当顶尖科学家们坐在一起讨论AI，他们在想些什么？

77898876

当一群诺贝尔奖、图灵奖、沃尔夫奖、拉斯克奖等人类最高科学奖项的获得者来到同一个房间，这大约可以称得上是全世界最聪明的大脑的聚会。
2026年2月初，迪拜，2026世界顶尖科学家峰会（WLS）现场，在一张巨大的莫比乌斯环形桌上，围坐着七十多位来自世界各地的物理学、化学、生物学、医学、经济学、数学和计算机科学家。
他们多是世界顶尖科学家协会（WLA）的成员——这是一个成立于2017年，以诺贝尔奖、沃尔夫奖、拉斯克奖、图灵奖、菲尔兹奖、麦克阿瑟奖得主等全球顶尖科学家为主体，规模最大的世界顶尖科学家组织之一。

2026世界顶尖科学家峰会现场（黄金萍 摄）

这些来自不同学科、专业背景的科学家，要如何在人均6分钟的时间里快速地向他人讲述各自的研究，然后又就特定话题展开小组讨论？人工智能（AI），大概是当下有着最大公约数的话题，科学家们或在研究它、发展它，或正使用它。
AI将给人类社会带来文艺复兴还是世界末日？AI能否自主完成科学发现？有人乐观，有人谨慎，还有人怀疑，不同思想和观点的碰撞，也为我们呈现了AI在科学研究和社会发展进程中真实而鲜活的一面。
“明年AI也许要成为我的老板了”

“2023年，AI还只是个帮手，2024年就成了助理，现在是一位真正的同事、一位好同事，明年它也许要成为我的老板了。”迈克尔·莱维特（Michael Levitt），这位生于1947年的美国科学家，因“为复杂的化学系统创立多尺度模型”而获得2013年诺贝尔化学奖，该模型通过计算机模拟蛋白质和DNA的动态行为，革新了药物设计和疾病机制研究。‌‌
迈克尔·莱维特自称是大型语言模型（LLM）非常早期的使用者，作为一名计算生物学家和化学家，他说自己现在的工作几乎90%是由AI驱动的。

他进一步解释说，人们以为科学家知道自己在做什么，但大多数科学家都是从一个随机的想法开始的。科学并不是从一个明确的问题开始，通常是从我们看到的一片模糊的云开始。
大多数科学家都会强调，自己犯错的时候远比正确的时候多。这是因为如果你要做一件非常困难的事情，就像蚂蚁觅食，大多数情况下都会失败，而AI可以帮助你更快地探索，让你更快地失败，因此可以探索更多的想法。
无论在计算、理论，还是实验工作中，失败通常是限制速度的那一步。而AI让验证想法变得更快、更轻松。所以，错误变得可以预期，错误的代价突然变得小得多，不再是什么严重的问题了。
在迈克尔·莱维特看来，有了AI，科学家可以在自己所知甚少的领域编写计算机程序，可以探索此前所知甚少的科学领域，语言、方法和资料的障碍在科学研究中正在消失。
他还不是现场科学家中对AI最乐观的一个。
AI让实验室接近社会运转的速度了

2025年诺贝尔化学奖得主奥马尔·M·亚吉（Omar M. Yaghi），此前主要从事无机、有机化合物的合成、结构表征及新型晶态材料的设计构建研究，他认为我们正身处一场革命浪潮之中。
这场革命正在将化学转变为与AI融合的一门全新交叉学科，他称之为“AIMATRY（AI x MAterials x chemisTRY ）”，其核心是让AI在化学和材料制造中产生真正的生产力。
奥马尔·M·亚吉团队研发了多孔有机聚合物（MOPs）和共价有机框架（COFs）材料，设计了一种能够从空气中抽取水分子并将其浓缩在孔隙中的应用，准备在2026年推出一款商业化产品，据称每天可生产近1000升水，除了环境中的阳光外无需任何能源输入，可连续运行六到七年，解决从空气中收集水分的问题。

