资讯
普林斯顿王梦迪外滩大会提醒:Ai实现自主发现,并非只需模型更大
📋总体概括
2026 Inclusion·外滩大会上,普林斯顿大学AI创新中心主任王梦迪指出,大模型虽掌握海量人类知识,但在科学发现上存在结构性局限:模型倾向给出概率最大似然的答案,系统性低估长尾,而真正的新发现往往藏在长尾中。她与谢宇合作的模拟人生实验用ChatGPT、Claude模拟1930年出生英国人的人生轨迹,证实模型在结婚年龄、职业等方面高估常见情况。她认为数学、Coding进展快是因为有编译器、Unit Test、Lean等明确验证器,而物理化学生物实验难以验证和复现,原创发现因此滞后。
⚡关键信息
- ▸王梦迪在2026外滩大会主论坛提出核心判断:模型更大不等于AI能自主实现科学发现
- ▸其团队与普林斯顿社会学教授谢宇合作,用ChatGPT、Claude做模拟人生实验验证长尾低估问题
- ▸实验显示模型模拟1930年出生英国人时,在结婚年龄、职业、性别等维度高估常见情况、低估少数分布
- ▸她解释AI在数学和Coding进展快,是因有编译器、Unit Test和Lean等形式化验证器支撑反馈闭环
- ▸她强调Ideas are cheap,科研实验难复现、信息泛滥反而降低信噪比,验证机制才是瓶颈
🔥犀利点评
这个判断一针见血:大模型本质是最大似然机器,而科学发现恰恰是对分布的反叛——牛顿、爱因斯坦干的都是把长尾变成新常态的事。目前AGI叙事动辄堆参数、堆算力,却回避了最硬的问题:没有验证器就没有可靠的反馈闭环,RL路线在开放性科学领域寸步难行。谁先解决科学领域的自动验证,谁才真正握住AI for Science的钥匙,其余都是给投资人讲故事。
📰 相关资讯(与本文相关的其他资讯)
本文由本站自动聚合,以下为原始来源:前往 雷峰网 阅读全文 →