10 月 27 日、28 日，AI 驅(qū)動科學研討會（Symposiumfor AI Accelerated Science，AIAS 2025）在美國舊金山舉行。會議匯聚了近 30 位全球頂尖學者與產(chǎn)業(yè)領(lǐng)袖，與現(xiàn)場數(shù)百位學者、學生共同探討 AI 如何驅(qū)動科學發(fā)現(xiàn)。
會上，盛大集團、天橋腦科學研究院創(chuàng)始人陳天橋發(fā)表主題演講，首次系統(tǒng)闡述了 " 發(fā)現(xiàn)式智能 "（DiscoverativeIntelligence）的全新理念，指出這是真正意義上的通用人工智能，并提出了實現(xiàn)路徑。
2025 年新晉諾獎得主、加州大學伯克利分校教授 OmarYaghi，2024 年諾獎得主、華盛頓大學教授 David Baker，2020 年諾獎得主、加州大學伯克利分校教授 Jennifer Doudna，圖靈獎得主、斯坦福大學第十任校長暨現(xiàn)任 Alphabet （谷歌母公司）董事長 John Hennessy 等參加了會議主題分享與圓桌討論。
陳天橋演講全文：
真正的智能，是能 " 發(fā)現(xiàn) " 的智能
一、人類進化從未停止，只是改變了方式
自智人出現(xiàn)以來，我們的身體幾乎沒有變化。甚至有研究顯示，人類大腦的體積相比舊石器時代還有所縮小。但這并不意味著人類進化已經(jīng)停止。我們用智慧讓科學發(fā)現(xiàn)和技術(shù)發(fā)明成為我們新的、外在的進化器官。我們發(fā)明武器來獲得利爪和尖牙，發(fā)明衣服來獲得新的皮膚，發(fā)明汽車來跑得比獵豹還快，發(fā)明飛機來超越鳥類。我們的平均壽命從二十多歲延長到近八十歲，這種差距在生物學上只存在于不同物種之間。
可以說，人類并未停止進化；相反，通過不斷發(fā)現(xiàn)未知，我們將自身的功能外化，擴展了在時間和空間上的范圍。科學發(fā)現(xiàn)和技術(shù)發(fā)明已成為人類進化的主要引擎。
二、" 發(fā)現(xiàn)式智能 " 是真正意義上的通用人工智能
因此，AIfor Science 不應(yīng)被看作是人工智能應(yīng)用的一個方向。它定義了 AI 與人類的關(guān)系：AI 的價值不在于取代現(xiàn)有的人類工作，比如更快、更便宜或更高效。從我們物種進化的角度看，AI for Science 就是 AI for Human Evolution。幫助人類發(fā)現(xiàn)未知，是 AI 對人類的終極價值。
如今許多模型聲稱已經(jīng) " 發(fā)現(xiàn) " 了新結(jié)構(gòu)、新分子，甚至新理論。但這種 " 發(fā)現(xiàn) " 大多還停留在結(jié)果層面。他們在已知能量函數(shù)、統(tǒng)計模式或語料分布內(nèi)找到了新樣本。這并不是科學意義上的發(fā)現(xiàn)，而是在搜索空間內(nèi)的外推。
真正的 " 發(fā)現(xiàn) " 是能夠提出問題，而不僅僅是回答問題；能夠理解原理，而不僅僅是預(yù)測結(jié)果。
這種能夠主動構(gòu)建可檢驗理論模型（可檢驗的世界模型）、提出可證偽假說，并通過與世界的互動和自我反思不斷修正自身認知框架的智能，才是真正的通用人工智能。我們稱之為 " 發(fā)現(xiàn)式智能 "（DiscoverativeIntelligence）。
它不同于其他智能的定義：
它超越了模仿，因為創(chuàng)造和發(fā)現(xiàn)才是智慧的本質(zhì)；
它是可證偽的，因為發(fā)現(xiàn)是可觀察的事件，而不是像 " 意識 " 那樣模糊的哲學定義；
