」——而且有了这个国家，人类原本需要一个世纪才能取得的所有科学突破，只需5到10年就能实现。
我第一次读到这个观点时，整个人震撼了——心想AI会在5年内彻底改变科学世界！但过了几天我再去读第二遍，却觉得有些问题越看越不对劲，好像充满了理想化的美好想象。
依我看来，按照目前AI发展的趋势，我们更可能造出来的是一个「服务器里的乖乖生国家」（country of yes-men on servers）。
为什么这么说？让我先用自己的经历来解释一下：
我一直是个成绩特别好的学生。从一个法国小乡村长大，后来进入了法国顶尖的工程学院，之后又顺利地被MIT录取读博士。读书考试对我来说一直很简单，因为我总能提前知道老师想教什么、考试可能会考什么。
然而，当我真正进入学术研究领域，成为一名博士研究生时，却惊讶地发现自己在做研究方面平平无奇，甚至有点糟糕。当身边很多同学都能想出很有创意的主意时，我却总是在撞墙。如果书上没写清楚，我就很难想出新的东西；就算想出来了，也只是前人理论的一点无聊变化。更让我沮丧的是，我发现自己特别难挑战固有的知识、质疑那些已经学到的东西。我发现自己根本不是什么爱因斯坦，只不过特别会考试而已。甚至更进一步说：也许我之所以成不了爱因斯坦，就是因为我太擅长考试了。
历史上，那些真正的天才在求学阶段常常表现得很挣扎。比如爱迪生被老师骂做「迟钝的学生」，诺奖得主芭芭拉·麦克林托克曾被批评「思路奇怪」，而爱因斯坦第一次考苏黎世联邦理工学院（ETH）时甚至直接考砸了。
人们犯的最大错误，就是以为牛顿、爱因斯坦这种科学巨人，只不过是普通优等生的强化升级版——只要把前10%的优秀学生再提升一些就能成为天才了。
这种观点忽略了科学进步的真正关键：
科学不是看谁掌握的知识最多，而是看谁能提出最关键的问题，谁能质疑所有人都认为理所当然的事物。真正的科学突破，就像哥白尼提出「地球绕着太阳转」，他当时完全违背了全世界人们的认知——用机器学习的话来说，就是哥白尼在自己的「训练数据集」完全相反的情况下，仍敢于挑战常识。
想要在数据中心创造出一个爱因斯坦，我们需要的不是一个「知道所有问题答案」的AI，而是需要它能提出没人敢想甚至没人敢问的问题。当所有的教科书、专家、常识都指向一个方向时，它却敢问：「如果大家都错了呢？」
你可以想想，爱因斯坦提出狭义相对论的时候，说「我们不妨假设光速在任何参照系里都是不变的」，这在当时甚至今天看来，都是极其疯狂、违背直觉的主张。
再举个现代的例子，比如CRISPR（基因编辑技术），早在1980年代人们就知道它是一种细菌的免疫系统。但直到25年后，科学家詹妮弗·杜德纳和埃马纽埃尔·夏彭蒂耶才大胆提出：
「我们几十年来都觉得CRISPR只在细菌中起免疫作用，但如果我们错了呢？如果它还能用来编辑基因呢？」
正是这种彻底颠覆固有认知的「范式转移」，才推动了科学的重大进步。
虽然这种「范式转移」极少见（可能每年全球只有一两次），但每次发生都会带来巨大的科学飞跃。这些罕见的突破，就足以定义整整一个世纪的科技进步，其它大多数研究可能只是背景噪音。
但你看看我们目前是如何评估AI智能进步的。最新的一些AI测试，比如所谓「人类最后的考试」或「前沿数学题库」，这些考试通常由博士们精心设计，问题特别难，但都有固定、清晰的正确答案。
说实话，这种考试就是我最擅长的。这些测试能检验AI能否解出已知的题目，但真正的科学突破恰恰相反，它来自于质疑旧知识、提出没人想过的新问题。
就像科幻小说《银河系漫游指南》里写的那样：答案也许是42，但没人知道问题到底是什么。研究的精髓其实就是这样。
所以我认为，目前的大语言模型（LLMs），虽然它们已经掌握了人类所有现有知识，却始终没能创造任何真正全新的知识——它们只是填补知识空白（“流形填充”），而不是真正跨越领域连接不相关的概念，提出惊人的新问题。
我们现在的AI，只是在培养超级听话的学生，而不是变革者。这种模式很适合打造懂事、听话的助手，但如果我们不去引导AI质疑自己的训练数据、鼓励它们挑战旧观念，那么AI就永远无法引发真正的科学革命。
如果想要AI带来真正的突破，我们可能需要彻底改变评价AI的方法，测试它们能否：
- 质疑自己所掌握的知识；
- 提出大胆、反直觉的假设；
- 根据细微线索提出大方向上的创新；
- 提出非显而易见、能够开启新研究路线的问题。
我们真正需要的，不是考试每次拿满分的优等生，而是那个可能只拿B，但能敏锐察觉别人都忽略的问题的「奇怪学生」。
---
最后，也许你想知道：怎么才能衡量这种能力？
也许我们需要一种全新的测试方式：给AI一项最新发现（比如现代版的相对论），看它能否在完全不知道答案或相关概念框架的情况下，提出正确的关键问题。这确实很难实现，但却是AI领域真正需要考虑的问题。
以上就是我的想法，期待听到你的精彩观点。
