排版丨水成文
2024年，诺贝尔物理学奖，授予了人工智能（AI）领域的科学家，这是史无前例地。诺贝尔化学奖，授予了人工智能（AI）领域的科学家，这同样是史无前例地。
在最近的两年时段之内，AI模型获取到了一连串的突破进展，并且在科学范畴领域崭露出头角，它们已然具备了能够自行开展分析实验数据的能力，还能够设计出实验方案，甚至还能够提出全新的科学假说。这样的一种进步速率，使得一些从事研究工作的人员坚信——在未来的几十年时间当中，AI将会拥有可以与科学界最为天才的头脑相互较量比拼的能力。也许在2030年这个时间点，AI便能够独立做出足以获得诺贝尔奖的科学发现成果。
两千零二十五年十月六日，官网发布了一篇文章，文章题目是：Will AI ever win its own Nobel? Some a prize- soon，表达的意思是AI会赢得自己的诺贝尔奖吗？有人预测AI很快就作出值得诺奖的科学发现。
2016年，索尼AI公司有位名叫北野宏明的首席执行官，他还是生物学家，他曾向研究人员发起一项挑战，什么挑战呢？就是开发出一种AI系统，这种系统要能做出足以获得诺贝尔奖的发现，他把这一挑战称为“诺贝尔图灵挑战”，还将其视为科学领域中AI面临的重大挑战。那怎样算挑战成功呢？如果一台机器能够取得与顶尖人类研究相当的发现，就算挑战成功。
目前的AI模型没办法达成这样的情况。不过“诺贝尔图灵挑战”有这样的设想，到2050年的时候，会存在AI系统，它能够在没人干预的状况下，把假设生成、实验规划以及数据分析等技能融合到一起，取得能够得到诺贝尔奖的突破。甚至有搞研究的人员觉得，AI系统自己拿到诺贝尔奖基本上是确定无疑的事，现在的问题是，这需要50年时间还是10年时间。
当然，有不少研究人员觉得，当下的AI系统是依据人类现有的知识库训练而成的，可以生成一连串的文字与想法，然而没办法提供全新的见解。要达成这一了不起的成就，或许需要研究人员在开发AI的方式上，以及在AI领域的资金投入方面作出重大的改变。
其他人发出警告，声称，要是在科学研究流程里头导入AI，那么会有那种迫在眉睫的风险。
诺贝尔奖设立的起始目的，是去表彰那般存在也就是“作出了对人类程度最深贡献”的那些人，这情况就如同它的创立者阿尔弗雷德·诺贝尔（Nobel）在他自己所立的遗嘱里面所书写的那样。针对诺贝尔科学奖（其中涵盖生理学或医学奖、物理学奖、化学奖）而言，一项能够达到诺贝尔奖等级水平的发现，必然得具备三个方面的条件：具备实用性、产生的影响较为深远，并且还要做到为科学理解开拓出新的大门。
虽说当下唯有在世的人类、组织以及机构具备获取诺贝尔奖的资格，然而AI先前已然同诺贝尔奖有过关联，在2024年，诺贝尔物理学奖被授予给了机器学习的先驱John J.和E.，他们为人工神经网络奠定了基础。同年，诺贝尔化学奖被授予了谷歌旗下公司的开发者 Demis 、John Jumpe 以及蛋白质设计先驱 David Baker，他们分别借助 AI依据氨基酸序列预测蛋白质的三维结构，还从头设计全新蛋白质。然而，这些奖项都是用以表彰 AI 系统背后的开发者，并非 AI 系统自身所取得的成就。
依照“诺贝尔图灵挑战赛”给定的规定，要是想被称作是 AI 科学家的发现，那么其开展的研究工作必须是“完全或者高度自主”地由 AI 科学家去完成，AI 科学家得自始至终监督整个科学进程，去决定所要回答的问题，去决定所要进行的实验，去决定所要分析的数据。
如今，我们已然目睹，AI工具在科学发现进程的几乎每一个步骤，都为科学家予以协助，这致使该领域变得极为令人激动，研究人员已然证实，AI能够助力解读动物的语言，对宇宙中的生命起源提出假设，并且预测螺旋状星系何时有可能发生碰撞，它还能预测致命沙尘暴，且有助于优化未来量子计算机的组装。
此外，AI已然着手自行展开实验，卡内基梅隆大学的化学家Gabe Gomes以及其同事设计了一个名为“”的系统，此系统借助大语言模型（LLM）去规划化学实验，并且运用实验室机器人施行复杂的化学反应，他还宣称，尚未发布的新版本“”能够以令人惊叹的速度开展计算化学分析，那种需要一位研究生耗费超过一年时间的化学反应过渡态的计算，新版本“”在半小时内便能完成。
