AlphaFold拿了诺奖才五年，Google用AI做科学的思路已经变了

（来源：麻省理工科技评论）

周二的 Google I/O 主题演讲上，Google DeepMind CEO 德米斯·哈萨比斯（Demis Hassabis）宣称我们正“站在奇点的山脚下”。这句话很抓人——所谓“奇点”是一个理论上的未来时刻，届时 AI 将迅速超越人类智能、深刻改变世界。

但坐在台下的我注意到的是他说这番话的语境：他登台是为了用一段关于科学 AI 的内容来收束整场演讲。重头戏是一段视频，展示了 Google 的天气预测软件如何在去年飓风梅利莎（Hurricane Melissa）灾难性登陆牙买加之前发出了预警，可能挽救了生命。如果这款叫 WeatherNext 的软件确实帮助了人们逃离风暴或更好地加固房屋，那是一项巨大的、有实际意义的成就。但它很难算是“奇点即将到来”的证据。

哈萨比斯的宏大修辞和 WeatherNext 的实际成果之间的反差，恰好凸显了 AI 用于科学的两条路线之间的张力。第一条路线聚焦专用 AI 工具，比如 WeatherNext，专门设计和训练来解决特定的科学问题。第二条路线是基于大语言模型的智能体系统，目标是有朝一日在没有人类参与的情况下执行前沿研究项目。

第二种愿景是当下 AI 热潮的重要驱动力，包括最近围绕“递归自我改进”的兴奋——AI 系统最终可能成为 AI 进步的主要推动者，而且随着系统变得更聪明，这个过程会越来越快。智能体系统现在已经在做出真正的科研贡献，有时只需要有限的人类指导。

就在这周，Google Cloud 首席科学家普什米特·科利（Pushmeet Kohli）在学术期刊《代达罗斯》（Daedalus）的 AI 与科学专刊上发表文章写道：“我们正在走向一种 AI，它不只是辅助科学，而是开始做科学。”当自主 AI 科学家出现在地平线上时，花大力气开发超级专用工具就变得更难自圆其说了——哪怕是 AlphaFold 这种帮 DeepMind 科学家拿下诺贝尔奖的工具，或者 WeatherNext 这种可能救命的系统。这也预示着一个更奇特的科学未来：人类和 AI 系统作为同行协作，甚至 AI 独立推动科学进步。

需要说清楚的是，Google 看起来并没有放弃专用科学 AI 工具的开发。针对遗传学和地球科学应用的 AlphaGenome 和 AlphaEarth Foundations 去年夏天发布了，最新版的 WeatherNext 也在 11 月上线了。

而且这类工具在科学家中仍然非常受欢迎。去年 Google 公布的数据显示，AlphaFold 的蛋白质结构预测已被全球超过 300 万名研究人员使用。Google 旗下致力于用 AlphaFold 及相关技术开发新药的子公司 Isomorphic Labs 也刚刚完成了 20 亿美元的 B 轮融资。

但在热情和资源的分配上，已经出现了明确的转向信号。上个月《洛杉矶时报》报道称，因 AlphaFold 获得诺贝尔奖的 Google 研究员约翰·杰柏（John Jumper）目前正在做 AI 编程方面的工作，而不是继续开发科学专用 AI 工具。Google 把最顶尖的人才调去解决编程问题并不意外——公司最近在编程工具上的声誉受了打击，因为它的产品目前比不过 Anthropic 和 OpenAI。但这也可能说明 Google 正在优先发展智能体驱动的科学研究，因为编程能力对那类系统的成功至关重要。

放眼整个行业，智能体型研究系统正展现出真正的潜力。本周 OpenAI 宣布旗下一个模型推翻了一个重要的数学猜想——一些数学家认为这可能是生成式 AI 迄今为止对数学做出的最有意义的贡献。

值得注意的是，OpenAI 使用的这个模型并不是专门为解决数学问题或做研究设计的。据公司介绍，它是一个类似 GPT-5.5 的通用推理模型。如果通用智能体能独立为数学研究做出贡献，它们或许很快也能在科学领域做到同样的事（尽管科学中的想法必须通过实验验证，这让它对 AI 来说是一个更难的领域）。

Google 显然在全力投入一个由智能体驱动的科学未来。I/O 上最大的科学发布是全新的 Gemini for Science 套件，它把公司基于 LLM 的几个科学系统整合到了一个品牌下。

这包括能生成科学假说的 AI Co-Scientist 和优化算法的 AlphaEvolve。它们目前仍未公开，但 Google 现在允许任何研究人员申请使用 Gemini for Science，因此它们可能很快会在科学界获得更广泛的采用。参与早期测试的科学家对其潜力很乐观：斯坦福大学遗传学家加里·佩尔茨（Gary Peltz）在《自然·医学》的一篇文章中把使用 AI Co-Scientist 比作“请教德尔斐的神谕”。

Gemini for Science 跟专用工具并不矛盾。恰恰相反，智能体系统可以被设计成在需要时调用专用工具。没有 AlphaFold 的帮助，任何智能体系统都预测不了蛋白质会折叠成什么结构，至少目前做不到。但 Google 似乎正在把自己的公众形象、以及至少一部分资源和人才，从专门开发那类工具的方向上移开。虽然 AlphaFold 解决蛋白质折叠问题才过了五年，技术和话语都已经迅速越过了这个曾经具有革命性的成就。

Google 一直谨慎地把这批新的科学智能体定位为人类科学家的加速器，而不是替代品。比如选择叫“AI Co-Scientist”（AI 共同科学家）而不是“AI Scientist”（AI 科学家），看起来就是刻意为之。哈萨比斯在谈论科学 AI 格局变化时也用了同样的“以人为中心”的表述。“在未来十年左右，我们应该把 AI 当作一种帮助科学家的强大工具，”哈萨比斯在《代达罗斯》发表的一篇访谈中说，“再往后就很难说了，也许这些系统会变得更像合作者。”

但没有人能在不具备科研实力的情况下成为有效的科学合作者。如果哈萨比斯关于“奇点山脚”的说法哪怕沾了点边，那 AI 科学家最终可能超越人类同行的能力。

在 I/O 上与记者迈克·艾伦（Mike Allen）的一次对话中，哈萨比斯谈到最初激发他投身 AI 的原因：他观察到物理学的进展自 1970 年代以来就陷入了停滞，于是想人类的大脑是不是在这个领域已经触及了极限，AI 能不能帮忙突破这个屏障。

超越人类的智能体科学家当然符合这个想象。我们也许永远走不到那一步，但 Google 至少已经把目标定在了那座山顶。

原文链接：

https://www.technologyreview.com/2026/05/22/1137813/google-i-o-showed-how-the-path-for-ai-science-is-shifting/