Scientific Discovery AI

Scientific Discovery AI（科学发现 AI）

定义

Scientific Discovery AI 是把模型、科学表示、搜索/模拟/工具与可验证实验反馈组织成闭环，让 AI 能提出、执行和筛选科学假设，并把结果回流到后续决策。组合搜索与明确 objective 是其中一种强形态，但不是所有物理科学任务都具备干净、确定的 reward。

为什么重要

科学发现是检验 AI 是否能超越文本生成的重要场景。它要求系统不只是复述论文或给出方案，而是在庞大搜索空间中找到人类难以穷举的结构，并把结果变成可验证的理论、实验或工具。

Hassabis 从 AlphaGo 和 AlphaFold 总结出一个模式：当问题可以被描述为海量组合搜索，并且有可优化目标函数时，AI 能找到 needle in a haystack 式的解。围棋中的惊人落子和蛋白质结构预测，都是这个模式的不同实例。后续 DeepMind/Biohub 对谈进一步提醒：AlphaFold 的成功目标主要对应 PDB-like structure prediction，不能直接扩写成 protein dynamics、function 或完整 folding distribution 都已解决。

关键数据点

• AlphaFold 被全球数百万研究者使用，说明科学发现 AI 的价值不只是论文指标，而是能成为科研基础设施。
• Hassabis 提出的通用条件是：组合搜索空间足够大、目标函数清晰、有足够数据或模拟器生成分布内数据。
• 药物发现可被表述为搜索问题：如果物理规律允许某种化合物存在，难点就是如何高效找到它。
• 确定性检索层（Deterministic-Retrieval） 的缺失是科学智能体的核心瓶颈。Anthropic 研究显示，在引入 gget-virus 后，Agent 在病毒序列检索上的准确率从 16.9% 提升至 99.7%（2026）。
• 虚拟细胞路线需要更强的观测和模拟能力，可能依赖无损活细胞纳米级成像，也可能依赖更好的学习型模拟器。
• 通用模型不应把所有专业科学知识塞进一个巨大脑袋；更可行的是通过 工具使用架构 调用 AlphaFold 这类专用系统。
• Google Research 的新水文模型相对旧版本，在有测站流域延长六天可靠预测窗口，在无测站流域延长一天；更重要的是，团队把模型架构、训练管线、文档和教程开放给运营机构。

两种层级

层级	任务	代表问题
搜索型发现	在已有规则和目标函数下找到极优解	围棋走法、蛋白质结构预测、候选分子搜索
框架型发现	提出新的问题、理论或解释结构	Einstein Test 所关心的新理论生成

当前方法在第一层更有把握。第二层需要更强的类比推理、世界模型、持续学习和对“什么问题重要”的判断。

Problem-first scaling：先找对可扩展问题，再谈规模（2026-10）

20261010-latentspace-biohub-deepmind-protein-folding 给 Scientific Discovery AI 补上一个更上游的设计原则：scaling law 不是默认存在的自然法则，而是需要研究者找到的可扩展问题结构。 Sal Candido 强调，只有数据真正包含解决目标问题所需的 information statistics，增加 data / compute 才会稳定产生能力；Pushmeet Kohli 则把方法论概括为 problem-first——先确定科学目标，再判断瓶颈究竟在 modeling、compute、data generation 还是 domain expertise。

这同时修正了“craft vs scale”的假二分。小数据条件下，biophysics / biochemistry 等科学先验可以显著提高 sample efficiency；数据规模扩大后，错误 inductive bias 又可能限制模型发现未知结构。数据策展本身也不是机械堆量：重复相同信息不会自动扩大有效 information coverage。

判断：科学 AI 的资源分配顺序更接近：

problem / desired outcome
  → required information
  → measurement / data coverage
  → valid scientific priors
  → architecture / compute
  → calibrated uncertainty + external validation

Scale 是这条链条成立后的放大器，而不是替代问题定义的万能策略。

AlphaFold 的成功边界：benchmark contract ≠ 整个科学问题

Kohli 对 AlphaFold 的回顾提供了一个重要的 scope correction：团队实际面对的是“给定研究者获得并存入 PDB 的结构，模型能否预测与其一致的结构”，而不是已经知道并恢复蛋白在真实环境中的完整 ground-state distribution。蛋白可能 disorder、随上下文改变构象；function、dynamics 和 design 也仍是独立开放问题。

判断：Scientific Discovery AI 的成功声明必须绑定 measurement target / reference distribution / operating scope。当一个清晰代理任务被做得极好时，最大的认知风险之一就是把 proxy victory 写成原始科学问题已整体解决。

