AI驱动科学研讨会：“发现式智能”理念深度解析与影响
会议背景与核心议题
2025年10月27日至28日，首届AI驱动科学研讨会（Symposium for AI Accelerated Science, AIAS2025） 在美国旧金山举行。这场汇聚全球顶尖智慧的盛会吸引了近30位顶尖学者与产业领袖，共同探讨AI如何深刻驱动科学发现。会议的最大亮点是盛大集团、天桥脑科学研究院创始人陈天桥首次系统阐述的“发现式智能”（Discoverative Intelligence）理念，该理念被陈天桥定义为“真正意义上的通用人工智能（AGI）”，并提出了清晰的实现路径。这一理念不仅重新定义了AGI的目标，也为AI未来发展指明了新方向。
陈天桥“发现式智能”演讲核心要点详解
一、人类进化的新范式：科学发现作为外在进化器官
陈天桥在演讲中开宗明义，指出人类进化从未停止，只是方式发生了根本转变。他引用研究指出，尽管人类大脑体积较旧石器时代有所缩小，但人类通过智慧将科学发现和技术发明转化为“外在进化器官”。例如：
- 发明武器获得“利爪和尖牙”
- 发明衣物获得“新的皮肤”
- 发明汽车超越猎豹的速度
- 发明飞机超越鸟类的飞行能力
这些发明使人类平均寿命从二十多岁延长至近八十岁，这种跨越在生物学上相当于不同物种间的差异。陈天桥强调，科学发现和技术发明已成为人类进化的主要引擎，通过不断拓展时空范围，推动文明持续进步。
二、“发现式智能”：重新定义通用人工智能
陈天桥指出，“AI for Science 不应被视为人工智能的一个应用方向，而是 AI for Human Evolution”。帮助人类发现未知，是AI对人类的终极价值。当前许多AI模型声称的“发现”（如新结构、新分子、新理论）多为在已知能量函数、统计模式或语料分布内的“外推”，并非科学意义上的真正发现。
“发现式智能”的核心特征：
1. 超越模仿：创造和发现是智慧的本质，而非简单复制或模仿人类行为。
2. 可证伪性：发现是可观察的事件，具有明确的科学标准，区别于模糊的“意识”哲学定义。
3. 进化人类：AGI的意义不在于取代人类，而是通过增强人类能力实现进化。
真正的“发现式智能”能够：
- 主动构建可检验的世界模型
- 提出可证伪的假说
- 通过与世界的交互和自我反思持续修正认知框架
三、通向“发现式智能”的两条路径：规模路径与结构路径
陈天桥以“发现式智能”为标准，剖析了当前AI发展的两大流派：
1. 规模路径：
- 强调“参数即知识”，认为智能是规模的产物。只要模型足够大、数据足够多、算力足够强，智能就会自然涌现。
- 已取得惊人应用成果，如预测蛋白质结构、生成化合物、辅助科学研究等。
- 是AI历史上最成功的工程路径，但面临“天花板”，难以突破通向真正理解和发现的障碍。
2. 结构路径：
- “结构”指智能的“认知解剖学”，而非模型架构。大脑是一个通过神经动力学，并基于记忆、因果和动机，形成知识系统并随时间不断演化的系统。
- 认为科学发现的本质是推演未来，只有具备“时间结构”的智能才能在分布外保持有效。
四、大脑之镜：时间结构分析——五大核心能力
陈天桥提出，“大脑的时间结构”是实现“发现式智能”的关键。它不是物理区域，而是大脑处理信息的基本“运行范式”，本质是“连续的”和“动态的”，旨在管理和预测时间流中的信息。构成这一结构的五大核心能力形成完整闭环：
1. 神经动力学：
- 需要连续的能量基础，使系统在时间中“存在”而非“瞬时计算”。大脑是持续运行的动态能量系统，即使无输入也能自组织、自激活、自校正。
- 对比：Transformer是离散的静态计算图，推理结束后完全停止，无时间连续性。当前AI是“计算”，而非“存在”。
2. 长期记忆系统：
- 需可塑的存储机制，积累过去经验而非每次都从零开始。当前大模型仅有“短时工作记忆”，上下文清空即重置。
