作者：Thomas Wolf, Hugging Face 联合创始人和首席科学家
发布日期：2025 年 2 月 26 日
几天前，我在一个活动上分享了一个略显争议的观点，后来我决定把它写下来：我担心人工智能无法带来所谓的"压缩的 21 世纪"。
这个"压缩的 21 世纪"概念来自 Dario 的文章《Machine of Loving Grace》，强烈推荐大家读一读。这是一篇值得深思的好文章。文章的核心观点是，在未来一两年内，我们将拥有一个"装在数据中心里的爱因斯坦之国"，所有 21 世纪的科学发现将在短短 5 到 10 年内被一股脑地完成，从而压缩了整个世纪的科技进程。
我读了这篇文章两遍。第一次读时我完全被震撼到了：人工智能将在 5 年内彻底改变科学世界，我当时是这么想的。但几天后我重读了一遍，发现里面很多内容更像是美好的愿景而非现实推演。
在我看来，按照当前的发展路径，我们真正可能得到的，是"一国的服务器上全是唯唯诺诺的好学生"，而不是爱因斯坦。这是个本质性的区别。让我通过一段个人经历来说明这个差别。
从学霸到科研"凡人"：我的故事
我一直是个成绩优异的学生。来自一个小村庄，我考入了法国顶级工程师学校，后来又被 MIT 录取攻读博士。学校的学习对我来说一直都不难，我总能轻松看懂教授的讲解，甚至预测考试内容。
然而，当我成为一名研究人员后，我彻底震惊了。我发现自己是一个平庸的、没有特别研究洞察力的博士生。相比之下，身边很多同事都有非常有趣的想法，而我却总是卡壳。如果某个知识点没有出现在书本上，我很难凭空构想出新东西，最多是对已有理论的小变体。更糟的是，我很难质疑我所学的知识，也很难跳出既有框架去看问题。我并不是爱因斯坦，我只是一个"很会考试的学生"。或者更进一步说：正是因为我太擅长考试，才注定我无法成为爱因斯坦。
天才不是"放大版好学生"
历史上有很多天才在学校表现并不出色。爱迪生被老师称为"脑子有问题"，芭芭拉·麦克林托克在获得诺贝尔奖前曾因"思维怪异"而备受质疑，爱因斯坦第一次报考苏黎世联邦理工学院还没考上。这类例子比比皆是。
我们常犯的一个错误，是把牛顿或爱因斯坦看作是"超级优等生"，以为只要把一个好学生按比例放大，就能变成一个天才。
但这种线性外推忽略了科学最本质的一点：提出正确问题的能力，以及挑战既有知识体系的勇气。真正的科学突破，是像哥白尼那样，在所有知识都指向地心说的时代------换成人工智能术语就是"训练数据中全是地心说"------却提出也许是地球在绕太阳转。
所以，要在数据中心里造出一个"爱因斯坦"，我们不只需要一个知道所有答案的系统，更需要一个能提出别人想都没想过的问题的系统。一个即使所有教科书、专家和常识都指向一个方向，也会问出"如果这一切都是错的呢？"的问题。
真正的范式转移很稀有
想象一下狭义相对论的革命性转变：爱因斯坦提出第一条假设"光速在所有参考系中恒定"，这在当时（甚至今天）都违反直觉，提出这种假设需要极大的勇气。
再比如 CRISPR。上世纪 80 年代以来，它被认为是细菌的一种适应性免疫系统，直到 25 年后，Jennifer Doudna 和 Emmanuelle Charpentier 才提出可以将其用于基因编辑，从而开启了一项全新的科学革命，并获得诺贝尔奖。
这种"我们一直以为 XX 是 YY，但如果我们理解错了呢？或者我们能不能把它用于 ZZ？"的思维方式，就是一种典型的"范式转移"------真正推动科学进步的力量。
范式转移非常罕见，每年可能也就 1 到 2 次。但它们对一个世纪的科学进步的贡献远远超过其他研究噪声。Dario 的文章对此说得很对。
当前 AI 模型的评估方式有误区
现在，我们评估 AI 模型智能提升的方式，大多是通过一些"高难度考试题"，比如所谓的"人类的最后一场考试"或 "Frontier Math"，这些测试由博士生设计，问题复杂但都是封闭式、明确有标准答案的题目。
这些正是我当年擅长的考试类型。这样的评估方法，只能测试模型是否能回答人类已经知道答案的问题。
但真正的科学突破，并不来自于答题，而是来自于提出别人没问过的问题，挑战主流认知，质疑已有理论。
记得《银河系漫游指南》吗？"终极答案"是 42，但没人知道问题是什么。这其实就是科研的本质：关键不是答案，而是问题。
AI 模型正在"补全人类知识"，而非"创造新知识"
这也是为什么，尽管大语言模型已经掌握了几乎所有人类知识，但它们还没有真正"生成"出新的科学发现。它们目前在做的是"manifold filling"------在人类已知知识之间填空，仿佛知识是一张织布，它们在织补漏洞。
我们现在训练出来的是"听话的好学生"，不是"有主见的革命者"。这对于打造聊天助手、搜索助手来说非常合适，但如果我们想要获得像相对论或基因编辑那样的突破，就必须激励这些系统质疑它们所学的知识，甚至挑战自己的训练数据。
如果我们真的想要科学革命
那么我们也许需要重新定义 AI 模型的评估方式：评估标准不再是"答对多少题"，而是它是否具备真正的科学思维，比如：
- 能质疑自己的训练数据；
- 敢于提出反常识的假设；
- 从微小的现象中推断出普适性强的理论；
- 提出非显而易见但极具启发性的问题，开启新的研究路径。
我们不需要能把所有问题都答对的 A+ 学生，而是那个看到别人忽略之处、并敢于质疑它的 B 学生。
补充说明：如何评估这种"科学 AI"？
你可能会问：这样一套评估体系要怎么实现？
或许可以尝试用一些"它不应该知道的知识"去测试模型。比如选取一个最近的科学发现，让模型面对一个没有见过答案也没有概念框架的问题，看看它是否能沿着正确方向提出探索性的问题。虽然目前大多数模型都训练过几乎全部的人类知识，这样的测试设计确实非常困难，但如果我们想要评估 AI 是否具备"提出新问题"的能力，这样的测试是必要的。
这是一个完全开放的问题，我非常期待你们的见解。
关于 "Move 37" 的一些看法
很多人提到围棋中的 "Move 37" 是 AI 达到"爱因斯坦级别"的证据，我想特别讲讲这个例子。
虽然 "Move 37" 非常惊艳，但它仍属于"好学生"型答案------是在既定规则下的最优解。即便 AI 在某一天能推导出一项形式上极其优雅、超过人类的数学证明，我也不认为这属于"科学范式转移"。
一个真正爱因斯坦级别的围棋突破，应该是重新思考游戏本身的规则------探索可能的游戏宇宙，发明出比围棋本身更优雅、更深刻的新游戏。
在数学领域，一个类似的"范式转移"可能是将两个原本毫无关系的数学领域连接起来，提出一个全新的研究方向------这类成果往往是菲尔兹奖的核心内容。
我的观点是：真正的"爱因斯坦时刻"，标准依然很高，而我们还远未达到。