Gemini3 GPT5.1接连发布，模型越来越强，AI真的能拿诺贝尔奖吗？

头像

AI修猫Prompt

2025-11-21 22:09科技领域创作者

随着Gemini 3.0、GPT-5.1的接连发布，AI 的能力边界再次被拓宽。一个令人兴奋的命题已然浮现：LLM 能否突破“解题者”的范畴，进化为能提出新颖科学假设的“科学家”，像爱因斯坦提出相对论、达尔文构想进化论那样，拥有变革式创造力 (Transformational Creativity)，创造属于硅基生命的“尤里卡时刻”？

图片

最近一篇题为 《Large Language Models for Scientific Idea Generation》 的重磅综述指出，这并非易事。不同于常规推理，科学创意生成（Scientific Idea Generation）是一个多目标、开放式任务，必须在“新颖性（Novelty）”和“价值性（Soundness）”之间取得极高难度的平衡。

图片

这篇论文独特的通过认知科学的视角，重新审视了LLM的潜力。本文将带你快速深入了解这份60页的硬核报告，从知识增强、提示工程、推理搜索到多智能体协作，全方位看清 AI 科学家进化的全景蓝图。

理论基石：什么是机器的创造力？

在深入技术细节之前，综述首先解决了一个核心理论问题：我们如何定义和衡量 AI 的科学创造力？作者极具洞见地引入了认知科学中的两大经典框架，为 AI 科学发现建立了一套评估坐标系。

1. Rhodes的4P框架：创造力的来源

Rhodes (1961) 将创造力分解为四个维度，这篇综述巧妙地将现有的 LLM 技术映射到了这四个维度上：

图片

  • Person（人/主体）：创造力的内在来源。对应 参数级适配（Parameter Adaptation），即通过微调或强化学习改变模型“大脑”的结构。

  • Process（过程）：思维发生的机制。对应 推理时搜索（Inference-Time Search） 和 多智能体协作（Multi-Agent），即通过算法引导模型的思考路径。

  • Press（环境/压力）：外部环境的刺激。对应 知识增强（Knowledge Augmentation） 和 提示工程（Prompt Engineering），即通过外部信息和约束来激发创意。

  • Product（产出）：最终的成果。对应 评估指标（Evaluation），即我们如何判断一个想法是创新的。

2. Boden的创造力层级：AI到了哪一级？

Boden (2004) 将创造力分为三个层级，这为我们判断当前 AI 水平提供了标尺：

  • 组合式创造力（Combinatorial Creativity）：将熟悉的想法进行新的组合。这是目前 LLM 最擅长 的领域。

  • 探索式创造力（Exploratory Creativity）：在现有的概念空间和规则下，探索未知的可能性。通过 Tree Search 等技术，LLM 正在迈向这一层级。

  • 变革式创造力（Transformational Creativity）：打破现有规则，重塑概念空间本身（如牛顿力学到量子力学）。这是 AI 科学家的终极目标，目前仍是巨大的挑战。

基于这套理论框架，综述将现有的技术流派归纳为五大类（见下图思路），让我们逐一拆解。

图片

第一流派：知识增强，寻找隐秘连接

科学发现往往不是凭空产生的，而是站在巨人的肩膀上。LLM的训练数据截止于过去，而科学前沿日新月异。如何让模型获得“灵感”？

图片
语义检索 vs 关系检索

语义检索 vs. 关系检索：不仅仅是 RAG

传统的 RAG（检索增强生成） 依赖于语义相似度。比如你想研究“大模型的幻觉”，RAG 会给你找来一堆关于“幻觉”的论文。综述指出，这种语义检索（Semantic Retrieval） 容易导致“近亲繁殖”，模型倾向于在已知领域内打转，产生的是微小的增量创新。

综述高度推崇关系检索（Relational Retrieval），即基于知识图谱（Knowledge Graphs, KGs） 的增强。

  • 原理：知识图谱不仅仅存储文本，还存储了实体间的结构化关系。

  • 场景：假设你想解决 LLM 的推理错误。

    • 语义检索 会给你找类似 Chain-of-Thought 的论文。

    • 关系检索 可能会通过路径 LLM Reasoning -> linked to -> Neurosymbolic AI -> applied in -> Robotics，启发你将机器人领域的控制理论引入 LLM 推理。

