现在AI只要一个下午，就能推导出一个诺奖级别的科学公式，但这根本不代表人类理解了自然规律。

Anthropic最新的工程文章阐述了AI如何开始接管整个科学建模流程。

1951年，剑桥大学的计算机坏了整整半年。

生理学家安德鲁·赫胥黎只能坐在一台手摇机械计算器前。

他花了三个多星期，硬算出了乌贼神经细胞放电的方程组。

他和合作者霍奇金把细胞膜抽象成了电路。

为了让计算曲线吻合实测数据，他们凭直觉把一个控制膜通道开关的变量乘了四次方。

他们当时完全不知道为什么必须是四次方。

他们只是谨慎推测，也许细胞膜上有四个带电粒子必须全部移动到位，通道才会打开。

几十年后，另一支团队测出了钾离子通道的真实蛋白质结构。

真相水落石出。

那个通道由四个完全相同的结构单元组成，环绕着中心的孔道。

这项研究直接锁定了1963年的诺贝尔生理学或医学奖。

今天的AI用一下午就能找到更准的拟合公式。

但这完全不等于它提供了科学认知。

单纯找出一个能复现实验数据的模型，在科学上毫无价值。

因为能凑出相同曲线的模型有成千上万个。

霍奇金和赫胥黎当年真正的贡献，不仅在于发现四次方管用，更在于他们亲手验证了更简单的低次方根本不行。

知道哪些设想被推翻了，人类才敢对真实的生理机制下结论。

1962年数学家理查德·汉明写道，计算的目的在于获取洞见，不在于输出数字。

任何科学建模都可以拆成三步。

第一步，构建模型。决定方程的骨架，比如决定把变量设为四次方。

第二步，约束模型。调整参数去贴合真实测量数据，比如调整不同电压下通道打开的频率。

第三步，解释模型。探究方程对应现实中的什么物理意义，比如推断通道内部有四个运动部件。

在过去，这三步全靠人类科学家反复试错。

现在，AI正在一步步接管它们。

进展最快的是第二步，约束模型。

当年霍奇金和赫胥黎靠肉眼和直觉调参，只凑出了一组能匹配数据的参数。

这会带来严重的盲区。

假设一桌人聚餐吃掉了120美元，但没人记账。

这个总金额可能来自每个人各点了一份普通汉堡，也可能来自其中一人吃了牛排加龙虾而其他人只喝了汤。

神经细胞模型完全是同一个逻辑。

极其悬殊的参数组合，可以产生一模一样的电脉冲信号。

如果只挑出一组最优参数，实际上隐瞒了所有其他的可能性。

经典的解决方式是贝叶斯推断。

它放弃了单一答案，直接计算出一整套概率分布，把所有合理的参数组合都列出来。

但对于复杂模型，这种计算量大到不可思议。

如果数千个离子通道都在随机开关，计算机根本没有办法穷举每一种状态。

AI学界给出的破局方案叫做基于仿真的推断，简称SBI。

它用算力暴力破解反推难题。

只要手头的模型可以输入参数并跑出数据，研究人员就让它随机运行成千上万次。

普通神经模型跑10万次，复杂模型跑几百万次。

然后，用这些海量输入输出数据训练一个深度神经网络。

训练阶段可能需要耗费数周。

可一旦训练完成，神经网络就能在几秒钟内完成逆向推理。

给它一段全新的实测数据，它能瞬间返回可能产生这段数据的所有参数范围。

两颗中子星在宇宙深处碰撞时，SBI能在几秒钟内估算出发生位置，让人类望远镜赶在信号消失前直接对准天区。

这项技术已经在宇宙学、结构生物学和地球物理学中大显身手。

神经科学同样引入了SBI。

面对真实细胞，它能直接展示哪些参数被数据死死限制住了，哪些区域存在多种合理解释，以及哪里最需要做下一个实验。

在约束模型之前，必须先有模型。

第一步构建模型，现在也开始被AI取代。

科学史上的绝大部分模型，都是科学家凭借经验和先验假设写出来的。

