14岁清华天才、普林斯顿最年轻终身教授王梦迪：AI 尚未发现新的基础科学｜附完整演讲

9月10日，在2026 Inclusion·外滩大会主论坛上，普林斯顿大学人工智能创新中心主任王梦迪教授提出一个问题：AI距离自主发现新科学还有多远？ 她的判断是，今天的大模型已经掌握了大量人类知识，但在真正的科学发现上仍然存在明显局限：大模型更擅长找到“最可能”的答案，而真正的新发现，往往藏在概率分布的长尾里。 王梦迪团队近期与普林斯顿大学社会学教授谢宇合作，用ChatGPT、Claude等大模型进行“模拟人生”实验。例如，让模型模拟一个1930年出生的英国人，自主生成自己此后的人生轨迹。 实验发现，在结婚年龄、职业、性别等多个问题上，大模型倾向于高估最常见的情况，却明显低估少数情况和长尾分布。 大模型会学到一个概率分布里最大似然的那一点，但对于长尾的知识可能会低估、甚至忽略。”王梦迪说。 她认为，这也解释了为什么大模型在数学、Coding等领域进展迅速，却尚未在物理、化学、生物等基础科学领域产生同等规模的原创发现。 区别在于，数学和Coding拥有相对明确的“验证器”。Coding可以通过编译器和Unit Test验证结果，数学则可以借助Lean等形式化证明系统进行验证。模型可以不断尝试、获得反馈、修正答案，再进入下一轮训练。但在现实科学研究中，验证远没有这么容易。 “Ideas are cheap。你要给我看代码，或者给我看实验。”王梦迪表示。科学研究往往涉及复杂的实验设备、人的判断以及跨团队协作，很多实验甚至无法稳定复现。信息越来越多，并不意味着真正有效的新信息同步增加，反而可能降低科研过程中的“信噪比”。 在她看来，AI走向自主科学发现的关键，并不是让模型再多知道一些，而是让现实世界变得越来越可验证。 王梦迪团队正在尝试建立这样的一个基础设施。在量子材料研究中，他们搭建了自动化实验平台，将原本需要科研人员数月完成的石墨烯实验流程进行自动化，并将实验设备和能力封装成API，让其他科研机构能够调用和复现实验；同时，他们还在探索面向科研实验室的智能操作系统LabOS，让多模态AI能够通过智能眼镜感知实验环境、辅助科研人员操作，并进一步连接软件、AI模型、机器人和真实实验设备。 王梦迪认为，真正决定AI能否成为“发现者”的，不只是模型有多大，而在于是否存在一套能够连接假设、验证、追溯和重复的基础设施。只有当物理世界中的实验过程能够被系统记录、持续验证、反复复现，AI才可能真正把训练中学到的“似然性”，转化为对“可能性”的探索。 完整演讲（未经确认版）： 今天我要讲的话题比较学术。刚才宏江老师分享了很多AI非常棒的前沿进展，在各个方面，从生产到工作推动很多工作流自动化、企业自动化、知识前沿。今天我想讲的话题是，希望把知识前沿再往前推一推。 AI和能够自主探索、自主Discovery还差多远？这是我想讨论的话题。 假设黑色的概率分布是人类所有的知识，那现在的大模型学到哪一步呢？有三种情况： （1）Same space，现在的大模型正正好好地覆盖了人类现有所有通用知识。 （2）Smaller space，现在的大模型覆盖了通用知识里离中心比较近的那一部分。 （3）Larger space，现在的大模型已经能够超出人类现有的知识，推动训练数据中没有的发现。 答案是需要分类。 我先讲一个具体的、最近的工作，是统计社会学的实验，是普林斯顿大学社会学教授谢宇老师想研究的问题，他拉我给他干活儿。谢宇老师也是著名公众号《知识分子》的创始人。 在这个工作里，我们想回答的问题是：如果我用大模型ChatGPT、Claude去模拟人生。你现在是一个1930年出生的英国人，让它自己把后面的人生，什么时候上学、在哪儿上学、学什么专业等等都写下来，自己把自己模拟一遍。我们选择了一个恰好有非常多现实数据的历史时间段和地理区域。 结论在图里。比如，第一个社会学家关心的问题是，“模拟人生”第一次结婚时多大岁数？这时候发现，大模型模拟出来的基本上都是在24岁左右就结婚了，非常符合父母的期待。但实际上，真正社会学上的概率分布是长尾更多的曲线。 我们还设计了很多问题，比如在模拟人生中，你觉得自己的记忆如何，以及Gender（性别）、Occupation（职业）等。最终我们发现了一个基本在每一个实验里都会发生的问题：大模型会高估最常见、最通用的情况，但对于相对少见的情况，它会大大低估。 换言之，大模型在预训练时可能学到了很多关于人的信息，但是在这一类模拟或者对人类社会的理解上，大模型是Mode Seeking的。Mode是什么？在概率论里，当我有一个随机分布，Mode指的是概率分布中最大似然的那一点。也就是说，大模型会学到一个分布里最大似然那一部分的知识，但对于长尾知识可能会低估、可能会忽略。 大模型即使经过了预训练、Mid-training和强化学习，并且不管是在模拟社会、模拟人生，还是数学等其他更严谨的问题里，往往都会集中在概率分布的中心，低估长尾效应。 从ChatGPT Moment以来，大模型到底有没有发现新的科学？这里先排除编程和数学。 我之前有一个更长的报告。在那个报告里，我把每年每个公司——包括美国和欧洲的大模型公司——的宣传稿都扒了下来。从2022年、2023年、2024年到2025年，每一年Google都会推出一个宣称能够颠覆科学的AI Co-Scientist，很多其他模型公司也都在做。但是，如果你真的去看生物、化学、物理等基础学科，尤其是实验学科，大模型目前为止还没有带来新的发现。 这是为什么呢？ 当我们真的在基础学科前沿想做出新发现时，相当于要在宇宙里找到一颗新的“星星”。这颗星星肯定是之前没有观测过的，是训练数据里没有的。但是，从知识学习和知识拟合的角度来讲，大模型学到的是一个概率分布的Mode，它会忽略长尾，而人类真正的创新往往发生在长尾上。这时候，大模型可能还没有真正走到前沿，也就更没有办法把长尾继续往前推，找到概率分布以外新的星星。 我有一个同事去年写了一篇文章，讲的是AI不光没有加速科学、没有加速发现，反而把科学变慢了。 他的论据是，因为科学，尤其是物理这样的学科，本质上要有足够的观测数据来证明一个Hypothesis，这时候我们对有效信号有非常高的要求。但是，自从有了大模型，每年产生的论文数量呈指数级增长，里面真正有效的信息和信号却没有增加，因为人类对宇宙、对世界的观测并没有真正增加。 换言之，文章越来越多，但新的信息并没有增加。在信息论里有一个概念叫“信噪比”。当信噪比很低的时候，不管是科学家、工程师，还是希望真正利用这些信息进行发现的机构，可能反而更难从海量信息中找到有用的内容。 如果我们去看数学和Coding，会发现模型的进步非常明显。这是因为在这两个领域里，大模型的强化学习可以得到非常精准的反馈，也就是存在一个Verification，即验证器。 在Coding领域，验证器本身就是计算机程序的Compiler（编译器），并且每个程序可以有很多不同的Unit Test，以保证模型写出来的程序完成了任务。 在数学领域有一个“形式化证明”的验证器，可以把数学描述成一种非常特殊的编程语言。通过Lean，可以把两三句话的数学定理翻译成几千页的编程语言。虽然它变长了，但这样的数学证明是可验证、可编译