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
9月10日，普林斯顿大学人工智能创新中心主任王梦迪在2026 Inclusion·外滩大会主论坛指出，大模型距离自主科学发现仍有明显差距。其团队与谢宇合作的模拟人生实验显示，ChatGPT、Claude等模型倾向于高估常见情况、低估长尾分布，而真正的新发现恰恰藏在长尾中。她认为数学与Coding因有明确验证器而进展迅速，物理、化学、生物等科学领域缺乏可复现的验证机制，制约了AI的原创发现能力。
⚡关键信息
- ▸王梦迪在外滩大会提出核心问题：AI距离自主发现新科学还有多远，并认为仅靠扩大模型规模不够
- ▸团队用ChatGPT、Claude模拟1930年出生英国人的一生，发现模型高估结婚年龄、职业等常见情况，低估长尾分布
- ▸大模型学习的是概率分布的最大似然点，长尾知识容易被低估甚至忽略
- ▸数学和Coding进展快是因为有编译器、Unit Test、Lean等明确验证器，可支撑试错与反馈循环
- ▸现实科学实验依赖设备、人的判断与跨团队协作，难以复现，信息增多反而可能降低科研信噪比
🔥犀利点评
这套论述点破了Scaling Law信仰的软肋：最大化似然本质上是复读人类共识，而科学突破恰恰是分布外的少数派。验证器假说尤其犀利——有Lean和Unit Test的领域AI狂飙，没验证器的领域只能空谈。但要注意，验证难不是AI独有问题，人类科学同样受困于此；真正的机会或许是用AI辅助构建验证器，而不是等模型自己变大变神。
📰 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 →