它重新定義了 AGI 的意義——不是 " 取代人類 "，而是 " 進化人類 "。
三、規(guī)模路徑與結(jié)構(gòu)路徑：通向 " 發(fā)現(xiàn)式智能 " 的兩條道路
以 " 發(fā)現(xiàn)式智能 " 為新標準，我們重新審視當今 AI 發(fā)展的兩大流派：
第一是 " 規(guī)模路徑 "。它強調(diào)參數(shù)即知識，智能是規(guī)模的產(chǎn)物。只要模型足夠大、數(shù)據(jù)足夠多、算力足夠強，智能就會自然涌現(xiàn)。這一路徑已經(jīng)取得了驚人的應(yīng)用成果，使 AI 能夠預(yù)測蛋白質(zhì)、生成化合物，甚至輔助科學研究。這無疑是 AI 歷史上最成功的工程路徑。
與此同時，另一條路徑正在悄然形成，即 " 結(jié)構(gòu)路徑 "。這里的 " 結(jié)構(gòu) " 不是指模型架構(gòu)，而是智能的 " 認知解剖學 "。大腦是一個通過神經(jīng)動力學，并基于記憶、因果和動機，形成知識系統(tǒng)并隨時間不斷演化的系統(tǒng)。這些機制賦予智能以連續(xù)性、可解釋性和方向感。科學發(fā)現(xiàn)的本質(zhì)是推演未來，這一觀點認為，只有具備時間結(jié)構(gòu)的智能才能在分布外保持有效。
四、大腦之鏡：時間結(jié)構(gòu)分析
那么，所謂 " 大腦的時間結(jié)構(gòu) " 究竟指什么？
它不是指大腦的某個具體物理區(qū)域，而是大腦處理信息的基本 " 運行范式 "。
當前 AI 的 " 空間結(jié)構(gòu) " 范式（規(guī)模路徑）本質(zhì)上是 " 瞬時的 " 和 " 靜態(tài)的 "，用大量空間參數(shù)去擬合世界的 " 快照 "。而大腦的 " 時間結(jié)構(gòu) " 范式本質(zhì)上是 " 連續(xù)的 " 和 " 動態(tài)的 "，其存在的目的是管理和預(yù)測時間流中的信息。
要管理時間流中的信息，系統(tǒng)必須具備五種核心能力，這五種能力共同構(gòu)成了 " 時間結(jié)構(gòu) " 的完整閉環(huán)：
1. 神經(jīng)動力學：要在時間中 " 存在 "，而不是 " 瞬時計算 "，必須有連續(xù)的能量基礎(chǔ)。大腦是一個持續(xù)運行的動態(tài)能量系統(tǒng)，即使沒有輸入，大腦也能自組織、自激活、自校正，就像我們在發(fā)呆的時候大腦仍然在運轉(zhuǎn)。這種能量流讓智能真正 " 活著 "。而 Transformer 是離散的、靜態(tài)的計算圖，每次推理結(jié)束后 " 思考 " 完全停止，下一次又從零開始，沒有時間連續(xù)性。今天的智能只是計算，而不是存在。智慧必須 " 活著 "，因為世界總在變化，只有持續(xù)隨時間更新的系統(tǒng)才具備科學發(fā)現(xiàn)的能力。
2. 長期記憶系統(tǒng)：要 " 積累 " 過去的經(jīng)驗，而不是每次都從零開始，必須有可塑的存儲機制。當前大模型的記憶是 " 短時工作記憶 "，一旦上下文清空，智能就被重置。沒有長期記憶，就沒有真正的學習。長期記憶不僅讓智能積累經(jīng)驗，更重要的是學會有選擇地遺忘，使其能在有限參數(shù)內(nèi)高效學習，形成假說和理論。
3. 因果推理機制：要理解事件在時間中的順序（即什么導致了什么），必須能夠推導原理。現(xiàn)有大模型對已知信息的理解和再現(xiàn)，包括因果關(guān)系，仍局限于已知范圍內(nèi)的語言統(tǒng)計，而不是機制推導。模型在訓練數(shù)據(jù)分布內(nèi)表現(xiàn)完美，但環(huán)境一變就崩潰，因為它依賴的是共現(xiàn)模式，而不是世界結(jié)構(gòu)。因果推理在科學發(fā)現(xiàn)中的意義，正是要在未知條件下重建對世界的理解，是走向分布外的第一步，也是世界模型的起點。
