资讯
普林斯顿王梦迪外滩大会提醒:Ai实现自主发现,并非只需模型更大
📋总体概括
在2026 Inclusion·外滩大会上,普林斯顿大学人工智能创新中心主任王梦迪指出,大模型距离自主科学发现仍有本质差距。其团队与谢宇合作,用ChatGPT、Claude做模拟人生实验,发现模型系统性高估主流情况、低估长尾分布。她认为根源在于:数学与Coding有编译器、Lean等明确验证器,模型可反复试错迭代,而物理、化学、生物等科研验证困难、依赖实验设备与人工判断,新发现藏在长尾中,仅靠更大模型无法解决。
⚡关键信息
- ▸王梦迪在9月10日外滩大会提出:AI自主科学发现不能只靠模型变大
- ▸团队用ChatGPT、Claude模拟1930年出生英国人的人生,模型高估结婚年龄、职业等常见情况
- ▸大模型学到的是概率分布最大似然点,长尾知识被低估甚至忽略
- ▸数学有Lean证明系统、Coding有编译器和Unit Test可验证,因此进展快,基础科学缺同等验证器
- ▸信息增多不等于有效新信息增加,反而可能降低科研信噪比
🔥犀利点评
这套论述戳破了「Scaling Law万能」的幻觉:大模型本质是最大似然机器,而颠覆性发现恰恰是反共识的尾部事件,二者结构性冲突。数学和Coding先被攻陷,正是因为它们是唯一自带廉价验证器的领域——这反过来暗示,真正该卷的不是参数,而是自动验证与实验闭环基础设施。谁先造出物理世界的「编译器」,谁就拿到科学发现AI的入场券。
📰 相关资讯(与本文相关的其他资讯)
本文由本站自动聚合,以下为原始来源:前往 雷峰网 阅读全文 →