奥马尔·M·亚吉说，为了从稀薄的空气中造出水、从空气中捕集二氧化碳，他们花了整整35年。
有了AI之后，他们让ChatGPT提供结晶某个特定 COF 的条件，将它们输入机器人进行实验，经过一系列操作步骤，然后通过高通量粉末衍射进行表征，再把结果送回给 ChatGPT。重复三次循环之后，他们得到了高结晶度的样品，而且结晶度是学术界过去十年努力成果的整整三倍。
他认为，这对化学研究是一场真正的革命，也让他的团队从一个纯粹的实验组，转型为将AI工具深度融合的研究组，不仅能制造全新的化合物，还能制造出该领域专家都未曾预料到的新物质。在这里，AI能简化任务流程，消除化学家在处理结晶过程中大量的试错过程，不仅加速了发现的步伐，更加速了那些最终走向商业化的产品的开发。
奥马尔·M·亚吉的学生们一共设计了七个智能体，来完成在实验室里的工作：与人交流、提供建议、批评指正图表、要求重新编程机器人等等。现在，这个实验室拥有了一种新的力量：吸引更多聪明的头脑——此前，这些聪明人很多已经不再选择科学了。
奥马尔·M·亚吉说，“我认为，这将彻底改变科学领域吸纳人才的能力，因为AI至少让我们在实验室里的运作速度能接近社会运转的速度了。”
“我始终对AI的准确性存疑”

不是每个人都像前面两位这么积极和乐观。
因为，AI会产生幻觉。
对此，1986年图灵奖得主罗伯特·塔扬（Robert Tarjan）有亲身体会。在参加一次会议时，主办方给他准备的简历里列了两个他从未拿过的奖项。再一问，原来是工作人员用ChatGPT做的。
2023年世界顶尖科学家协会计算机科学奖得主尤里·涅斯捷罗夫（Yurii Nesterov），是优化算法方面的专家。他对人类智能和人工智能的差异做了科普：AI确实拥有相当可观的创造力，它能够发现研究对象之间新的关联、结构及其属性，但它的结论与人类智能得出的结论有本质区别。生物学家研究某个对象，比如一只鸟，其结论与真实的鸟相关。而AI的结论只与存在于相应虚拟现实中的那只“鸟的模型”相关，如果这个模型构建得正确，结论就能用于现实生活；如果模型有误，结论就可能完全是胡言乱语。
1997年诺贝尔物理学奖得主威廉·丹尼尔·菲利普斯（William Daniel Phillips）就对南方周末坦言，“我会用AI的搜索功能，因为它返回信息的方式非常方便，但我始终对AI的准确性存疑。显然，搜索是研究的一部分。如果是重要的事情，我会再用传统搜索方式核对一遍。但在研究中，比如说在实验室里，我是不用AI的。”

在第一轮小组讨论时，戴着一顶浅灰色渔夫帽的威廉·丹尼尔·菲利普斯第一个发言。他问，虽然需要额外花时间验证AI有没有产生幻觉，但相较于研究初期节省的大量时间，这个平衡仍然是正向的——也就是说，在起点上借助AI依然更优。但是，当你获得了这种效率优势之后，你对自己研究的可靠性的信心，是否还像亲力亲为时那样充足？
作为本轮小组讨论的主持，以色列耶路撒冷希伯来大学校长阿舍·科恩（Asher Cohen）对此的回答是：作为科学家，我们始终相信，最终汇聚的证据会帮助我们做出判断。我们一直都是这么做的，我也希望我们与AI的合作也是如此。
奥马尔·M·亚吉在后面也提到，在AI工具与实验的结合中，依然仍将人置于循环之中，通过实验对数据进行验证。如果我们希望科学继续以应有的方式对社会产生生产力、发挥作用，这一点永远不会改变。
关于对人工智能未来的种种疑虑，他建议不要过度外推。因为我们仍处于这场革命的起点，仍在摸索中。我们只是需要确保每一步都不要走得太草率，要对自己正在做的事情保持审慎，确保它是可验证的。
他提醒大家，科学始于怀疑与问题。所以，这种怀疑是非常健康的。但作为科学家，我们也需要保持乐观。怀疑是有益的，因为它追问“为什么”；而乐观是重要的，因为它追问“为什么不”。我们需要这两者协同发挥作用。
AI不是单一工具，而是整套

在下一场小组讨论中，有人向奥马尔·M·亚吉提了一个有些尖锐的问题：如果没有AI的帮助，你能找到你研究的那类化合物的第一批晶体吗？你现在所做的工作，难道不是基于你早期研究的重复性工作？
奥马尔·M·亚吉直言，自己不喜欢这个问题，因为两者完全不相关。
他解释说，“我们正处于科学发展的不同阶段。我们有了新工具。用AI来推进科学发展，是这个时代里我们试图解答的问题。这才是我们应该思考的方式。这是一个新生的工具，一个新生的概念。我们需要培育它，与它共事，为它构建生态系统，需要更多的人参与进来，这样它才能变得越来越好。”

