AI for Science 时代已来

摘要

文章宣布Latent Space推出全球首个专注于AI for Science的播客。作者指出，AI在科学研究领域的应用正经历爆发式增长，包括OpenAI、Anthropic等公司成立专门部门，数十亿美元涌入材料科学、生物技术、数学等领域。作者认为，将AI工程技能应用于硬科学是本世纪最重要的使命之一，且传统知识工作者基准已饱和，硬科学成为新的前沿领域。

内容框架与概述

文章首先揭示了AI for Science领域存在巨大认知鸿沟：内部人士热情高涨，但大众知之甚少。随后列举了多个信号表明AI正加速进入科学领域，包括Biohub将生物学团队软件化、OpenAI预测2026年AI for Science将像2025年AI for软件工程一样普及、以及过去半年多家初创公司获得巨额融资。这些公司涵盖材料发现、药物研发、数学推理等多个方向。

接着文章阐述了Sam Altman承诺在2025年9月推出自动化AI研究助手，到2028年实现完全自主的AI研究员。作者强调，尽管团队通常避免讨论AGI时间线，但将AI工程应用于硬科学无疑是本世纪最重要的使命之一，涉及化学、材料、芯片设计、生物医药、物理数学等关键领域。

最后，文章指出传统知识工作者基准测试已饱和，增量改进意义有限。真正的最后前沿在于FrontierMath等硬科学领域。随着通用机器学习超越领域专业知识，加上LLM帮助快速自学，AI工程师完全可以将技能转移到硬科学领域。作者希望通过播客填补这一领域的传播空白。

核心概念及解读

Biohub模式：将生物学研究团队软件化，让软件工程师、AI研究员和生物学家协作构建模型和工具，而非在各自孤岛中工作。

Bitter Lesson：所有方法都在收敛于transformer和多模态基础模型，通用机器学习方法正超越领域专业知识，使非数学家也能获得国际数学奥赛金牌。

Bloom 2 Sigma问题：通过LLM实现的个性化辅导可以帮助学习者快速达到基准知识水平，实现即时自我教育，使AI工程师能够快速掌握领域基础知识。

自动化AI研究员：OpenAI承诺在2025年9月推出能够加速人类研究的系统，到2028年实现完全自主的研究系统，可自主形成假设、规划实验、运行实验并得出结论。

原文信息

此摘要卡片由 AI 自动生成