人类大脑能想到的模型形态极其有限，很容易漏掉完全合理的新结构。

基于大语言模型的Agent可以直接接管这个过程。

人类只要提供自然语言描述和实验数据，LLM就会自己写出候选模型的代码。

接着Agent自动运行程序，调整参数，对比真实数据，并改写方程的形态。

这个循环反复运行，直到模型能够复现现实。

然而，代码能跑通，并不意味着带来了理解。

面对同样的数据，跑两次Agent，它完全可能给出两个形式不同却同样精准的方程。

如果AI只交出其中一个，本质上依然掩盖了全貌。

处理这个问题的正确方式，依然是输出概率分布。

AI提出大量候选模型。

需要靠过多参数才能勉强凑出数据的模型，会被降低权重甚至直接剔除。

能够自然贴合数据的模型被保留，并派生出新的变体。

如果最终所有幸存下来的模型都具有某个共同特征，说明数据强烈支持这个机制。

如果幸存的模型彼此冲突，则直接暴露了当前证据薄弱的地方，为下一次实验指明方向。

第三步解释模型，是AI最难插手的环节。

因为模型的拟合优度可以被精确计算，但人类的理解程度却无法变成一个数学优化目标。

霍奇金和赫胥黎能断言通道有四个部件，前提是排除了三次方的可能性。

没有对错误选项的排除，任何解释都立不住脚。

当模型扩张到成千上万个变量时，人类根本无法一眼看穿其物理机制。

目前学界有两种测试思路。

一种是扰动测试。

故意破坏物理系统，比如阻断细胞膜上的部分钠通道，看AI模型能否准确预言系统的后续反应。

另一种是让AI直接交付通用规则。

有科研团队训练AI设计量子实验。

AI直接写出了一段简短的通用代码，去生成一整套相关实验的设计，避开了输出孤立的仪器摆放方案。

物理学家可以直接从这段代码中读懂核心设计逻辑。

过去的经典科学模型都很小巧，往往只有几个变量和公式。

因为过去所有的推导和理解，都必须装进人类有限的大脑皮层。

随着AI介入，模型的体积限制被打破了。

单个神经元可以用几个简单公式概括。

但果蝇大脑拥有超过10万个神经元，人类大脑更有数百亿个。

现在，科学界已经拿到了果蝇大脑的完整接线图，记录了全部124635个细胞及其连接方式。

研究人员已经开始在其上搭建全脑级别的仿真模型，预测整个果蝇视觉系统的神经活动。

在如此庞大的尺度下，根本不存在唯一的正确模型。

统计学家乔治·博克斯曾写道，所有模型都是错的，但有些是有用的。

复杂系统的海量数据，永远可以兼容数不清的模型设计。

科学家的核心任务发生了转变。

人们不再执着于寻找唯一的绝对真理。

现在的任务，是圈定所有符合数据的模型共同具备的特征，并理清哪些预测是绝对可靠的。

最有价值的实验，在于能一口气淘汰掉最多错误候选模型，这往往和人类科学家的个人直觉无关。

气候学家正是以这种逻辑工作。

他们建立大量假设各异的巨型数值模拟，用所有模拟的交叠范围做出预测。

大型强子对撞机上的物理学家寻找新粒子时，也是画出一张地图，标出哪些理论已经被数据排除，哪些理论仍然敞开大门。

赫胥黎当年手摇计算器算上三周的苦力活，确实没有必要重演。

但那段看似低效的试错过程绝不是白费力气。

科学家对自然的深刻认知，恰恰是在亲手构建、推翻以及目睹大量方案失败的过程中淬炼出来的。

AI确实能在几小时内给出一个拟合完美的模型。

但只要它只给出一个终极答案，人类就无法获得真正的科学洞见。

机器必须告诉人类，哪些部分被数据彻底锁死了，哪些地方还留有余地，哪些曾经看似合理的设想彻底破产了，以及这一路挖出了什么全新的谜团。

给出一个能用的数字仅仅是初级计算。

呈现整个探索过程中的边界与排除项，才是科学理解的开端。

source：