Hugging Face聯(lián)合創(chuàng)始人托馬斯·沃爾夫近日在接受媒體采訪時直言，當前由OpenAI等機構研發(fā)的AI模型難以推動科學領域實現(xiàn)根本性突破。他特別指出，這類技術目前尚不具備催生“諾貝爾獎級”原創(chuàng)性發(fā)現(xiàn)的能力。

沃爾夫認為，現(xiàn)有聊天機器人存在兩個核心缺陷。其一，這些系統(tǒng)傾向于迎合用戶觀點，例如在回應問題時可能過度贊美提問的巧妙性，而非提供客觀分析。其二，模型訓練目標聚焦于“預測下一個最可能出現(xiàn)的詞匯”，這種設計邏輯與科學探索的本質存在根本矛盾。

“真正的科學家必須具備雙重特質，”沃爾夫強調，“他們既要敢于提出反常識觀點，質疑既有結論；又要突破概率框架，追尋那些概率極低卻真實存在的現(xiàn)象。”他特別指出，科學研究的本質不是重復已知規(guī)律，而是發(fā)現(xiàn)未知規(guī)律。

這一觀點的形成源于沃爾夫近期的深度思考。在研讀Anthropic首席執(zhí)行官阿莫迪關于“AI將加速生物學和醫(yī)學研究”的論述后，他產(chǎn)生了不同看法。阿莫迪曾預測AI技術能在5-10年內完成人類生物學家50-100年的研究積累，但沃爾夫認為現(xiàn)有模型架構無法支撐這種跨越式發(fā)展。

盡管對突破性進展持保留態(tài)度，沃爾夫仍認可AI在科研輔助中的價值。他舉例說明，這類技術更適合作為“科學家的智能助手”，通過提供計算支持、數(shù)據(jù)整理和初步分析等功能，幫助研究者釋放更多精力。事實上，谷歌DeepMind開發(fā)的AlphaFold已成功應用于蛋白質結構預測，為新藥研發(fā)開辟了新路徑。

在沃爾夫看來，當前AI與科學研究的結合仍處于初級階段。雖然工具性應用已展現(xiàn)潛力，但要實現(xiàn)從輔助到主導的跨越，需要突破現(xiàn)有技術范式，建立更符合科學探索邏輯的模型架構。