Google I/O 展示了AI驱动科学路径的转变

MIT Technology Review 2026/05/22 10:00 新闻

google-io ai-science singularity weathernext alphafold agentic-ai deepmind

摘要

Google I/O主题演讲强调了AI驱动科学的转变，将WeatherNext等专用工具与能够自主进行研究的智能体AI系统进行对比，标志着资源和热情的重新调整。

<div data-chronoton-summary="<ul> <li>奇点言论与现实工具相遇：Google DeepMind CEO Demis Hassabis宣称我们正处于“奇点山麓”——在展示了一个飓风预测工具之后。宏大愿景与当前成功之间的差距捕捉到了当前AI科学内部的真实张力。</li> <li>专用系统正在失去关注：诺贝尔奖得主AlphaFold变革了生物学，但Google似乎正悄悄将资源转向通用AI智能体——包括让AlphaFold共同创造者John Jumper从事AI编码工作。</li> <li>智能体AI正在实际推动科学发展：OpenAI的一个通用推理模型刚刚否证了一个重要的数学猜想，表明AI不需要专门为科学构建就能有意义地推进科学。</li> <li>Google在措辞上有所保留，即便不是实际行动：该公司将其一个智能体系统称为“AI Co-Scientist”而非“AI Scientist”——这是一个刻意的选择——但如果Hassabis关于未来发展方向的判断正确，这种区分可能不会持久。</li> </ul>" data-chronoton-post-id="1137813" data-chronoton-expand-collapse="1" data-chronoton-analytics-enabled="1"></div> 在周二Google I/O主题演讲中，Google DeepMind CEO Demis Hassabis宣称我们目前“正站在奇点的山麓”。这是一个引人注目的声明——奇点是一个理论上的未来时刻，届时AI将迅速超越人类智能，并彻底改变世界。但我在现场聆听时，注意到他说这些话的背景。  他登台是为了以科学AI环节结束演讲，该环节的核心是一段视频，详细展示了该公司的天气预报软件如何提前预警去年飓风梅丽莎在牙买加的灾难性登陆——并可能挽救了生命。如果这款名为WeatherNext的软件帮助任何人躲避风暴或加固家园，那将是一个巨大而有意义的成就。但这很难证明奇点即将来临。 Hassabis的高调言论与WeatherNext的实际成果形成对比，凸显了AI在科学领域的两种截然不同方法之间的张力。第一种方法专注于AI工具（如WeatherNext），这些工具专为解决特定科学问题而设计和训练。第二种是基于LLM的智能体系统，未来或许无需人类参与即可执行前沿研究项目。 第二种愿景目前极大地推动了AI的热情，包括近期对<a href="https://www.technologyreview.com/2025/08/06/1121193/five-ways-that-ai-is-learning-to-improve-itself/" data-type="link" data-id="https://www.technologyreview.com/2025/08/06/1121193/five-ways-that-ai-is-learning-to-improve-itself/">递归自我改进</a>的兴奋，即AI系统最终可能成为AI进步的主要驱动力——随着AI系统变得更智能，这一过程将不断加速。而智能体系统现在正<a href="https://www.nature.com/articles/s41586-026-10644-y">做出实际</a><a href="https://www.nature.com/articles/s41586-026-10652-y">研究贡献</a>，有时仅需有限的人类指导。 就在本周，Google Cloud首席科学家Pushmeet Kohli在《Daedalus》期刊的AI与科学特刊上发表文章写道：“我们正走向这样一个AI：它不仅促进科学，而且开始从事科学。”随着自主AI科学家即将到来，开发超专用工具的巨大努力——即使是像DeepMind科学家因此获得诺贝尔奖的AlphaFold，或可能拯救生命的WeatherNext——变得更加难以合理化。这也预示着科学领域一个更为奇特的未来：人类与AI系统作为同行协作，甚至AI独自取得科学进步。 需要明确的是，Google似乎并未放弃其专用AI科学工具的工作。AlphaGenome和AlphaEarth Foundations分别针对遗传学和地球科学应用进行了训练，于去年夏天发布，最新版WeatherNext则在11月推出。 此外，这些工具在科学家中仍然非常受欢迎。例如，去年Google报告称，AlphaFold的蛋白质结构预测已被全球超过300万研究人员使用。而Google子公司Isomorphic Labs旨在利用AlphaFold及相关技术开发新药，刚刚完成了一轮20亿美元的B轮融资。 但在热情和资源方面，有具体迹象表明正在重新调整。上个月，《洛杉矶时报》<a href="https://www.latimes.com/business/story/2026-04-22/googles-internal-struggle-is-handing-ai-coding-race-to-anthropic-openai">报道</a>称，因AlphaFold获得诺贝尔奖的Google研究员John Jumper现在从事AI编码工作，而非针对科学的AI工具。Google将其最优秀的人才分配给编码问题并不奇怪，因为该公司最近因编码工具目前不如Anthropic和OpenAI的产品而声誉受损。但这可能也表明Google优先考虑智能体科学，因为编码能力是其中一些系统成功的关键。  在整个行业中，智能体研究系统正显示出真正潜力。本周，OpenAI<a href="https://openai.com/index/model-disproves-discrete-geometry-conjecture/">宣布</a>其一个模型否证了一个重要的数学猜想——据一些数学家称，<a href="https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-remarks.pdf">这是生成式AI迄今为止对数学最有意义的贡献</a>。 重要的是，OpenAI使用的模型并非专为解决数学问题或甚至研究而设计；据该公司称，它是一个类似GPT-5.5的通用推理模型。如果通用智能体能够对数学研究做出独立贡献，它们或许很快也能在科学领域做到同样的事情（尽管科学中的观点必须通过实验验证，这使得科学对AI来说更具挑战性）。 Google无疑正将大量关注投向智能体驱动的科学未来。I/O上的重大科学公告是新的Gemini for Science套件，它将该公司多个基于LLM的科学系统统一在一个品牌下。 这包括假设生成的AI Co-Scientist和算法优化的AlphaEvolve，这些目前尚未公开可用——但随着Google现在允许任何研究人员申请访问Gemini for Science，它们可能很快在科学界得到更广泛采用。参与早期测试的科学家对其潜力充满热情：斯坦福大学遗传学家Gary Peltz在<a href="https://www.nature.com/articles/s41591-026-04275-z">Nature Medicine文章</a>中将使用AI Co-Scientist比作“咨询德尔斐神谕”。 Gemini for Science并非与专用工具不相容；相反，智能体系统可以设计为在必要时调用这些工具。没有智能体系统能够在不借助AlphaFold的情况下预测蛋白质折叠的结构（至少目前还不能）。但该公司似乎正在转变其公众形象——并且至少部分资源和人员（如Jumper）正从专用工具上转移。