  • 价值：这种跨学科的跳跃，正是 组合式创造力 向 探索式创造力 跃迁的关键。

第二流派：提示驱动给思维装上“脚手架”

如果说知识是燃料，那么 Prompt 就是点火器。但这篇综述展示的 Prompt Engineering 远不止“你是一个科学家”这么简单。

图片
当仅靠提示无法打破对齐约束时，解释为什么有时候无论 Prompt 写得再好，模型也给不出有创意的答案。

1. 逆向与约束：在“受限”中爆发

研究表明，适度的束缚反而能激发创造力。约束基提示（Constraint-Based Queries） 强迫模型跳出舒适区。

  • Denial Prompting：明确禁止模型使用常规解法。例如：“设计一种减少幻觉的方法，但严禁使用 RAG 或 人工审核”。

  • Bit-Flip-Spark：这是一个结构化的创意生成框架。

    图片

    先让模型陈述一个核心假设（Bit），然后强制它反转这个假设（Flip），最后在这个冲突中寻找新的火花（Spark）。这模拟了人类科学家进行“反事实思考”的认知过程。

2. 多语言提示：文化的认知差异

这是一个非常有趣的发现。多语言提示（Multilingual Prompting） 不仅仅是为了翻译。研究显示，不同语言蕴含着不同的文化背景和逻辑范式。用法语或希伯来语向 LLM 提问，往往能激活模型参数中不同的语义区域，从而产生英语 Prompt 无法激发的多样性想法。

第三流派：推理时搜索让 AI 在“沉默”中思考

这可能是目前最接近 OpenAI o1 系列思路的方向。它的核心思想是：不要让模型说完第一句话就结束，而是让它在输出最终答案前，进行大量的、结构化的思维搜索。

图片

幻觉缓解中的搜索机制

1. 搜索机制：从“爬山”到“下棋”

  • 局部搜索（Local Search）：比如Self-Refine。模型生成一个想法，自己批评，自己修改。这像是在爬山，容易陷入局部最优，只能做修补工作。

  • 树搜索（Tree Search）：如MCTS（蒙特卡洛树搜索）。这就像 AlphaGo 下围棋。模型从一个种子想法出发，衍生出多个分支（Branching），并能够回溯（Backtracking）。综述指出，这种结构化的探索能显著提升 探索式创造力，发现那些“非显而易见”的深层假设。感兴趣您可以看下这篇：

图片

通用问题求解器雏形已现！谷歌DeepMind重磅研究，自主发现40种全新算法

2. 抽象层级的跃迁：Meta-Level 的涌现

搜索不仅仅是在搜“文本”，更是在搜“逻辑”和“代码”。综述将搜索分为三个抽象层级：

  • 假设层（Hypothesis-Level）：生成纯文本的科学猜想。

    图片

  • 程序层（Program-Level）：直接生成可执行的代码或实验方案。比如 CodeScientist，它生成的不是文本建议，而是能在模拟器中运行的 Python 脚本。

    图片

  • 元层级（Meta-Level）：这是最高级的形态。模型搜索的对象是“搜索策略本身”。例如 Darwin Gödel Machine，它不是在生成代码，而是在进化“自我改进的代码”，修改自己的 Prompt 或推理逻辑。这种自我进化的能力，让我们看到了 变革式创造力 的曙光。

    图片

第四流派：多智能体系统辩论产生真理

科学研究从来不是孤独的旅程。多智能体系统（MAS）试图模拟人类科学社区的运作方式。

图片
假设评估中的内部自信度 vs 同行智能体

1. 自动化流水线：效率的极致

像AI Scientist这样的系统，采用的是 流水线（Pipeline） 模式。Agent A 读论文，Agent B 提想法，Agent C 写代码，Agent D 写论文。这主要提升了效率，实现了科研的自动化。

图片

2. 辩论与涌现：智慧的火花

综述更看重的是 基于辩论的协作（Debate & Emergence）。

  • 案例：Multi-Agent Debate (MAD) 框架中，不同视角的 Agent 互相攻击对方的假设，甚至需要一个“裁判 Agent”来定夺。

  • 价值：这种对抗性的交互（Adversarial Interaction）能有效过滤掉平庸的想法，并迫使生成者提出更稳健、更深刻的假设。这正是复杂系统理论中提到的 “涌现性”（Emergence）——群体的智慧超越了个体之和。

