Nature：AI能够独立做出诺奖级发现吗？

来源：生物世界 2025-10-09 12:47

AI 会赢得自己的诺贝尔奖吗？有人预测 AI 很快就作出值得诺奖的科学发现

2024 年，诺贝尔物理学奖和化学奖史无前例的地授予了人工智能（AI）领域的科学家。

在最近两年里，AI 模型取得了一系列突破，并在科学领域崭露头角，它们已经能够自主分析实验数据、设计实验方案，甚至提出新的科学假说。这种进步速度，让一些研究人员相信 在未来几十年里，AI 将能够与科学界最天才的头脑一较高下。或许在 2030 年，AI 就能独自做出值得诺贝尔奖的科学发现。

2025 年 10 月 6 日，Nature官网发布了一篇题为：Will AI ever win its own Nobel? Some predict a prize-worthy science discovery soon（AI 会赢得自己的诺贝尔奖吗？有人预测 AI 很快就作出值得诺奖的科学发现）的文章。

2016 年，索尼 AI 公司首席执行官、生物学家北野宏明曾向研究人员发起一项挑战 开发出一种能够做出足以获得诺贝尔奖的发现的 AI 系统，他将这一挑战称为 诺贝尔图灵挑战 ，并将其视为科学领域中 AI 面临的重大挑战。如果一台机器能够取得与顶尖人类研究相当的发现，就算挑战成功。

当前的 AI 模型还做不到这一点。但 诺贝尔图灵挑战 设想，到 2050 年，将有 AI 系统能够在无需人类干预的情况下，将假设生成、实验规划和数据分析等技能结合起来，取得足以获得诺贝尔奖的突破。甚至有研究人员认为，AI 系统自己获得诺贝尔奖几乎是板上钉钉的事，现在的问题在于，这需要 50 年时间还是 10 年时间。

当然，也有许多研究人员认为，当前的 AI 系统是基于人类现有的知识库训练出来的，能够生成一系列的文字和想法，却无法提供新的见解。要实现这一壮举，可能需要研究人员在开发 AI 的方式以及在 AI 领域的资金投入方面做出重大改变。

其他人则警告称，在科学研究流程中引入 AI，存在迫在眉睫的风险。

诺贝尔奖设立的初衷，是表彰那些 为人类作出最大贡献 的人，正如其创立者阿尔弗雷德 诺贝尔（Alfred Nobel）在其遗嘱中所写的。对于诺贝尔科学奖（生理学或医学奖、物理学奖、化学奖），一项诺贝尔奖级别的发现必须具备三个条件：有用、影响深远，为科学理解开启新大门。

尽管目前只有在世的人类、组织和机构有资格获得诺贝尔奖，但 AI 此前已与诺贝尔奖产生过交集。2024 年，诺贝尔物理学奖授予了机器学习先驱John J. Hopfield和Geoffrey E. Hinton，他们为人工神经网络奠定了基础。同年，诺贝尔化学奖的授予了谷歌旗下 DeepMind 公司的 AlphaFold 的开发者Demis Hassabis、John Jumpe以及蛋白质设计先驱David Baker，他们分别利用 AI 根据氨基酸序列预测蛋白质的三维结构以及从头设计全新蛋白质。但这些奖项都是为了表彰 AI 系统背后的开发者，而非 AI 系统本身所取得的成就。

根据 诺贝尔图灵挑战赛 的规定，若要称作 AI 科学家的发现，其研究工作必须 完全或高度自主 地由 AI 科学家完成，AI 科学家需要从头到尾监督整个科学过程，决定要回答的问题、要进行的实验以及要分析的数据。

如今，我们已经看到 AI 工具在科学发现过程的几乎每一步都为科学家提供协助，这让该领域变得非常令人兴奋，研究人员已经证明，AI 能够帮助动物的语言，对宇宙中的生命起源提出假说，并预测螺旋状星系何时可能发生碰撞。它还能预测致命沙尘暴，并有助于优化未来量子计算机的组装。

此外，AI 也已经开始自行开展实验。卡内基梅隆大学的化学家Gabe Gomes及其同事设计了一个名为 Coscientist 的系统，该系统依靠大语言模型（LLM）来规划化学实验，并使用实验室机器人执行复杂的化学反应，他还表示，尚未发布的新版本 Coscientist 能够以惊人的速度进行计算化学分析，需要一个研究生花费超过一年时间的化学反应过渡态的计算，新版本 Coscientist 半小时就能搞定。

