憑AlphaFold拿下諾獎才兩年，Google用AI做科學的思路已經變了

（來源：麻省理工科技評論）

周二的 Google I/O 主題演講上，Google DeepMind CEO 德米斯·哈薩比斯（Demis Hassabis）宣稱我們正“站在奇點的山腳下”。這句話很抓人——所謂“奇點”是一個理論上的未來時刻，屆時 AI 將迅速超越人類智能、深刻改變世界。

但坐在臺下的我注意到的是他說這番話的語境：他登臺是為了用一段關于科學 AI 的內容來收束整場演講。重頭戲是一段視頻，展示了 Google 的天氣預測軟件如何在去年颶風梅利莎（Hurricane Melissa）災難性登陸牙買加之前發出了預警，可能挽救了生命。如果這款叫 WeatherNext 的軟件確實幫助了人們逃離風暴或更好地加固房屋，那是一項巨大的、有實際意義的成就。但它很難算是“奇點即將到來”的證據。

哈薩比斯的宏大修辭和 WeatherNext 的實際成果之間的反差，恰好凸顯了 AI 用于科學的兩條路線之間的張力。第一條路線聚焦專用 AI 工具，比如 WeatherNext，專門設計和訓練來解決特定的科學問題。第二條路線是基于大語言模型的智能體系統，目標是有朝一日在沒有人類參與的情況下執行前沿研究項目。

第二種愿景是當下 AI 熱潮的重要驅動力，包括最近圍繞“遞歸自我改進”的興奮——AI 系統最終可能成為 AI 進步的主要推動者，而且隨著系統變得更聰明，這個過程會越來越快。智能體系統現在已經在做出真正的科研貢獻，有時只需要有限的人類指導。

就在這周，Google Cloud 首席科學家普什米特·科利（Pushmeet Kohli）在學術期刊《代達羅斯》（Daedalus）的 AI 與科學專刊上發表文章寫道：“我們正在走向一種 AI，它不只是輔助科學，而是開始做科學。”當自主 AI 科學家出現在地平線上時，花大力氣開發超級專用工具就變得更難自圓其說了——哪怕是 AlphaFold 這種幫 DeepMind 科學家拿下諾貝爾獎的工具，或者 WeatherNext 這種可能救命的系統。這也預示著一個更奇特的科學未來：人類和 AI 系統作為同行協作，甚至 AI 獨立推動科學進步。

需要說清楚的是，Google 看起來并沒有放棄專用科學 AI 工具的開發。針對遺傳學和地球科學應用的 AlphaGenome 和 AlphaEarth Foundations 去年夏天發布了，最新版的 WeatherNext 也在 11 月上線了。

而且這類工具在科學家中仍然非常受歡迎。去年 Google 公布的數據顯示，AlphaFold 的蛋白質結構預測已被全球超過 300 萬名研究人員使用。Google 旗下致力于用 AlphaFold 及相關技術開發新藥的子公司 Isomorphic Labs 也剛剛完成了 20 億美元的 B 輪融資。

但在熱情和資源的分配上，已經出現了明確的轉向信號。上個月《洛杉磯時報》報道稱，因 AlphaFold 獲得諾貝爾獎的 Google 研究員約翰·杰柏（John Jumper）目前正在做 AI 編程方面的工作，而不是繼續開發科學專用 AI 工具。Google 把最頂尖的人才調去解決編程問題并不意外——公司最近在編程工具上的聲譽受了打擊，因為它的產品目前比不過 Anthropic 和 OpenAI。但這也可能說明 Google 正在優先發展智能體驅動的科學研究，因為編程能力對那類系統的成功至關重要。

放眼整個行業，智能體型研究系統正展現出真正的潛力。本周 OpenAI 宣布旗下一個模型推翻了一個重要的數學猜想——一些數學家認為這可能是生成式 AI 迄今為止對數學做出的最有意義的貢獻。

值得注意的是，OpenAI 使用的這個模型并不是專門為解決數學問題或做研究設計的。據公司介紹，它是一個類似 GPT-5.5 的通用推理模型。如果通用智能體能獨立為數學研究做出貢獻，它們或許很快也能在科學領域做到同樣的事（盡管科學中的想法必須通過實驗驗證，這讓它對 AI 來說是一個更難的領域）。

Google 顯然在全力投入一個由智能體驅動的科學未來。I/O 上最大的科學發布是全新的 Gemini for Science 套件，它把公司基于 LLM 的幾個科學系統整合到了一個品牌下。

這包括能生成科學假說的 AI Co-Scientist 和優化算法的 AlphaEvolve。它們目前仍未公開，但 Google 現在允許任何研究人員申請使用 Gemini for Science，因此它們可能很快會在科學界獲得更廣泛的采用。參與早期測試的科學家對其潛力很樂觀：斯坦福大學遺傳學家加里·佩爾茨（Gary Peltz）在《自然·醫學》的一篇文章中把使用 AI Co-Scientist 比作“請教德爾斐的神諭”。

Gemini for Science 跟專用工具并不矛盾。恰恰相反，智能體系統可以被設計成在需要時調用專用工具。沒有 AlphaFold 的幫助，任何智能體系統都預測不了蛋白質會折疊成什么結構，至少目前做不到。但 Google 似乎正在把自己的公眾形象、以及至少一部分資源和人才，從專門開發那類工具的方向上移開。雖然 AlphaFold 解決蛋白質折疊問題才過了五年，技術和話語都已經迅速越過了這個曾經具有革命性的成就。

Google 一直謹慎地把這批新的科學智能體定位為人類科學家的加速器，而不是替代品。比如選擇叫“AI Co-Scientist”（AI 共同科學家）而不是“AI Scientist”（AI 科學家），看起來就是刻意為之。哈薩比斯在談論科學 AI 格局變化時也用了同樣的“以人為中心”的表述。“在未來十年左右，我們應該把 AI 當作一種幫助科學家的強大工具，”哈薩比斯在《代達羅斯》發表的一篇訪談中說，“再往后就很難說了，也許這些系統會變得更像合作者。”

但沒有人能在不具備科研實力的情況下成為有效的科學合作者。如果哈薩比斯關于“奇點山腳”的說法哪怕沾了點邊，那 AI 科學家最終可能超越人類同行的能力。

在 I/O 上與記者邁克·艾倫（Mike Allen）的一次對話中，哈薩比斯談到最初激發他投身 AI 的原因：他觀察到物理學的進展自 1970 年代以來就陷入了停滯，于是想人類的大腦是不是在這個領域已經觸及了極限，AI 能不能幫忙突破這個屏障。

超越人類的智能體科學家當然符合這個想象。我們也許永遠走不到那一步，但 Google 至少已經把目標定在了那座山頂。

https://www.technologyreview.com/2026/05/22/1137813/google-i-o-showed-how-the-path-for-ai-science-is-shifting/