• 证据：20261010-latentspace-biohub-deepmind-protein-folding（Transcript L108-L146）。
• 边界：这不是对 AlphaFold 科学价值的否定；它是对传播层“protein folding solved”口号的边界校准。AlphaFold 对结构预测的突破仍然成立，只是不能外推到 dynamics / function / complete folding distribution。

第二条路线：连续物理系统的结构先验（08-27 补充）

Hassabis 叙事的"组合搜索 + 目标函数"是一种科学发现路线；Anima Anandkumar（2026-08）补上了第二种——连续物理系统（天气/聚变/流体）用结构归纳偏置建模。两者共享"用 AI 找科学方案"的目标，但搜索空间与先验来源不同：

维度	组合搜索路线（Hassabis）	连续系统路线（Anima）
问题空间	离散组合（蛋白质折叠、分子、围棋）	连续演化（大气、等离子体、流体）
核心机制	海量搜索 + 目标函数	Neural Operators（函数映射）+ 物理先验
先验来源	规则、仿真器、策略网络	PDE 结构、球谐/Fourier 基底、物理直觉
规模假设	可扩充（锦上添花的 scale 故事）	反抗 token scaling（数据稀缺 + 百亿级 context）
代表系统	AlphaGo / AlphaFold	FourCastNet / Spherical FNO / TorchLean

关键机制（值得沉淀）：

• Neural Operators：把"网格建模"改为"任意分辨率输入输出间的函数映射"——不再建模 grid，而是建模跨尺度演化的函数；Fourier Neural Operator 在频域学习，球谐变体把"地球是球"的先验 baked in，模型可稳定滚动数月而非数天
• 物理世界比预期宽容：聚变数百个样例即可预测 plasma disruptions，AI 仿真比传统仿真快 ~100 万倍——结构先验大幅降低数据需求，与语言模型的 scale 依赖形成对照
• context 的物理上限："网格 1000³ ≈ 数百亿到万亿 context length，所以别想用 transformer 做这个规模"——这是 token scaling 的科学域边界证据

长期愿景：物理基础模型（跨多现象、模拟 + 设计）；但与语言模型不同——"把深度学习有效成分变得更有原则（principled）"，而非等价 scale 故事。

边界

"数千样例即可"依赖特定领域（低维去歧义问题）；"百万倍快"为受访者主张需检原论文。两条路线的划分是机制性对照，不是 Either/Or——真实科学发现系统可能二者结合（结构先验 + 组合搜索）

第三条路线：Scorable Task + LLM Tree Search

John Platt 对 Google ERA（Empirical Research Assistance）的描述补出第三条机制路线：科学家先把问题转译为可执行的 scoring contract，LLM 在 specialized harness 中生成和变异 notebook，再用 Monte Carlo Tree Search / UCB 在候选树中做非贪婪搜索；共享试验历史让后续分支吸收此前失败与成功的信息（20260922-latentspace-john-platt，00:04:16–00:14:42）。

判断：在可评分的计算型科研问题中，Agent 的关键杠杆不是直接替代科学判断，而是把“可尝试的实验软件空间”扩大几个数量级，从而把人的瓶颈上推到目标函数定义、科学解释和结果验证。

• 证据：20260922-latentspace-john-platt（00:15:01–00:18:13；00:22:27–00:34:26）。Platt 明确说 scoring function 会被 Agent 找到漏洞，需要反复重写；对 descriptive science 还必须处理 multiple-hypothesis testing、false discovery 和隐藏 holdout。
• 边界：scoreable task 天然偏向有可执行 objective 的问题。Platt 同时明确表示，当前系统还不能独立发现 completely new physics / completely new science；predictive fit 也不能直接升级为对现实机制的 descriptive truth。

这一路线和已有两条路线形成互补：

路线	核心可计算结构	Agent/模型的主要作用	主要硬边界
组合搜索（Hassabis）	巨大搜索空间 + 明确 objective	在组合空间中找极优解	objective 是否代表真正问题
连续物理（Anima）	PDE / operator / 结构先验	学习跨尺度动力学	数据稀缺、物理先验与超长 context
Scorable Task（ERA）	scoring contract + executable notebook	LLM 引导 tree search、代码变异与重组	score gaming、holdout 污染、科学解释

计算闭环仍不是实验闭环

判断：ERA 目前证明的是“计算研究环节可以被高吞吐 Agent 化”，而不是端到端 autonomous science；真实实验、传感与数据采集仍是闭环中的外部硬边界。

• 证据：20260922-latentspace-john-platt（02:00:21–02:00:49）。Platt 把最想消除的瓶颈描述为一个可接收 JSON 并自动执行任意实验的 “everything lab”，并强调当前 ERA “it's all computational”。
• 边界：不同科学领域的实验成本差异极大；纯计算数学、仿真或已有数据集任务可以更接近闭环，而湿实验、材料、机器人和大科学装置仍受物理执行层限制。