第五流派：参数级适配重塑“科学家大脑”

前几种方法都是在模型推理阶段做文章，而这一流派旨在通过训练，直接改变模型的能力。

图片
材料科学中 SFT 增强的问答 (SFT-Enhanced Question Answering in Materials Science)

1. SFT 的双刃剑

监督微调（SFT） 可以让模型学会“像科学家一样说话”，比如 DARWIN 系列模型。但综述警告：SFT 数据集往往是静态的，过度拟合 SFT 可能会导致模型丧失多样性，变成只会背书的书呆子。

2. 创造性偏好优化 (CRPO)：为“新颖”打分

为了解决对齐带来的平庸化，研究者提出了 CRPO (Creative Preference Optimization)。

  • 原理：在强化学习的奖励函数中，显式地加入 新颖性（Novelty） 和 多样性（Diversity） 的权重。

  • 效果：模型不仅仅被奖励“回答正确”，还被奖励“回答得与众不同”。这强迫模型去探索概率分布的长尾区域，挖掘那些罕见但有价值的想法。

评估：如何量化“尤里卡时刻”？

如果说生成想法是“油门”，那么评估就是“方向盘”。综述指出，评估（Evaluation）是目前阻碍AI科学发现的最大瓶颈。我们如何判断一个 AI 提出的想法是否具备诺奖潜质？

1. 计算指标：新颖性的数学定义

  • RND (Relative Neighbor Density)：这是一种基于向量空间的指标。它计算一个想法在语义空间中的“孤独程度”。如果一个想法周围很空旷（邻居少），说明它很独特。RND 进一步引入了相对密度，消除了不同学科本身拥挤程度的偏差。

  • SciND：基于知识图谱的三元组。如果模型生成了 (Transformer, applied_in, Molecular_Biology) 这样一个历史上从未出现过的三元组，就被视为新颖。

2. 执行基评估：实践是检验真理的唯一标准

最硬核的评估方式是 Execution-based Evaluation。

  • 模拟器：在材料科学中，AI 提出的新合金配方会被直接输入到物理模拟器（如 DFT 计算）中，验证其稳定性。

  • 湿实验室（Wet-Lab）：AI-Coscientist系统甚至连接了真实的机器人实验室。

    图片

    AI 提出的生物假设会被自动转化为实验指令，由机器人执行 PCR 或细胞培养，最终用真实的实验数据来打分。

未来展望：通往“AI 科学家”的最后几公里

综述在最后列举了未来的方向，这些方向极具启发性：

  1. 拥抱开放式探索 (Open-Endedness)： 目前的 AI 都是在做“填空题”。未来的 AI 科学家应该像生物进化一样，进行Open-Ended Learning。它不应只有固定的目标，而应具备 “发明新问题” 的能力。算法如 POET 和 Go-Explore 告诉我们，伟大的发现往往是在探索其他事物的过程中意外诞生的。

  2. 高保真模拟器 (Domain-Rich Simulators)： 依靠昂贵的真实实验是不够的。我们需要为生物、化学、物理建立 数字孪生（Digital Twins）。这些高保真的虚拟世界将成为 AI 科学家的“健身房”，让它们能以极低的成本进行数百万次的试错和迭代。

  3. 超越 Next-Token Prediction： 综述深刻地指出，当前的自回归（Auto-regressive） 训练目标可能天生就不适合科学发现。因为它倾向于预测“概率最大”的词，也就是最平庸的词。未来的架构可能需要结合扩散模型（Diffusion Models） 或非自回归生成，以支持更全局、更跳跃的思维模式。

结语

这篇综述向我们展示了，LLM 正在经历一场从“助手”到“合作者”的深刻蜕变。

通过 知识图谱的连接，它们学会了跨界思考；通过 结构化的搜索，它们学会了深思熟虑；通过 多智能体的辩论，它们学会了批判与反思。虽然距离真正的“变革式创造力”还有很长的路要走，但AI科学家的雏形已经显现。

也许在不久的将来，当我们再次看到重大的科学突破时，作者栏里会出现一个我们熟悉又陌生的名字，那不仅是一个工具，而是一位真正的智能探索者。

未来已来，有缘一起同行！

图片