7.2
深览指数
科技微博·机器之心Pro··AI 生成
从Chat、Code到Discovery，AI开始学着做科学家
文章介绍了AI领域的最新趋势：从Chat（对话）和Code（代码生成）迈向Discovery（科学发现）。核心报道了两个新动态：一是Jeff Dean创办的Discovery Loop估值飙升至500亿美元，资本押注AI加速AI研发；二是PhAI Labs发布Discovery Foundation Models（DFM）技术报告，提出让AI参与开放式科学发现的五层能力体系与递归发现循环。文章详细阐述了DFM如何让AI学会根据实验证据改变研究方向、积累研究经验，并给出了一个治疗肽设计中的实际案例。适合关注AI前沿技术、科学智能（AI for Science）及AI基础设施的深度读者阅读。原文 ↗
核心观点
- ▍AI在Chat（对话）和Code（代码生成）之后，正进入第三阶段——Discovery（科学发现），即AI参与提出假设、设计实验、分析结果，创造人类尚不知晓的新知识。
- ▍实现开放式科学发现的关键不在于更强的模型，而在于一套能承载研究经验、连接模型、工具与真实实验的“科学基础设施”（Science Infrastructure），其中核心是DFM（Discovery Foundation Models）。
- 01Jeff Dean创办的新公司Discovery Loop在成立一个多月后，目标估值从100亿美元飙升至500亿美元，资本逻辑是：如果AI能加速AI的研发，那被加速的就是一切。
- 022026年5月，OpenAI公布了由模型给出的数学证明，推翻了数学家研究了近80年的“埃尔德什单位距离猜想”，并获得了外部数学家的认可。
- 03Anthropic将AI研究问题交给一群Agent，利用较弱模型的反馈训练更强的模型，AI自己提出思路、运行实验、比较结果，最终找到的方法超过了人类研究者调优的基线。
- 04PhAI Labs提出的五层能力体系包括：Science Data（科研数据）、ScienceIDE（可执行研究环境）、JEPA-Anything（状态预测）、DFM核心推理系统（多模型协同组织研究）、ScienceBuddy（科学家交互接口）。
- 05PhAI Labs的GALILEO系统在治疗肽设计中，经过五轮湿实验反馈，在第四轮因对分子作用方式的假设发生变化，重新纳入了此前放弃的设计思路，证明了根据证据改变研究方向的能力。
- 06当前AI做科研面临的四个主要Gap：通用大模型无法留存经验、自动研究Agent（AI Scientist）难以跨领域迁移、专用科学模型（如AlphaFold）的预测接不上决策、自动化平台的经验无法复用。
反方 / 局限
- — 文章未明确提及作者或报道对象立场与主流观点的显著冲突，也未主动挖掘自身观点的局限性。从报道性质看，该文是对新公司/新技术的正面介绍，可能缺乏对技术落地难度、成本、以及“AI科学家”与人类科研伦理冲突等反方视角的深入讨论。
Jeff DeanDiscovery LoopOpenAIAnthropicDemis HassabisPhAI LabsDFM (Discovery Foundation Models)埃尔德什单位距离猜想Zetema 参考架构GALILEO 系统KarpathyRSI (递归自我改进)
13 分钟 · 3 卡片 · 6 资料
读原文 →