- 功能：不仅是积累经验，还能选择性遗忘，在有限参数内高效学习，形成假说和理论。
3. 因果推理机制：
- 需推导原理以理解事件在时间中的顺序（因果关系）。现有大模型对因果关系的理解仍局限于已知范围内的语言统计，而非机制推导。
- 意义：在未知条件下重建对世界的理解，是走向分布外的第一步，也是世界模型的起点。
4. 世界模型：
- 需在内部模拟世界以预测未来轨迹。人脑拥有统一的世界表征系统，整合感知、记忆、预测和自我反思，在脑中模拟世界、预演未来。
- 现状：当前AI虽有多模态感知，但缺乏统一模型，无法形成连贯的“现实投影”。
5. 元认知与内在动机系统：
- 管理复杂跨时过程的能力。人脑具备元认知（对思维的思考），能意识到不确定性、调整推理路径、分配注意力。
- 现状：今日AI依赖外部指令和设定的奖励函数，缺乏自驱探索欲和好奇心。
这五大能力构成智能的连续、活跃闭环——一个能随时间自我进化的系统。
五、支持“发现式智能”研究的战略举措
为推动“发现式智能”的实现，陈天桥宣布了多项重磅支持措施：
1. 巨额算力投入：投入超过10亿美元建设专用算力集群，优先支持结构性实验（记忆系统、因果架构、神经动力学假设），为年轻科学家提供即时实验资源。
2. 全球研发中心：在全球设立研发中心，吸引跨学科年轻研究者现场碰撞智慧，已有200多位世界知名大学博士参与。
3. 全新基准测试：推出涵盖神经动力学、长期记忆、因果推理、世界模型和元认知的综合评估套件，以“可发现性”为核心指标。
4. PI孵化器计划：为博士生和博士后提供独立研究通道，在平台建立以自己命名的实验室，独立领导团队探索时间智能的未来结构。
顶尖学者分享：AI驱动科学的实际突破
除陈天桥的主题演讲外，多位诺奖得主和图灵奖得主分享了AI驱动科学的具体成果：
1. Omar Yaghi（2025年诺奖得主）：
- 展示了AI设计的零能耗便携式取水装置，在空气湿度不足15%的死亡谷沙漠成功取水。
- 利用ChatGPT创建七个Agents组成的虚拟科研团队，在几天内完成上百次实验，优化材料结晶过程。ChatGPT从文本生成器演变为科学推理引擎。
2. David Baker（2024年诺奖得主）：
- 介绍RFDiffusion3模型可从头设计具有特定功能的蛋白质三维结构蓝图。
- 成果包括：特异性捕获β-淀粉样蛋白的肽类结合物（阿尔茨海默病干预）、首个从头设计的蛋白酶、新型GPCR激动剂与拮抗剂。
3. Jennifer Doudna（2020年诺奖得主）：
- 推动CRISPR与机器学习协同进化，利用CRISPR制造基因扰动以大规模鉴定基因功能。
- CRISPR基因疗法治疗镰状细胞病获FDA批准，首个个性化CRISPR基因编辑疗法成功实施。
4. John Hennessy（图灵奖得主）：
- 强调AI普及速度惊人（不到一年达美国家庭50%普及率），但也警示数据消耗速度可能导致4-5年内数据存量耗尽及能源效率提升滞后的问题。
总结：“发现式智能”的深远意义
陈天桥提出的“发现式智能”理念，将AI的发展目标从单纯的“模仿人类”或“提高效率”提升到“主动发现未知”的更高层次。它不仅重新定义了AGI的标准，更指出了AI未来发展的关键方向——从“空间结构”的规模堆砌转向“时间结构”的认知解剖学探索。通过投入巨资支持年轻科学家和跨学科研究，陈天桥及其团队正致力于打破现有AI的技术瓶颈，推动AI真正成为人类进化的加速器。
此次研讨会标志着AI for Science进入新阶段，“发现式智能”的理念将深刻影响未来十年乃至更长时间的人工智能研究方向，有望催生一系列颠覆性的科学发现和技术突破。正如陈天桥所言：“规模是巨人的道路，时间结构是年轻人的机会。” 这场智力革命才刚刚开始。