查看原文

查看缓存全文

缓存时间: 2026/05/22 12:16

# Google I/O 展示了 AI 驱动科学的路径正在如何转变来源：https://www.technologyreview.com/2026/05/22/1137813/google-i-o-showed-how-the-path-for-ai-science-is-shifting 在周二 Google I/O 主题演讲中，Google DeepMind 的 CEO Demis Hassabis 宣称，我们目前正“站在奇点的山麓”。这是一句引人注目的话——奇点是理论上的未来时刻，届时 AI 将迅速超越人类智能，极大地改变世界。但我坐在观众席中听到这句话时，让我惊讶的却是他说出这句话的语境。他上台并以一段关于科学 AI 的内容收尾，其中核心环节是展示了一段视频，详细介绍了公司的天气预报软件如何提前预警飓风梅丽莎去年在牙买加造成灾难性登陆——并可能挽救了生命。如果这款名为 WeatherNext 的软件帮助任何人逃离风暴或更好地加固了家园，那是一个巨大而有意义的成就。但这几乎算不上奇点即将来临的证据。 Hassabis 的高调言论与 WeatherNext 的实际成果并列在一起，突显了两种截然不同的 AI 用于科学的方法之间的张力。第一种方法聚焦于像 WeatherNext 这样的 AI 工具，它们被设计和训练来解决特定的科学问题。第二种方法是基于 LLM 的智能体系统，它们有一天可能在没有人类参与的情况下执行前沿研究项目。这第二种愿景目前推动了大量的 AI 热情，包括最近对递归自我改进（https://www.technologyreview.com/2025/08/06/1121193/five-ways-that-ai-is-learning-to-improve-itself/）的兴奋——即 AI 系统最终可能成为 AI 进步的主要驱动力，随着 AI 系统变得更聪明，这一过程将越来越快。而且智能体系统现在正在做出真正的研究贡献（https://www.nature.com/articles/s41586-026-10644-y）（https://www.nature.com/articles/s41586-026-10652-y），有时仅需有限的人类指导。就在本周，Google Cloud 的首席科学家 Pushmeet Kohli 在期刊 *Daedalus* 的 AI 与科学特刊上发表了一篇文章，他写道：“我们正朝着 AI 不再仅仅是促进科学，而是开始*做*科学的方向前进。”随着自主 AI 科学家即将出现，为开发超级专业化工具而投入巨大努力——即使是像 DeepMind 科学家凭此获得诺贝尔奖的 AlphaFold，或像 WeatherNext 这样可能救命的系统——都更难以为继了。这也预示着一个更加奇特的科学未来，其中人类与 AI 系统作为同行合作——或者 AI 甚至独立取得科学进步。需要明确的是，Google 似乎并未放弃其在科学专用 AI 工具方面的工作。去年夏天，分别针对遗传学和地球科学应用训练的 AlphaGenome 和 AlphaEarth Foundations 已发布；最新版本的 WeatherNext 于 11 月推出。更重要的是，这些工具在科学家中仍然极为受欢迎。例如，去年 Google 报告称，AlphaFold 的蛋白质结构预测已被全球超过 300 万研究人员使用。而 Google 旗下的 Isomorphic Labs（旨在利用 AlphaFold 及相关技术开发新药）刚刚完成了 20 亿美元的 B 轮融资。但无论是在热情还是资源方面，都出现了具体的调整迹象。上个月，《洛杉矶时报》报道（https://www.latimes.com/business/story/2026-04-22/googles-internal-struggle-is-handing-ai-coding-race-to-anthropic-openai）称，因 AlphaFold 而获得诺贝尔奖的 Google 研究员 John Jumper 现在正在从事 AI 编程工作，而非科学专用 AI 工具。这并不令人惊讶，因为 Google 最近因编程工具在 Anthropic 和 OpenAI 面前相形见绌而声誉受损，所以正在将最优秀的人才分配到编程问题上。