目前，大多数使用 AI 的人类科学家将其视为某种助手或合作者，通常指派其完成特定任务，例如对数据进行分析和预测，加速原本繁琐的计算过程，这往往需要人类在某个或某些阶段参与其中。但已有研究团队推出 推理模型 ，通过学习模仿逐步的逻辑思维，采用试错过程，来自主进行科学研究。

例如，2025 年 7 月 29 日，斯坦福大学James Zou团队在Nature期刊发表论文，开发了一个基于 AI 智能体的虚拟实验室平台，该 AI 平台仅花费了几天时间，就自主设计出了新型纳米抗体，并在实验室验证中显示出能够与SARS-CoV-2 突变株的刺突蛋白结合。此外，他最近还发表了一篇预印本论文，证实了基于 AI 智能体的系统能够搜索生物学数据，发现研究人员未曾注意到的见解，表明了 AI 智能体开始自主发现新事物。

James Zou表示，本月晚些时候，他将协助组织一场名为 Agents4Science 的线上会议，这是首个仅由 AI 参与的科学会议，所有论文都将由 AI 智能体撰写和评审，同时也会有人类合作者参与。为期一天的会议将包括邀请演讲和小组讨论（由人类进行），主题是关于 AI 生成研究的未来。他表示，希望这次会议能帮助研究人员评估 AI 在开展和评审创新研究方面的能力。

然而，并非所有研究人员都如此乐观，还有许多研究人员持谨慎态度，他们认为，AI 自主作出诺奖级发现还存在诸多障碍，例如，AI 智能体在尝试从头到尾完成一个研究项目时表现不佳，尽管这些智能体在完成特定的科学相关任务时约有 70% 的成功率，但在尝试生成一个想法、规划并执行实验以及分析数据以撰写完整报告这一整套流程时，成功率骤降至仅 1%。端到端的自动化科学发现，仍然是一个艰巨的挑战。

因此，尽管 AI在推动科学发展方面潜力巨大，但它的局限性也很突出，关键是，目前还不清楚需要多久才能克服这些局限。

即便当今的 AI 系统在某个特定的细分领域做出了合理的预测，它们也不一定能掌握更广泛的潜在原理。例如，最近的一项研究发现，一个 AI 模型能够预测行星绕恒星的运行轨道，但它却无法提出支配这些天体的基本物理定律，也就是说，AI 系统是指学到了科学原理的结果，并没有真正理解科学原理。而在另一项研究中，一个 AI 工具学会了如何在纽约导航，但它无法绘制出纽约的街道的准确地图。这些研究表明，人类科学家的亲身经历对于推导出基本科学原理至关重要。相比之下，AI 系统只能通过输入的数据集间接地体验世界，缺乏现实世界的经验会让 AI 系统难以提出新颖、有创意的问题，也难以对人类世界提供新见解。有研究人员正在探索将 AI 系统与机器人相结合，以帮助 AI 系统去体验世界，从而获得更多经验。

要想开发出能够做出诺奖级发现的 AI 科学家，就需要在具备更广泛能力的 AI 工具上投入更多精力，包括元推理能力（meta-reasoning）。人类科学家需要找到方法，赋予 AI 系统评估和调整自身推理过程的能力 对自己的思考进行思考（think about its own thinking）。这种转变可能会使 AI 能够权衡哪种类型的实验会产生最佳结果，并根据新发现修改其科学理论。

此外，还有一些研究人员质疑科学界是否应该积极推动 AI 作出科学发现，他们认为，科学界对AI 的过度依赖，赖已经开始引入一些错误，AI 还可能会排挤其他方法，减少创新，导致科学家们 产出更多但理解更少 。此外，AI+机器人的自动化发现，可能会给科学以及科学家带来严重的负面影响，例如，减少年轻科学家的机会，他们可能永远无法获得必要的研究技能。现在，研究经费大量涌入 AI 领域，导致其他领域的研究被压缩。这些情况究竟是利是弊，还有待时间给出答案。

版权声明 本网站所有注明“来源：100医药网”或“来源：bioon”的文字、图片和音视频资料，版权均属于100医药网网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：100医药网”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

医药网新闻