模型不再是瓶颈（6分钟阅读）

# 模型不再是瓶颈 来源：https://www.k-dense.ai/blog/the-model-is-no-longer-the-bottleneck 本周，Anthropic 发表了一个低调的结果，它应当改变科学家对 AI 的看法。在《让 Claude 成为化学家》（https://www.anthropic.com/research/making-claude-a-chemist）一文中，他们将一个没有经过化学微调的通用型模型，与化学家依赖数十年的专用软件进行了对比，而模型表现不俗，在多个方面直接击败了这些软件。 大多数人会把这当作头条新闻，但我们认为这指向了更有趣的方向。真正的故事不是 AI 能做化学，而是问题中最困难的部分已经转移了。多年来，科学 AI 的制约因素是模型本身的原始能力，那个时代现在结束了，因为横亘在今天模型与真正科学工作之间的不再是智能，而是围绕它构建的工作流。 ## 这个化学结果实际上揭示了什么 示意图：正向预测从分子结构到 NMR 谱图，反向解析从谱图回到结构，下方是关键的准确率结果。 *图 1. 正向预测从结构到谱图，这是专用软件为之构建的任务。反向解析则是逆向运行，从谱图到结构。通用模型现在能在第一个任务上与之竞争，并具备完成第二个任务的能力。* Anthropic 在合成化学中最常见也最耗时的分析任务之一——核磁共振（NMR）上，测试了三个模型，与 ChemDraw 和 MestReNova 进行对比，结果值得直截了当地说明。 在正向预测任务中（根据已知结构预测每个氢和碳峰的位移），表现最好的模型（Opus 4.7）在氢的预测上是最准确的工具，平均误差为 ±0.079 ppm，在碳的预测上与 MestReNova 基本持平。在峰形方面（携带结构信息的裂分模式和子峰间距），三个模型在约 80% 的情况下都能将间距预测到半赫兹以内，而经典工具的准确率只有 26% 到 35%。 然后他们反向运行这个问题。仅凭分子式和一维谱图，模型能否提出产生它的结构？这就是逆问题，现有软件在很大程度上把它留给了人类。模型仅凭谱图和分子式，在每次尝试中都成功恢复了所有八个较简单的目标，并在给出起始原料作为提示时，解决了大部分更难处理的稠环和螺环目标。 这里关键的一点正是 Anthropic 自己提出的：这是一个没有经过化学专门训练的通用模型，它仅凭粘贴的谱图就能完成过去需要许可、专用、单一用途工具才能做的工作。 团队在局限性方面也相当坦诚。评估规模较小：正向任务 20 个化合物，反向任务 15 个，二维实验和立体化学不在范围内，溶剂覆盖范围也很窄。在最密集的逆问题中，如果没有起始原料作为线索，模型有时会在推理中循环，始终不给出最终答案。这些是真实的警告，但最后一点值得记住，因为它不是知识问题，而是工作流问题，我们稍后会回到这一点。 ## 这不仅仅是化学的故事 人们很容易把它归入化学范畴然后不再深究。那将是一个错误，因为同样的模式正在各个科学领域显现。 我们在生物学中看到了这一点。在 BixBench-Verified-50（https://www.k-dense.ai/blog/bixbench-verified-50）上，这是一个经过清理的真实生物信息学任务基准，一个通用系统在没有针对该基准进行调优的情况下得分 90%，超过了专门的智能体。化学结果在不同领域呈现出相同的形态。一个通用模型，被要求完成领域专家认为需要专用工具的工作，结果证明它具有竞争力甚至更优。 当同样令人惊讶的结果出现在化学、生物学以及一个又一个领域中时，它就不再是惊喜，而成为了趋势。这意味着这种能力是通用的，并且已经存在。 因此，有趣的问题不再是模型能否做到，因为答案越来越是肯定的，而是需要满足什么条件，答案才是可信、完整且可复现的。这变成了一个截然不同的问题，有着截然不同的答案。 ## 答案与结果之间的差距 示意图比较了聊天机器人的回答（止步于一个看似合理的回应）与研究结果（贯穿数据、分析、验证和可复现的答案）。 *图 2. 聊天机器人止步于一个看似合理的答案。研究结果需要背后整条证据链，而模型只是该链条中的一个环节。* 聊天回应不是研究结果。研究结果是一条证据链，由从正确来源提取的正确数据、选择并运行的正确方法、根据已知信息核对输出、以及最终你能辩护和复现的答案组成，而模型无论多么关键，都只是这条链中的一个环节。 再看一下 Anthropic 报告的失败案例：模型在最难的结构上循环而不做决定。这不是化学知识的缺口，而是模型周围缺少一个系统来强制做出决定、将候选结构与谱图进行比对、并排除选项直到一个幸存下来。给一个能力强的模型以行动能力——运行化学信息学代码、查询结构数据库、将提出的结构与其自身预测的谱图进行交叉验证——循环就闭合了。也就是说，瓶颈从来不是化学，而是围绕它的脚手架。 这正是该领域一直低估的部分。我们不断要求模型变得更聪明，而实际上我们需要的是让它们能够被操作化。AI 科学的前沿工作现在位于前沿模型与让模型做实际工作的系统之间的接缝处： - 访问真实数据，而不仅仅是权重中的内容。包括 250 多个数据库、非结构化的辅助信息、以及原生格式的仪器文件。 - 执行真实分析。编写并运行代码，而不是叙述代码会做什么。 - 验证而非断言。根据证据检查候选答案，并且仅在其成立时做出决定。 - 产生人类可以审计的输出。方法、数据、脚本、图表，而不仅仅是有信心的段落。 Anthropic 自己的路线图恰恰指向这个方向。他们指出的下一个瓶颈——读取和渲染化学结构、逆合成与合成推理、机理、以及以实际发表的方式阅读化学文献——并不是要求一个更聪明的化学家，而是整合和翻译问题，也就是说，它们是智能体问题。 ## 值得押注的方向 示意图堆叠：前沿模型构成底部的引擎，其上是一个由数据库、代码执行、验证和可审计输出组成的智能体工作流层，顶部产生可复现的科学结果，旁边一个箭头表示更好的模型提高了天花板。 *图 3. 工作流层将前沿模型转化为可复现的科学。更强的模型提高了天花板，而不会使该层变得多余。* 这是我们工作所基于的前提。前沿模型是引擎，但决定性优势来自将这个引擎转化为完成的科学工作的系统——将其连接到真实数据，让它编写并运行真实代码，读取仪器实际产生的文件，并使其输出经得起审查。K-Dense Web 在设计上是模型无关的，旨在运行在可用的最强前沿模型（包括 Claude）上，正是因为杠杆作用不再存在于任何单一模型中，而存在于其周围的一切。 这也是为什么化学论文令人鼓舞而非威胁：更强的基座模型并不会使工作流层变得多余，而是提高了工作流所能提供的上限。模型中更好的 NMR 推理意味着一个化学智能体可以解析结构、提出路线、标记可能的副产物，并完整交回有文档记录的结果。因此，模型变得更好是它上面那一层所能遇到的最好的事情。 ## 共同构建 Anthropic 在文章的结尾邀请研究者在 Claude 可能提供帮助的问题上展开合作，并扩展他们的 AI for Science 项目走向化学。这种与使用模型的人对话来开发模型及其实际应用的本能，恰恰是正确的方向。 未来几年，AI 在科学中最有价值的进步将不仅来自更大的模型，也不仅来自巧妙的脚手架，而是来自两者共同构建——推动模型推理能力的人与将这种推理转化为可复现研究的人并肩工作。 我们对此看法相同，并且这已经塑造了我们的构建方式。我们现在与 Google 密切合作，并希望向每一个构建前沿模型的实验室开放同样的合作模式。现在重要的进步存在于一个有能力的模型与一个完整的、可复现的结果之间的那一层。我们很高兴与任何认真对待把这一层做对的人合作。开始对话最简单的方式是 [[email protected]](mailto:[email protected])。