但这可能也标志着 Google 优先考虑智能体科学——因为编码能力是其中一些系统成功的关键。在整个行业内，智能体研究人员系统正在展现出真正的潜力。本周，OpenAI 宣布（https://openai.com/index/model-disproves-discrete-geometry-conjecture/），他们的一款模型推翻了数学中一个重要的猜想——据一些数学家称（https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-remarks.pdf），这可能是生成式 AI 迄今为止对数学做出的最有意义的贡献。重要的是，OpenAI 使用的模型并非专门用于解决数学问题，甚至不是专门用于研究；据该公司称，它是一个 GPT-5.5 类型的通用推理模型。如果通用智能体能够对数学研究做出独立贡献，那么它们可能很快就能在科学领域做同样的事情（尽管科学中的想法必须通过实验验证，这使得该领域对 AI 来说更具挑战性）。 Google 无疑正在将大量注意力投向一个由智能体驱动的科学未来。在 I/O 大会上，重大的科学发布是新的 Gemini for Science 套件，它将公司多个基于 LLM 的科学系统整合到一个品牌之下。这包括生成假设的 AI Co-Scientist 和算法优化的 AlphaEvolve，它们目前仍不公开——但由于 Google 现在允许任何研究人员申请使用 Gemini for Science，它们可能很快会在科学界得到更广泛的采用。参与早期测试的科学家对它们的潜力充满热情：斯坦福大学遗传学家 Gary Peltz 在一篇 *Nature Medicine* 文章（https://www.nature.com/articles/s41591-026-04275-z）中将使用 AI Co-Scientist 比喻为“咨询德尔斐神谕”。 Gemini for Science 与专用工具并不冲突；相反，智能体系统可以被设计为在必要时调用这些工具。而且，没有智能体系统能在没有 AlphaFold 帮助的情况下预测蛋白质将折叠成什么结构（至少目前还不行）。但该公司似乎正在将其公众形象——以及至少部分资源和人员（如 Jumper）——从专门开发这类工具转向其他地方。尽管距 AlphaFold 解决蛋白质折叠问题仅五年时间，但技术及讨论早已超越了这一曾经革命性的成就。 Google 一直小心地将这组新的科学智能体定位为人类科学家的加速器，而非替代者——例如，选择 AI Co-Scientist 而非 AI Scientist 这个名字似乎相当刻意。Hassabis 在谈论科学 AI 格局变化时也使用了这种以人为中心的框架。“未来十年左右，我们应该将 AI 视为帮助科学家的惊人工具，”Hassabis 在 *Daedalus* 特刊发表的一次采访（https://www.amacad.org/publication/daedalus/ai-ultimate-tool-science-conversation-demis-hassabis）中说道，“超过这个时间框架，就很难确定地说了，但也许这些系统会变得更像合作者。” 但没有人能成为有效的科学合作者，除非他自己也是一位熟练的科学家。而如果 Hassabis 谈到“奇点的山麓”时所言非虚，那么 AI 科学家最终可能会超越人类同行的能力。在 I/O 上与记者 Mike Allen 的讨论中，Hassabis 谈到他最初受到启发追求 AI 的原因：他观察到自 1970 年代以来物理学进展停滞不前；他猜想人类思维是否已在该领域达到极限，以及 AI 是否能帮助跨越这一障碍。超人般的智能体科学家无疑符合这个要求。我们或许永远不会接近那里，但 Google 似乎正将自己的目标对准那座顶峰。

Google I/O 展示了AI驱动科学路径的转变

相似文章

AI x Society | I/O 2026 Keynote

本周谷歌大会前瞻

面对Anthropic压力，Google加码推进智能体AI

@itsolelehmann：如果你最近一直在关注 AI 动态，就会知道本月整个行业发生了重大的风向突变。3 家头部 AI 实验室（Anthropic…

后搜索时代的谷歌拉开序幕

提交意见反馈