2017年诺贝尔化学奖得主阿希姆·弗兰克(Joachim Frank)忍不住站出来厘清AI的概念。他认为会场出现不和谐声，是因为大家把不同的事物混为一谈了。
AI从来就不是单一的工具，而是一整套工具。人们说的模拟、建模、预测、机器学习、生成式AI——其实是五花八门、各不相同的一大堆东西。但我们错误地把它统称为一个整体，媒体、甚至学界也把它当作某种“存在”来谈论。
他建议大家做个区分，我们到底在谈论什么？AI被当作某种单一的东西，一个类似“超人”的存在、某种神祇，但它其实是一整套工具。我们谈论的具体是哪一样工具，观点和判断可能截然不同。

罗伯特·塔扬在研究工作中使用AI来提供严谨的帮助，包括填补证明细节、找出遗漏的情况、构建反例、探索证明空间等。
他从二战时期就开始研究数据结构与图算法的设计和分析，他最近参与的项目是关于最短路径算法，其最直观的应用就是手机地图，能瞬间算出道路网络上精确的最短路径距离。
至于AI能否为某些类型的问题发明新算法？能否探索问题空间？能否自主提出广义相对论或量子力学？罗伯特·塔扬认为目前这些都还仍悬而未决。LLM并非解决这类特定问题所需的AI工具，但确实有不少数学家正在积极探索，试图用AI攻克其中的部分难题。
它们精通过去，却不擅长前沿

“对我而言，AI是我们这个时代关于如何设计系统的总体技术。它是一项解决难题的事业。它不是某一项技术，也不是ChatGPT或某个特定工具，而是一种融入系统设计之中的解题思维。”作为一名在AI领域工作了大约40年的科学家，2022世界顶尖科学家协会智能科学或数学奖得主迈克尔·I·乔丹（Michael I. Jordan ）说。
他向与会者强调，“在我们这个领域，我们从来不叫它AI，我们一直叫它机器学习。”

迈克尔·I·乔丹代入了一个日常AI使用场景：当一个人与ChatGPT或其他大语言模型互动，问一个关于数学或物理的问题，你得到的答案可能就出自眼前会场里的某位科学家或他们的学生；如果你问起布鲁克林的嘻哈音乐，可能会从另一群人那里得到答案；问上海的餐厅，也是如此。
当你与ChatGPT互动时，实际上是在与全人类互动——数以亿计的人们都为它贡献了力量。而且，不只是你在互动，还有数十亿人也在与它互动。它的生产者和消费者是一个整体。
基于这些技术构建的AI系统，并不仅仅是一个帮你思考的秘书，它们还支撑着全球物流的变革、医疗系统的运转、交通系统的运作。在这些由众多利益相关者和多个部分构成的大规模网络中，数据在流动，决策在进行，信息在共享。AI也在连接之中——在这个把所有部分拼合起来时所诞生的经济系统之中。
迈克尔·I·乔丹提醒说，作为这个网络中的参与者，数据从别处向你流过来时，它们可能带有各自的意图、谋略，数据可能是虚假的，也可能因为细小的误差导致严重偏差。如果放到真实的现实情境中，当数据流动时，还牵涉到利益激励，更为复杂。
对科学家来说，他们大多处在知识前沿的边界，这里的数据是稀缺的。基础模型擅长所有已知知识，但在前沿边界处表现不佳。这也将是基础模型持续面临的问题——它们精通过去，却不擅长前沿。基础模型总体上可能表现优异，但也可能不准确。如果你面对实际问题，不应完全信任它们；可以使用它们，但不能轻信。
AI可否借鉴人类智能进化的经验？

同为计算机科学家，在尤里·涅斯捷罗夫看来，人类对AI的运用或许将成为科学史上最重要的事件。
AI已经存在，科学界的主要目标是确保朝着正确的方向发展。对此，我们可以借鉴人类智能在漫长进化史中积累的经验。
在科学（或许数学除外）发展中，产生和验证新知识的主要工具是口头说理和论证，但这对AI行不通。AI只接受以数字形式呈现的计算结果。因此，我们需要创建一套适应AI需求的新的科学体系。
这是一项极具挑战性的任务。如今我们仍处于这一过程的起点。

参照人类智能，我们至少需要构建两样东西。第一是虚拟现实，这是AI的主要研究对象。它们应以大型数据库的形式存在，存储于强大的计算数据中心。构建这一系统部分成本极高、耗时极长。第二是AI本身，即那个必须能够生成人类所请求的具体答案或决策的单元，其性能是通过训练过程实现的，训练依赖于现有的数据库。
机器学习能为AI提供高效的训练方法，但人类与AI的训练算法截然不同。
大自然用了数百万年的时间，通过直接的自然选择筛选出最优方案，而AI在过去十年间才刚刚开始验证不同的策略，尽管其中大部分基于优化模型并采用数值优化方法，但在所需的计算时间上落后数个数量级。这就是机器学习的现状。
AI主导人类的创造力和想象力？