现下，多数运用 AI 的人类科学家把它当作某种助手或者合作者，一般会指派它去完成特定任务，像是对数据予以分析以及预测，加快原本繁杂的计算流程，这通常需要人类于某个或者某些阶段介入其中。然而，已经有研究团队推出了“推理模型”，依靠学习去模仿逐步的逻辑思维，借助试错过程，自主开展科学研究。
比如，在2025年7月29日这一天，斯坦福大学的James Zou团队，于期刊上发表了一篇论文，此论文阐述的是，开发出了一个借助AI智能体构建的虚拟实验室平台，这个AI平台仅仅耗费了几天时间，便自行设计出了新型纳米抗体，而且在实验室验证里表明，其能够与SARS-CoV-2突变株的刺突蛋白相结合。此外，他于近期发表了一篇预印本论文，该论文证实了基于AI智能体的系统具备搜索生物学数据的能力，此系统能发现研究人员未曾留意到的见解，这表明了AI智能体已然开始自主发现新事物。
詹姆士·邹宣称，在本月较晚的时候，他会帮着去组织一场称作某名称的线上的会议，此乃首个单单靠人工智能参与的 конферен（科学会议） 哟，所有的论文都将由人工智能智能体去撰写以及审视，与此同时呢也会有人类合作者掺和进来。为期一天的会议会涵盖邀请演讲以及小组讨论（由人类来搞）ai 物理学家，主题是有关人工智能生成研究的往后情况。他讲啦，期望这次会议能够助力研究人员评估人工智能在开展以及评审创新研究这方面的本事！
然而贝语网校，不是所有进行研究工作的人都这般持有乐观的态度，还有好多好多从事研究的人员是秉持着谨慎的看法的，他们觉得，AI依靠自身作出那种能达到诺奖级别的科学发现这件事情，是存在着相当多的阻碍的，比如说，AI智能体在试着从开始到末尾去整体完成一个研究项目的时候，展现出来的表现是不太好的，虽然说这些智能体在去完成特定的和科学有关联的任务的时候，大概有着70%的成功概率，但是在尝试着去生成一个想法，接着规划并且执行实验，以及对数据进行分析从而撰写一份完整的报告的这样一整套流程的时候，成功的概率一下子就降低到仅仅只有1%了。从开头到结尾的自动化的科学发现ai 物理学家，依旧是一项非常艰巨的挑战。
所以，即便AI于推动科学进步进程之中蕴含着极大潜力，可是其存在的局限性同样极为显著，重点在于，当下并不明晰究竟需要多长时间才能够将这些限制予以克服。
即使当下的AI系统于某一特定细分领域作出了合理预测，它们不见得就可以掌握更为广泛的潜在原理，举例来说，最近有一项研究发现，有一个AI模型能够对行星绕恒星的运行轨道予以预测，然而它没办法提出支配这些天体运动的基本物理定律，这就是说，AI系统是学到了科学原理的成果，并非真正理解了科学原理，并且在另一项研究里，有一个AI工具学会了怎样在纽约进行导航，可是它绘制不出纽约街道的准确地图。这些研究显示出，人类科学家的亲身经历，对于推导得出基本科学原理而言，是极其关键重要的。与之形成对照的是，AI系统仅仅能够借助输入的数据集，间接地去体验这个世界。欠缺现实世界的经验，会致使AI系统难以提出新颖且富有创意的问题，同时也难以针对人类世界给出新的见解。有研究人员正在开展探索，把AI系统与机器人相互结合起来，以此来助力AI系统去体验世界，进而获取到更多的经验。
要想开发出那种能够做出诺奖级发现的AI科学家，就得在具备更广泛能力的AI工具上投入更多精力，这其中呢，还包括元推理能力，也就是meta -。人类科学家得找到方法，赋予AI系统评估以及调整自身推理过程的能力，也就是要让它对自己的思考进行思考。这种转变有可能会让AI能够权衡哪种类型的实验会产生最佳结果，并且依据新发现修改其科学理论。
另外，存在一些研究人员，他们对科学界是不是应当积极促使 AI 去做出科学发现产生质疑，这些人觉得，科学界对于 AI 的过度信赖，这种信赖现已开始引入某些错误，AI 也许还会排挤别的方法，使得创新减少，致使科学家们“产出增多然而理解变少”，此外，AI 与机器人的自动化发现，有可能给科学以及科学家带来严重的负面作用，比如说，减少年轻科学家的机会，这些年轻科学家可能永远都没办法获取必需的研究技能。目前，处在当下这个阶段，大量的研究经费正纷纷涌入AI这个领域，进而致使其他领域的研究遭到了压缩。而关于眼下的这些情况到底是有利或是有弊，最终这一切还有等待时间去给出相应的答案。
参考链接：