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
9月10日，普林斯顿大学人工智能创新中心主任王梦迪在2026 Inclusion·外滩大会指出，大模型虽掌握海量人类知识，但在科学发现上存在结构性局限：其倾向于输出概率分布中最大似然的答案，会低估甚至忽略长尾信息。她团队与谢宇合作的模拟人生实验显示，模型在结婚年龄、职业等问题上系统性高估常见情况。她认为数学和编程进展快，是因为有编译器、Unit Test、Lean等明确验证器，而物理、化学、生物缺乏可信验证机制，AI自主科学发现尚远。
⚡关键信息
- ▸王梦迪在2026外滩大会提出核心问题：AI距离自主发现新科学还有多远，并给出谨慎判断
- ▸大模型擅长输出「最可能」答案，而真正新发现往往藏在概率分布的长尾中，这是其科学发现能力的根本短板
- ▸与谢宇合作的模拟人生实验证实：模型在结婚年龄、职业、性别等问题上高估常见情况、低估少数分布
- ▸数学和Coding进展快的关键在于存在明确验证器，如编译器、Unit Test和Lean形式化证明系统，可支撑模型迭代
- ▸现实科研验证依赖复杂设备、人为判断和跨团队协作，实验常无法稳定复现，信息爆炸反而降低科研信噪比
🔥犀利点评
这套论证戳破了「算力堆上去、科学发现自动来」的幻觉。长尾低估是最大似然训练的宿命，不是调参能解决的——而基础科学恰恰奖励反共识的异常点。王梦迪真正点破的是：AI科研的瓶颈不在生成而在验证，没有可靠的验证器，再强的模型也只能产出廉价的Ideas。谁先在生物、材料领域造出可信的自动化验证闭环，谁才配谈AI科学家，别再被演示视频骗了。
📰 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 →