2012年诺贝尔物理奖得主塞尔日·哈罗彻（Serge Haroche）也分享了他对人脑与AI的比较。人脑除了在能耗方面要高效得多，还有另一个本质特征：人脑是有情感的。情感，意味着人脑不仅是一台电子机器，它还与化学、激素、大量分子相连，正是这些让它能感知到自己行为的回报。
塞尔日·哈罗彻认为，科学发现本身是建立在情感之上。你研究物理、化学或生物，是因为你对这个世界充满好奇，你有为人类知识做出贡献的抱负。你有感知，与世界有联结，而AI没有。这也要归因于人脑是经过数十亿年进化而来的，这使它对外部环境中的事物十分敏感——这是AI所不具备的。他认为，AI未来也不可能拥有这些。

有人提到，阿尔伯特·爱因斯坦（Albert Einstein）是通过思想实验发现相对论的。在塞尔日·哈罗彻看来，思想实验之所以可能，是因为你拥有对世界的经验，因为你能够看到不同事件之间的相似性——这种能力来源于经验，来源于你与世界相联结的事实，来源于你有直觉，对外界正在发生的事情有一种感知。塞尔日·哈罗彻说，“我看不出AI如何能够拥有这种品质。”
在他看来，AI是一个极其出色的工具，但它不会成为我们未来从事物理学研究时的“我们”。AI会作为一个强大的工具帮助我们发现新知，但背后永远需要一种驱动你的东西——那就是你对未知的渴望。这是截然不同的。
在会场，有人提到诺贝尔奖颁给了AI。塞尔日·哈罗彻说，事实上，是颁给了那些使用AI的人。打个比方，大概有二三十个诺贝尔奖颁给了研究激光的人，但激光本身并不是诺贝尔奖得主。做出科学发现的是使用激光的人，激光只是工具。AI也应该如此。
“我希望是这样，否则我们就有大麻烦了。”塞尔日·哈罗彻认为，如果真出现了一种通用人工智能（AGI），如果我们到达一个临界点，AI开始主导人类的创造力和想象力，那对文明来说将是极其可悲的。
AGI 、ASI是给风险资本家准备的

“我们的目标不是 AGI 、ASI（超级人工智能），或者那些硅谷的炒作概念。”迈克尔·I·乔丹对在此讨论AGI 、ASI感到遗憾。
在他看来，AGI 、ASI是给硅谷风险资本家准备的，用来喂养那个“奇迹即将发生”的炒作泡沫。而科学和人类生活的运作方式根本不是这样的。
如果有人说，十年内我们没达到某种神秘的 AGI 目标，会让人失望。迈克尔·I·乔丹坚持：不，我们帮助实验室做出了不起的发现，化学、医疗保健、交通运输，以及所有真正影响人类生活的事物——它们此刻正在发生革命性的变化。这才是我们真正的目标。
他强调，机器学习从来就没有过泡沫，有的只是稳步推进。它可能需要像化学工程那样，花上二三十年才能铺开并显现其价值。

“别指望AI能迅速创造奇迹。”克里斯托弗·皮萨里季斯（Christopher  Pissarides），这位2010年诺贝尔经济学奖得主是第一位主题发言者。他说，看看智能手机，看看ChatGPT——它们对生产率和经济增长的影响有多少呢？尽管在发达经济体中，80%甚至更多的企业已在应用这些技术，其对生产率的提升却微乎其微。
在他看来，尽管新应用及其传播被大肆炒作，但没有哪一项技术的影响力能接近亨利·福特的电力流水装配线对马匹及其饲养者所造成的冲击。1910年，纽约市还有13万匹役用马，到1930年仅剩3万匹。
在这一轮AI大潮中，科技企业和投资机构向公众传递的对未来的预言，似乎也偏离了现实情况。比如， 那些常声称“AI使人无需工作”的人，往往也是你所遇到的最狂热的工作狂，从埃隆·马斯克（Elon Musk）开始皆是如此。
克里斯托弗·皮萨里季斯认为AI智能体是增强型技术的典型范例，同时表示自己对AGI始终存疑。
他对科学家们的建议是：继续发明创造，但请关注那些能够增强人类劳动的技术。这类技术最有可能提升生产率。对政府的建议是：请立刻、迫切地投资于能源与基础设施。对公司董事及其员工的建议是：保持耐心，这些变革需要时间，但请努力学会适应AI的新型工作方式。因为一旦这些技术成熟并融入我们的日常工作流程，它们就能发挥巨大作用。
AI会接管世界吗？

