谷歌DeepMind报告：AI智能体2天复现科学家10年结论

当 AI 把「提出猜想」变得像开闸放水，科学界却卡在了更古老的一环——验证。

Google DeepMind 刚发布一份题为《Conjecture Machines》的报告，十位研究员和工程师坐下来聊了一件事：当 AI Agent 涌入科学界，接下来会发生什么？结论是，Agent 正在把科研变成一台高速运转的「猜想机器」，但物理世界的验证速度、同行评审节奏、数据基础设施全都跟不上。新的瓶颈已经出现。

故事从伦敦帝国理工的微生物学家 José Penadés 讲起。他团队花了近 10 年，研究一类超级细菌如何传播抗生素耐药性，结论一直压在实验室内部没发表。2024 年，他把问题描述丢给 DeepMind 的 Co-Scientist——一个会自己拆解目标、调度子任务、调用数据库、写代码操作机器人的 AI Agent。两天后，系统返回 5 个按优先级排序的解释，排第一的那个，跟他花 10 年证明的假设一模一样。Penadés 第一反应是电脑被人黑了。

这不是孤例。斯坦福的 Gary Peltz 研究肝纤维化，凭几十年经验挑了 2 个候选药做实验，全无效；Co-Scientist 挑了 3 个，其中 2 个不仅阻断纤维化，还促进了肝细胞再生。AlphaEvolve 则调度一群 Agent 无人值守地进化方案，帮 Google 设计了下一代 TPU 芯片，还帮陶哲轩解决了公开的 Erdős 问题。

但报告真正点破的是那道裂缝。卡尔·波普尔说科学靠「猜想与反驳」前进，AI 改变了这对关系的经济学：猜想变得丰富且廉价，反驳依然是物理的、制度性的，所以昂贵且缓慢。在数学和计算机科学里，验证能在硅基世界用 Lean 这类形式语言完成；而大多数学科，细胞要时间生长，化学反应要时间完成，实验室设定了节奏。

于是 DeepMind 给资助机构和政策制定者提了四个优先级：让科学家用上 Agent、让国家数据资产对 Agent 友好、砸钱解决验证瓶颈、给同行评审也配上 Agent。报告反复强调一句警告——AI Agent 不能成为少花钱搞科学的理由，那将是一个悲剧性的虚假节约。科学家用上 Agent 之后不会再回头了，但管理科学的那些制度，自己还没跟上。