跳到正文
MTS(youtube.com)· Sophia Dew·· 5 天前品質評分58

AI 距離自主研究仍十分遙遠 | Andrew Gordon Wilson

AI 距離自主研究仍十分遙遠 | Andrew Gordon Wilson

重點導讀

Perplexity 研究員 Andrew Gordon Wilson 主張,AI 距離自主研究仍十分遙遠,因為科學品味與提出問題才是最難跨越的缺口,並介紹用於評估研究能力的 Discover Physics 基準。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

Podcast 專家音訊節目

收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情

正文

Perplexity「前沿研究」(Frontier Research)計畫研究負責人 Andrew Gordon Wilson 認為,全自動的研究科學家距離實現還很遙遠,因為 AI 系統仍欠缺人類最難的一項能力:判斷哪些問題值得問。本集節目的頭條話題——自動化研究還有多遠——其實只佔了開場幾分鐘;大部分對話圍繞學術界與產業界的算力落差、開放科學的理由,以及 Perplexity 打算如何把自家模型與第三方前沿模型結合。

Wilson 既是 NYU Courant 研究所教授,也是 Perplexity 的研究負責人。他把這個計畫——於本集錄音前一天、也就是 2026 年 11 月中宣佈——定位在基準測試、強化學習與 10,000 顆 GPU 的算力配置上。讀者讀完應該能掌握:Wilson 如何拆解研究問題、他為何認為科學「品味」難以透過訓練養成,以及 Perplexity 已開放的具體專案(Discover Physics、Wander)與招募管道。

自動化研究仍遙遠,科學品味才是瓶頸

Wilson 一開場就否定近期出現奇點的框架。被問到全自動研究科學家還有多遠時,他說「其實還很遠」,並指出儘管外界熱議 AGI 與 ASI,「能做自主研究,正是我們現在的系統嚴重欠缺的能力」。他的歷史論證是:科學是靠解釋與理論推進的——相對論、量子力學——而不是靠黑箱預測,有了理論才推匯出應用。他認為在這個方向上,學界「連表面都還沒碰到」。

研究迴圈中最難的一環不是解題,而是判斷。Wilson 在 Courant 指導過博士生,他觀察到,新進學生通常是解題高手,成績單漂亮、技術課程扎實,但很不會辨認什麼問題有意思。這項能力——「有品味、能在模糊中摸索前進、知道該問什麼問題」——通常是學生花五年讀博士才慢慢學會的,而這正是該計畫想教會模型的事。他也點出,研究專案整體的連貫性同樣還有很大的改善空間。

「有品味、能在模糊中摸索前進、知道該問什麼問題——這些都是人類研究者剛起步、比如剛念博士時覺得最難的事。」

他說明品味可以透過範例來教,用的是指導教授與學生的互動:學生提出想解某個問題,指導教授反問他,最好的結果會是什麼、會帶來什麼影響。這種蘇格拉底式的問答,就是這套系統可能學會品味的範本。

Discover Physics 把世界模擬變成訓練訊號

Perplexity 打造了一個名為 Discover Physics 的基準測試,用來評估、進而提升研究能力。做法是:建構出遵循與我們不同物理法則的模擬世界。模型在這些世界裡做實驗——把粒子放在指定位置、賦予指定速度、進行量測——實驗次數有固定上限,之後必須提出一套解釋,再與該世界的正確解答比對。

這個基準測試有雙重用途。一旦有了評估方法,就能拿來當強化學習後訓練的獎勵訊號。Wilson 報告了一個引人注目的結果:用這種方式介入,往往能讓模型整體的研究能力變好,而不只是物理變強。他明確表示,這個計畫目前並不是針對新藥開發這類狹窄領域,而是著眼於做科學研究的通用能力。

第二個評估工具是 Wander 基準測試,衡量模型進行「廣度與深度兼具的研究」的能力。Wilson 認為,要提升研究能力,先能合理評估研究能力是必要的起點。

基準測試衡量什麼用途
Discover Physics在實驗次數上限內,為物理法則陌生的模擬世界提出正確解釋評估,兼作強化學習後訓練的獎勵訊號
Wander廣度與深度兼具的研究能力評估研究能力

算力是學術界與產業界的結構性分界

Wilson 做 AI 研究將近 20 年,他直接把成本曲線攤開來看:大約 15 年前,約 2 萬美元就能買到幾臺搭載當時最先進 GPU 的節點,足以支撐前沿的深度學習研究。今天同樣的錢,「連邊都摸不到」有意義的前沿進展所需的門檻。Perplexity 的 10,000 顆 GPU,算力比學術界通常能取得的資源高出好幾個數量級,他認為這是在前線做出貢獻的必要條件。

他也很謹慎,不貶低算力較少的研究。拆解模型、理解其運作原理——有時被稱為深度學習的科學——用少得多的算力依然做得到,大學也仍產出扎實的成果。但在他看來,10,000 顆 GPU 的配置是個罕見機會,能做學術界通常撐不起的研究。