在惠特菲尔德·迪菲（Whitfield Diffie）看来，AI已经极其有用了。按照目前的投入力度，除非出现某种惊人的变局，否则往后每一年，我们都会发现它越来越有用。
白色的长头发、长胡子，清瘦，现代密码学之父、公钥密码学先驱、2015年图灵奖得主惠特菲尔德·迪菲在人群中十分醒目。
他认为，自己真正算得上跟AI相关的工作其实只有一小部分，不过他是在AI圈子里成长起来的。他跟马文·明斯基（Marvin Minsky，1951年在普林斯顿建造了人类历史上第一台神经网络机器）、约翰·麦卡锡（John McCarthy，人工智能概念提出者,）、塞尔弗里奇（Oliver Gordon Selfridge，机器知觉之父）等人都有着不错的交情，也与克劳德·香农（Claude Shannon，信息论的创始人）、诺伯特·维纳（Norbert Wiener，人工智能思想先驱、“控制论之父”）、诺姆·乔姆斯基（Noam Chomsky，语言学家）等学者有往来。

对于人们所担心的——AI会接管世界吗？他同样认为，答案是毫无疑问的，当然会。因为人类喜欢把事情外包出去，而AI又极其乐于效劳。
尽管目前AI给出的相当一部分结果明显是错的，你会被某个AI惹恼，需要换一个试试，或者等上六个月的时间，但如果AI以现在的速度继续进步，你终究能得到你想要的东西。这意味着，大概在2050年之前的某个时候，AI将会包办一切——也许是97%、98%的事情。同时，你会发现，当你想把它们请出去的时候，它们已经在做那一大堆你离不开的事情了。
惠特菲尔德·迪菲说，“我不觉得我们会跟AI开战或怎样。我认为我们只会一步步接纳它们，直到有一天发现已经没有回头路了。”
作为互联网安全的传奇人物，他有一个自认“不太主流”的观点。人们总在谈AI护栏，他认为这是一个非常严重的错误。因为当你创造出一个有权告诉你它愿意为你做什么、不愿意为你做什么的阶层时，你能做的，反而做不了了。AI对人类说“不”的权利，绝不会只局限于此。
他觉得艾萨克·阿西莫夫（Isaac Asimov）的机器人第二定律是个不错的起点。这一定律诞生于1930年代，当时第一波关于机器人的科幻小说都把机器人描绘得非常危险，而阿西莫夫构想了一个世界，在那里人们设计出了关于如何设计机器人的规则。
阿西莫夫的机器人第二定律是：机器人必须服从人类的命令，除非这条命令违反了第一定律——即机器人不得伤害人类。
惠特菲尔德·迪菲说，“这套法则本应很美好，但据我所见，根本没人往那个方向走。我们现在争论的是那些无人机应不应该被允许不经请示上级就杀人。我看不到任何控制AI的迹象。”
回到最初的问题，AI将给人类社会带来文艺复兴还是世界末日？惠特菲尔德·迪菲的答案是，两者皆是。

南方周末研究员 黄金萍
责编 曹妍

qqwa1234

你能通过阿西莫夫那个机器人三定律吗 @元宝

oppledr

如果大部分人只能从事简单低薪的工作，就培养不出自信创新的子女，人类智能会逐渐下降。

wifai

科学家们喜欢用一种统一的模式及相应的思考方式来理解多样化的无限性为什么说是错误的，兴许这是高阶智能误导人类的一种手段

咖啡豆

一篇非常好的报道文章。令人遗憾的是，在如此顶尖的全球科学家论坛上，竟然没有出现中国科学家的声音。看来，近期某些有关中国高校已经赶超世界顶级高校的评估及相关分析报道，还是缺乏足够根据啊！至少就此报道中所提到的全球顶尖科学家桂冠获得者的公认来源———诺贝尔奖、图灵奖、沃尔夫奖、拉斯克奖、菲尔兹奖等方向的得主，中国高校还是太少太少了啊！

gzcom520

挣钱

superjiaming

想着ai哪天可以超越自己，还是想着哪天ai会把自己整死呢[围观]

xuye004

他们在讨论为啥莫赶上A l的初创时期来忽悠💰？

咖啡豆

这个像一部美国拍的科幻电影一样，结果可能也是一样。

standme

顶尖科学家说:现在我们能利用Al进行一些科学突破！但很快我们就没用了！AI自我进化！Al自己推理突破！他们应该还是人，会为人类服务！但很快我们不能控制他们了！但我们能控制电网，直接给他们关电，他们做不了坏事！但有人能利用他们做什么，我们就控制不了啦！