4. 世界模型：要預(yù)測未來的軌跡，必須能夠在內(nèi)部模擬世界。雖然當前 AI 具備多模態(tài)感知，但仍缺乏統(tǒng)一模型，無法在內(nèi)部形成連貫的 " 現(xiàn)實投影 "。而人腦擁有統(tǒng)一的世界表征系統(tǒng)，整合感知、記憶、預(yù)測和自我反思。它讓我們能在腦中模擬世界、預(yù)演未來，不斷在神經(jīng)層面運行假設(shè)檢驗和因果預(yù)測。這正是科學思維的本質(zhì)：在大腦中運行關(guān)于未來的實驗。
5. 元認知與內(nèi)在動機系統(tǒng)：要管理上述復(fù)雜的跨時過程。人腦具備元認知，能意識到自己的不確定性，調(diào)整推理路徑、分配注意力、選擇策略。這種 " 對思維的思考 " 是科學和創(chuàng)造力的起點。而今天的 AI 主要依賴外部指令，缺乏自驅(qū)，包括強化學習的獎勵函數(shù)也是由外部設(shè)定。當長期記憶和因果推理在世界模型中匯聚時，如何產(chǎn)生機器元認知，讓探索欲和好奇心自發(fā)生成。這是從被動執(zhí)行者到主動探索者的關(guān)鍵一步，也是走向活的智能的最大的挑戰(zhàn)。
這五種能力不是五個平行方向，而是智能的連續(xù)、活躍閉環(huán)——一個能隨時間自我進化的系統(tǒng)。我們稱之為 " 大腦的時間結(jié)構(gòu) "（TemporalStructure）。
五、時間結(jié)構(gòu)：年輕人的切入點
正因為規(guī)模路徑近年來取得了巨大成功，我們才第一次如此清晰地看到它的天花板：僅靠堆積數(shù)據(jù)和算力，無法突破通向真正理解和發(fā)現(xiàn)的障礙。這是結(jié)構(gòu)主義思維回歸的最佳時機。我們正站在這個歷史轉(zhuǎn)折點。我們需要的不是更多顯卡，而是新理論、新算法和新想象力。這需要跨學科思維：神經(jīng)科學、信息論、物理學和認知心理學的融合。這正是年輕人的優(yōu)勢。
我們已經(jīng)為這些年輕人做好了準備：
我們有算力。無論選擇哪條路徑，算力都是不可或缺的。我們將投入超過十億美元建設(shè)專用算力集群，為年輕科學家提供即時實驗的資源環(huán)境。這些算力不是用來比拼規(guī)模，而是用來探索結(jié)構(gòu)，驗證記憶機制、新的因果架構(gòu)或新的神經(jīng)動力學假說。
我們有辦公室。我們在全球設(shè)立了研發(fā)中心，邀請來自不同學科的年輕研究者在白板前現(xiàn)場碰撞智慧，目前已有 200 多位世界知名大學的博士在我們的辦公室工作。
我們正在建立基準。我們計劃推出新的基準（benchmark），全面衡量神經(jīng)動力學、長期記憶、因果推理、世界模型和元認知，以 AI 是否 " 發(fā)現(xiàn) " 為 AGI 衡量標準，讓所有科學家基于 SOTA 目標協(xié)作和競爭。
我們有專為年輕人設(shè)計的機制。我們正在建立 PI 孵化器，為全球年輕科學家開設(shè)獨立研究通道。博士生和博士后無需等到畢業(yè)，就能獲得獨立預(yù)算，在我們的平臺上以自己名字命名實驗室，帶領(lǐng)同事獨立探索時間智能的未來結(jié)構(gòu)。
我們相信：規(guī)模是巨人的道路，時間結(jié)構(gòu)是年輕人的機會。巨人用算力推動邊界，年輕人用結(jié)構(gòu)重新定義智能：
那就是一種不會重復(fù)既有知識，而是能提出自己假說、驗證世界并修正自身理解的智能——這就是能 " 發(fā)現(xiàn) " 的智能。
（本文首發(fā)于鈦媒體 APP）
