学者团队提出闭环 AI 科学家路线图，直指生物医学发现瓶颈
marinkazitnik · x · 2026-09-10
Harvard 研究者 Ayush Noori、Marinka Zitnik 团队发布新预印本，讨论 AI 如何像解决 Navier-Stokes 那样在生命科学取得突破。核心论点：数学和编程能低成本大规模评估 AI 生成的候选答案，但生物医学中「假设→实验→修正假设」的闭环仍是 AI 驱动科学发现的核心瓶颈。
他们勾勒的自主 AI 科学家愿景包括：
- 能在持续数天到数月的多轮实验战役中，对科学知识、多模态数据、竞争性假设和不确定性进行推理；
- 在稀疏且延迟的反馈下学习，把软验证器（模拟、预测模型、生物世界模型）与硬验证器（湿实验、机器人实验、类器官、临床研究）结合；
- 在有限的实验预算下，把资源分配给价值最高的验证测试。
作者指出已有若干 AI scientist 产出了被实验室证实的发现，关键是把这种闭环验证范式推广开来。
「漫话AGI」频道最新
- 摄影师感叹：AI 时代个人被造谣后无法证明「不存在」 — zemotion · 2026-09-10
- 图灵奖得主预言：2035 年机器人与 AI 将让经济产出翻 10 倍 — davidpattersonx · 2026-09-10
- 幼儿园教师反例：AI 时代的关系型工作未必无意义 — binarybits · 2026-09-10
- Irving:AI 公司救火式安全补丁挤掉了面向超级智能的对齐研究 — geoffreyirving · 2026-09-10
- OpenAI 研究员 Irving:盼 Paul 的影响力为对齐研究争取更多时间 — geoffreyirving · 2026-09-10
- Erik Hoel:AI 让知识文化变成黑暗森林,学者被迫成为面壁者 — erikphoel · 2026-09-10