谷歌DeepMind報告：AI智慧體2天覆現科學家10年結論

當 AI 把「提出猜想」變得像開閘放水，科學界卻卡在了更古老的一環——驗證。

Google DeepMind 剛釋出一份題為《Conjecture Machines》的報告，十位研究員和工程師坐下來聊了一件事：當 AI Agent 湧入科學界，接下來會發生什麼？結論是，Agent 正在把科研變成一臺高速運轉的「猜想機器」，但物理世界的驗證速度、同行評審節奏、資料基礎設施全都跟不上。新的瓶頸已經出現。

故事從倫敦帝國理工的微生物學家 José Penadés 講起。他團隊花了近 10 年，研究一類超級細菌如何傳播抗生素耐藥性，結論一直壓在實驗室內部沒發表。2024 年，他把問題描述丟給 DeepMind 的 Co-Scientist——一個會自己拆解目標、排程子任務、呼叫資料庫、寫程式碼操作機器人的 AI Agent。兩天後，系統返回 5 個按優先順序排序的解釋，排第一的那個，跟他花 10 年證明的假設一模一樣。Penadés 第一反應是電腦被人黑了。

這不是孤例。斯坦福的 Gary Peltz 研究肝纖維化，憑幾十年經驗挑了 2 個候選藥做實驗，全無效；Co-Scientist 挑了 3 個，其中 2 個不僅阻斷纖維化，還促進了肝細胞再生。AlphaEvolve 則排程一群 Agent 無人值守地進化方案，幫 Google 設計了下一代 TPU 晶片，還幫陶哲軒解決了公開的 Erdős 問題。

但報告真正點破的是那道裂縫。卡爾·波普爾說科學靠「猜想與反駁」前進，AI 改變了這對關係的經濟學：猜想變得豐富且廉價，反駁依然是物理的、制度性的，所以昂貴且緩慢。在數學和電腦科學裡，驗證能在矽基世界用 Lean 這類形式語言完成；而大多數學科，細胞要時間生長，化學反應要時間完成，實驗室設定了節奏。

於是 DeepMind 給資助機構和政策制定者提了四個優先順序：讓科學家用上 Agent、讓國家資料資產對 Agent 友好、砸錢解決驗證瓶頸、給同行評審也配上 Agent。報告反覆強調一句警告——AI Agent 不能成為少花錢搞科學的理由，那將是一個悲劇性的虛假節約。科學家用上 Agent 之後不會再回頭了，但管理科學的那些制度，自己還沒跟上。