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，2026 Inclusion·外滩大会上，普林斯顿大学人工智能创新中心主任王梦迪指出，大模型虽掌握海量人类知识，但距自主科学发现仍有本质差距：模型倾向输出概率分布中最大似然的答案，系统性低估长尾。她团队与谢宇合作的「模拟人生」实验显示，模型在结婚年龄、职业等问题上高估常见情况、忽略少数分布。她认为数学与编程因有明确验证器（编译器、Lean等）而进展快，而物理、化学、生物缺乏可靠验证与可复现实验，信息激增反而降低科研信噪比。
⚡关键信息
- ▸王梦迪判断：大模型擅长找「最可能」答案，而真正新发现藏在概率分布的长尾里
- ▸其团队用ChatGPT、Claude做「模拟人生」实验，模型高估常见情况、明显低估少数和长尾分布
- ▸数学、编程进展快的关键在于有验证器：编译器、Unit Test、Lean形式化证明可形成反馈闭环
- ▸物理、化学、生物等基础科学验证困难，实验依赖设备、人的判断且常无法稳定复现
- ▸王梦迪直言「Ideas are cheap」，信息增多不等于有效信息增加，反而可能降低科研信噪比
🔥犀利点评
这个观点戳中了当前AI叙事的软肋：Scaling Law信奉者把「知识多」等同于「发现能力强」，但王梦迪用最朴素的概率论讲清了两者鸿沟——最大似然训练天然就是长尾杀手，而科学突破恰恰全在长尾里。更狠的是验证器论断：AI进步快的领域全是「能自动判对错」的领域，这等于宣告没有可靠反馈闭环的科学领域，堆算力也堆不出原创发现。相比鼓吹「AI科学家」的营销话术，这才是值得产业界认真对待的冷水。
📰 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 →