Wilson 解釋自己為何加入 Perplexity:他當時在幾種選擇之間權衡,一邊是「新實驗室」(neo lab,指有明確自我定位、朝雄心方向發展的新創),另一邊是資源雄厚但可能不會嘗試創意點子、也不見得願意分享所學的老牌實驗室;而 Perplexity 剛好落在三件事的交集上——算力、透過一款廣泛使用的產品觸及使用者,以及願意嘗試創意點子並公開發表。

開放讓科學複利,Perplexity 押注於此

Wilson 主張開放的理由建立在複利效果上。當各團隊的互補強項結合起來,科學推進得更快,整體大於部分之和。他舉的例子是 Meta FAIR 開發的 PyTorch:開源之後推動了整個社群,也讓 PyTorch 本身變得更好,等於大家都因為一個更好的工具而受益。

他還有一個比較個人的理由:少了動機與樂趣,很難做出好研究,而科學家天生就很難不把腦中在想的事說出來。事後回顧,他最好的研究成果,很多來自不經意的互動與岔出去的話題,而不是關起門來執行多年的宏大計畫。他說,社群開放的時期,往往也正是創新最蓬勃的時期,Transformer 就是一例。

被問到研究的未來是否會更開放,Wilson 說他希望如此,但這需要有強而持續的倡議者,因為正反雙方都有論據。他特別點出早期教育這個理由:AI 如今無所不在,孩子會問它怎麼運作,如果回答「這就是個黑箱,相信它就對了」,那會是很糟的結果。要有知情的公眾與下一代的科學家,開放是前提。

「科學唯有共享,才能真正複利。」

進展會以里程碑累積,而非一次躍進

Wilson 不願給時間表,他說超過大約六個月的事就很難預測,AI 尤其如此。他對進展很樂觀,但預期是連續演進,而不是從平庸科學家突然跳成世界頂尖。被問到一年後會是什麼光景,他沒有給具體說法,只指向一個接一個的階段性里程碑。

他認為,這項工作的特色在於具體:整個議程被拆成預訓練、後訓練、持續學習、合成資料與評估。他指出,「自動化科學研究」對不同的人意味著不同的事,而今天叫 LLM 去做一個研究專案,它會生出東西,但不會是好東西。基準測試正是把這個判斷變得具體、並沿著連續演進追蹤進展的機制。

跨競爭對手的模型排程,是 Perplexity 的結構性優勢

Perplexity 並不限於自家模型,Wilson 把這點視為關鍵優勢。他回憶,幾年前大家可能會預測前沿模型終將趨同,最後 GPT 和 Claude 之間沒什麼實質差別。結果並非如此:使用者會依用途挑模型——例如寫作用 Claude,技術性程式碼用 OpenAI 的模型。模型的多元性正在增加。

這種多元性讓 Perplexity 能依所要追求的能力,選擇性地組合模型。這也影響 Perplexity 訓練自家模型的方式:自家模型被訓練成在特定事情上特別強,好與現有前沿模型搭配運作,成為排程系統裡的一環,而不是獨立取代它們。如何把各家模型的多元強項組合起來——也就是排程——是這個計畫與評估並列、正積極推進的領域之一。

flowchart TD
    A["Perplexity 前沿研究議程"] --> B["評估"]
    A --> C["排程"]
    A --> D["自家模型預訓練"]
    A --> E["後訓練與強化學習"]
    A --> F["持續學習"]
    A --> G["合成資料"]
    B --> H["Discover Physics"]
    B --> I["Wander"]
    H --> E
    C --> J["依能力組合第三方前沿模型"]
    D --> K["打造能與現有前沿模型互補的模型"]
    K --> C

如何加入:正職、研究員計畫,以及 Perplexity 其他職缺

Wilson 請有興趣的聽眾上 research.perplexity.ai,那裡以相當細的層次完整說明願景。加入的途徑包括:前沿研究的全職技術人員(member of technical staff)職位;博士前與博士後層級的研究員計畫(research fellowship);以及 Perplexity 整體的其他工程與研究職缺。

他指出,大約在錄音前一個月、也就是 2026 年 10 月中左右,研究員計畫的招募收到申請的數量與品質,他形容「好得不得了」。他預期研究員計畫能順利轉化為正職。

值得關注的重點

這個計畫自己的框架,等於立下一個可驗證的主張:在模擬物理基準上做強化學習,能遷移成通用的研究能力,而不只是物理表現變好。若成立,Discover Physics 就成了訓練「判斷力」而非「知識」的範本。尚未化解的張力也來自 Wilson 自己:品味與知道該問什麼是瓶頸,但他描述的訓練方法,獎勵的是在次數上限內提出正確解釋——這比他所說最要緊的「在模糊中摸索前進」目標窄得多。像 Wander 與 Discover Physics 這類基準測試,靠一個接一個里程碑推進,究竟能不能真的把模型推向指導教授那種「知道什麼值得做」的直覺,將是未來一年陸續發表的研究成果該回答的問題。同樣值得追蹤的是排程這步棋:Perplexity 正在預訓練的模型,明確被設計成要與競爭對手的模型共存於同一系統中、扮演其中一個元件——這套策略的前提,是前沿實驗室持續分歧而非趨同。

來源: MTS (youtube.com)
開啟原文

讀者討論

理性交流 · 即時討論