第四条路线：实验现实成为训练环境（Periodic Labs，2026-10）

20261009-latentspace-periodic-synthesis-superintelligence 给“everything lab”补出一个更具体的现实方向。Periodic 把材料 discovery loop 写成：

hypothesis / candidate
  → simulation / physical priors
  → synthesis
  → characterization
  → multimodal evidence + uncertainty
  → next experiment

与代码、数学或 ERA 的计算任务不同，这里的 environment 本身是物理实验室：观测昂贵、延迟高、部分可见且带随机噪声；材料出炉后不会自带正确标签，设备漂移、温差、振动、XRD 多解和 telemetry 缺口都会污染 observation。因此不能把“最终有没有做出目标材料”直接当成一个可大量 rollout 的干净 RL reward。Periodic 的做法是先围绕 characterization、phase identification、experiment choice 等局部环节构造训练任务，再让真实实验把这些局部能力重新闭合。

判断：对物理世界的 Scientific Discovery AI，实验室不只是模型执行完之后的 actuator，而是产生新知识、校准模拟、构造训练环境和制造未见数据的一等 epistemic infrastructure。这把科学 Agent 的验证边界从“对已有 reference 打分”推进到“主动生成新的 reality evidence”。

• 证据：20261009-latentspace-periodic-synthesis-superintelligence（00:02:49–00:13:28；00:30:22–01:06:06）。访谈明确把实验称为 ultimate truth，同时强调 uncertainty、sample efficiency、timestamped evidence、null results 与完整 campaign lineage。
• 边界：这是 Periodic 创始团队的一手系统描述，不是独立 benchmark。更重要的是，“实验是真值”不等于 measurement 无噪声：现实反馈仍需 replicate、多模态 characterization、物理先验和 instrument calibration 才能成为可靠 evidence。

科学过程数据比成功终点更稀缺

Periodic 还把训练数据单位从“论文中的最终成功结果”扩大到完整 scientific process：scientist conversations / intuitions、实验条件、computations、代码、失败/negative results、仪器状态和从多次失败走到成功的 campaign trace。团队还提出按时间冻结某一刻的 evidence state，要求模型只用当时可见信息做下一步决策，以降低模型靠后来公开答案“fake work”的风险。

判断：物理科学中的高价值 proprietary data 可能不是更多成功样本，而是带时间、动作、条件和失败 provenance 的 process lineage。这类数据同时服务训练、验证和因果式复盘；只保留论文式成功结果会系统性丢掉搜索空间中最有价值的负证据。

• 证据：20261009-latentspace-periodic-synthesis-superintelligence（00:53:16–01:06:06）。
• 边界：negative result 不能直接解释为“不可实现”；失败可能来自 synthesis method、设备或技能。timestamped state 也只能降低 contamination，不能在未知预训练数据条件下证明 reasoning 完全无泄漏。

Domain-native Foundation Model：直接学习科学对象

20260923-latentspace-eric-biosecurity 用完整访谈补出一个与外层 Agent orchestration 不同的 scientific AI 层次：Genome Language Model 直接把 biological sequence 当作基础建模对象。HyenaDNA 的出发点是 biological sequence 的极长 context；Evo 把能力从 read 推到 write；Omni 则进一步把 base model 通过 task structure、mid/post-training 和 supervised alignment 映射到科学家真正使用的预测与设计任务（Transcript L34-L58、L96-L144、L196-L230）。

判断：Scientific Discovery AI 至少需要区分三层能力：

1. domain representation：模型是否直接学习科学对象的原生表示；
2. task alignment：是否能把 base representation 映射到实际科学问题和输出格式；
3. agent orchestration：是否能在更高层规划、调用工具和闭环验证。

在生物域，domain-native model 不只是被 Agent 调用的“一个工具”，它本身会成为可搜索、可条件化和可生成的科学空间。

• 证据：20260923-latentspace-eric-biosecurity（Transcript L34-L58、L96-L144、L196-L230）。
• 边界：Omni 的 benchmark、alignment recipe 和 generalization 主要来自厂商自述；长 context 和统一模型并不自动等价于 general biological intelligence。

Score-conditioned generation 不是已证明的 biological CoT

访谈把一项实验称为 biological “chain-of-thought”：给模型一系列按 fitness score 递增的 biological sequences，隐藏表现最好的部分，再让模型继续这一 progression。模型在 in-silico 结果中能够恢复部分更高分候选（Transcript L248-L270）。

判断：当前更稳妥的抽象是 score-conditioned in-context optimization / extrapolation，而不是已证实与自然语言 CoT 同构的内部推理链。

