Google I/O 揭示：AI 驱动科学的路径正在转变
在今年的 Google I/O 主题演讲中，Google DeepMind 首席执行官 Demis Hassabis 宣称，我们正“站在奇点（singularity）的山脚下”。奇点是指 AI 超越人类智能并彻底改变世界的理论时刻。然而，当我在现场聆听时，真正触动我的是他说出这番话的语境。他当时正在台上主持科学 AI 环节，核心内容是一段视频，展示了该公司的天气预测软件如何提前预警飓风梅丽莎（Hurricane Melissa）在牙买加的灾难性登陆，并可能因此拯救了生命。如果这款名为 WeatherNext 的软件确实帮助人们避开了风暴或加固了房屋，那无疑是一项巨大而有意义的成就。但这一成果与奇点理论之间几乎没有任何关联。Hassabis 的高调宣言与 WeatherNext 的实际成果之间的反差，凸显了当前 AI 驱动科学领域两条截然不同的路径之间的张力。
两条路径的分野
第一条路径专注于像 WeatherNext 这样的 AI 工具，它们被精心设计和训练，用于解决特定的科学问题。这类工具针对性强、效果明确，但扩展性有限。第二条路径则是基于大语言模型（LLM）的 智能体系统，它们有朝一日或许能在没有人类参与的情况下独立执行前沿研究项目。这种愿景正驱动着当下 AI 领域的巨大热情，包括最近围绕“递归自我改进”（recursive self-improvement）的热潮——即 AI 系统最终可能成为 AI 进步的主要驱动力，且随着系统变得更聪明，这一过程将越来越快。
值得注意的是，智能体系统已开始做出真实的研究贡献，有时只需有限的人类指导。就在本周，Google Cloud 首席科学家 Pushmeet Kohli 在《Daedalus》期刊的 AI 与科学特刊上发表文章，写道：“我们正在迈向一个 AI 不仅促进科学、而且开始从事科学的时代。”
范式转型的隐忧
随着自主 AI 科学家的临近，投入大量资源开发高度专业化的工具——即使是像 AlphaFold（DeepMind 因此获得诺贝尔奖）或 WeatherNext 这样的系统——其合理性正受到质疑。这一趋势也预示着科学领域一个更为陌生的未来：人类与 AI 系统作为同行协作，甚至 AI 独自取得科学进步。
需要明确的是，Google 并未放弃其在专用科学 AI 工具上的努力。例如，AlphaGenome 和 AlphaE 等项目仍在推进。但 Hassabis 的奇点论调与具体成果之间的张力，反映出 AI 社区内部关于“如何最好地利用 AI 推动科学进步”的深层分歧。
小结
Google I/O 上的这一时刻，与其说是奇点的证明，不如说是行业转型的缩影。当 AI 从“解决特定问题的工具”向“自主科研的智能体”演进时，我们不仅要关注技术能力的提升，更要思考其对科学方法论、研究伦理乃至人类社会的影响。奇点或许还很遥远，但 AI 驱动的科学范式变革，已然近在眼前。