• 证据：20260923-latentspace-eric-biosecurity（Transcript L248-L270）。
• 边界：Nguyen 明确说 wet-lab validation 当时仍在进行；因此该结果只能证明计算层行为，不能把 in-silico score 直接升级为真实 biological function。

验证链从 benchmark 延伸到真实世界

全文还把 scientific AI 的验证边界拆成三层：训练/benchmark 层防 data leakage（Transcript L232-L238）、representation 层用 mechanistic interpretability 检查 embeddings/activations 中是否出现可解释 biological structure（L450-L490）、最终 design claim 回到 wet-lab / real-world measurement（L266-L270）。

判断：domain-native model 越接近真实科学对象，verification 越不能停在 benchmark；可信链需要从数据划分一直延伸到独立物理反馈。

• 证据：20260923-latentspace-eric-biosecurity（Transcript L232-L238、L266-L270、L450-L490）。
• 边界：访谈中的 leakage QC 与 mech-interp 仍是团队自述，未提供足够细节用于独立复现。

Capability 与 Defense 的耦合

同一 biological model frontier 同时推动 design 与 defense。Nguyen 明确提出“dual mandate”：生成能力更强的模型也可以用于 discrimination / risk prediction，并把 design/defense 描述成持续的 arms race（Transcript L506-L516、L594-L620）。

判断：当同一 model frontier 同时服务 discovery 与 defense 时，“提升能力”和“降低风险”不再是可独立优化的两个轴；治理必须把模型能力、访问权、domain-level checking、物理执行接口与环境级检测分层控制。

• 证据：20260923-latentspace-eric-biosecurity（Transcript L506-L586、L594-L620）。
• 边界：这是 Radical Numerics 的战略框架，尚缺独立跨模型 benchmark 与长期 field evidence；不能直接推出“更强生成模型必然带来更安全结果”。

从科学突破到运营基础设施

科学 AI 的价值不只取决于模型能否达到更高 benchmark，还取决于发现能否进入研究和运营机构的标准工作流。

Google 水文框架提供了一个完整转换链：

研究模型
  -> 可复现架构与训练管线
  -> 本地数据和知识进入模型
  -> 伙伴机构验证
  -> 适配既有运营平台
  -> 本地机构持续运行和改进

开源运营型 AI 框架因此是 Scientific Discovery AI 的下游基础设施。它把科学能力从发布方的研究成果，变成其他机构可拥有、可修改、可集成的工作能力。

与 Agent 架构的关系

科学发现 AI 很可能不是一个单体模型，而是一个 agentic tool-use system：

• 通用模型负责拆问题、规划实验、调用工具和整合结果。
• 专用模型负责蛋白质、材料、药物、数学或模拟器中的特定能力。
• World-Model 负责把实验结果和理论假设连接起来。
• Continual-Learning 负责让多轮实验经验不被遗忘，也不被错误经验污染。
• 确定性感知层与约束闭环: 对于生物学等敏感领域，基础设施必须从“步行者”模式转型为提供 Agent-native 数据访问路径。通义实验室（2026）进一步指出，质量不是生成的，而是通过注入硬约束和自动化判据（Automated-Criteria）收敛出来的。这对于需要极高精度的科学交付至关重要。

这与企业 Agent 的结构类似：通用 orchestrator 不替代所有专家系统，而是协调专用工具、检索、验证和人类判断。

前提与局限性

• 清晰目标函数不是所有科学领域都有；“什么是好猜想”比“怎样赢棋”更难定义。
• 数据和模拟器可能是瓶颈，尤其是生命科学中无法直接观测的动态过程。
• 搜索型突破不等于真正原创；系统可能会解已有问题，却不会提出新问题。
• 科学发现结果必须经过实验或形式化验证，不能只靠语言说服。
• 开放模型和训练管线不会自动产生运营采用；本地数据质量、集成能力、责任链和长期维护仍可能成为瓶颈。
• VirBench 基准测试 揭示了当前模型在原生检索任务中的高随机性和不稳定性。

关联概念

• Einstein-Test - 检验系统能否提出新问题和新理论
• Continual-Learning - 多轮实验需要累积经验并避免遗忘
• World-Model - 科学探索需要可更新的环境和理论表示
• Tool-Use-Architecture - 通用模型应协调专用科学工具
• Demis-Hassabis - AlphaGo / AlphaFold 路线背后的关键人物
• Open-Source-Operational-AI-Framework - 把科学模型转成可被本地机构运营和改进的基础设施
• Deterministic-Retrieval - 通过结构化工具与领域规则提高科学数据检索的可重复性和可靠性
• Biological-Data-Infrastructure - 为 Agent 设计的科研数据底座
• Laura-Luebbert - 科学智能体基础设施的研究者
• VirBench - 衡量科学检索准确性的基准