{"id":79319,"topic":"ai","source":"新浪网","title":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大 - 新浪网","url":"https://finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html?oid=800&vt=4&cid=76993&node_id=76993","url_hash":"246adb9a900195b9d258ce1d7c84d9cfcc0edb77","author":"","summary":"<a href=\"https://news.google.com/rss/articles/CBMisgFBVV95cUxQbW1RV2ZzcDJNdWp0c1hxNC1NdklRWC13ODRWVXhtOTQwM3lmNTE0S3JFU1pnMGgwdHQxRHpFMm01YUdtSjF2YXAwb09YUlRIUC1LR3BodFNKdXQ5TWNtODdsRW13VWtEUDJSYURrb3ZSME1FWGNmOWpBblBLZlhPVkRMaUJnNmFYVng1NFBscFE3MUZxSXJnQ1dRMUhwUGhlQndBSjJYbG5uY1RPaFJDc0R3?oc=5\" target=\"_blank\">普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大</a>&nbsp;&nbsp;<font color=\"#6f6f6f\">新浪网</font>","content":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大\n（来源：雷峰网）\n9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？\n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。\n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。\n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。\n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。\n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。\n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。\n“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”。\n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。\n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。\n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。\n2026 Inclusion·外滩大会于9月9日至12日在上海举行，大会以“共创AI新经济”为主题，探讨AI如何推动更可持续的经济增长和更广泛的社会价值。","image_url":"https://n.sinaimg.cn/spider20260910/301/w660h441/20260910/b8a8-8aa1b688c241221fa6274cbbae4e9344.jpg","lang":"zh","published_at":"2026-09-10T08:14:10+00:00","fetched_at":"2026-09-10T09:15:08+00:00","status":"read","starred":0,"extract_state":"ok","summary_auto":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大\n（来源：雷峰网）\n9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？\n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。\n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。\n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。\n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。\n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。\n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。\n“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”。\n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。\n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。\n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。\n2026 Inclusion·外滩大会于9月9日至12日在上海举行，大会以“共创AI新经济”为主题，探讨AI如何推动更可持续的经济增长和更广泛的社会价值。","cluster_id":null,"extract_retries":0,"extract_error":null,"contract_version":"news_item.v1","format_contract_version":"news_item_formats.v1","dedup_url":"https://finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html?oid=800&vt=4&cid=76993&node_id=76993","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1151 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1151,"summary_length":1151,"usable_text_length":1151,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1151,"summary_length":1151}},"news_item":{"id":79319,"canonical_url":"https://finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html?oid=800&vt=4&cid=76993&node_id=76993","source_url":"https://finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html?oid=800&vt=4&cid=76993&node_id=76993","title":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大 - 新浪网","source_name":"新浪网","author":null,"published_at":"2026-09-10T08:14:10+00:00","locale":"zh","topic":"ai","tags":[],"rss_summary":"<a href=\"https://news.google.com/rss/articles/CBMisgFBVV95cUxQbW1RV2ZzcDJNdWp0c1hxNC1NdklRWC13ODRWVXhtOTQwM3lmNTE0S3JFU1pnMGgwdHQxRHpFMm01YUdtSjF2YXAwb09YUlRIUC1LR3BodFNKdXQ5TWNtODdsRW13VWtEUDJSYURrb3ZSME1FWGNmOWpBblBLZlhPVkRMaUJnNmFYVng1NFBscFE3MUZxSXJnQ1dRMUhwUGhlQndBSjJYbG5uY1RPaFJDc0R3?oc=5\" target=\"_blank\">普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大</a>&nbsp;&nbsp;<font color=\"#6f6f6f\">新浪网</font>","full_text":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大\n（来源：雷峰网）\n9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？\n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。\n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。\n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。\n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。\n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。\n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。\n“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”。\n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。\n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。\n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。\n2026 Inclusion·外滩大会于9月9日至12日在上海举行，大会以“共创AI新经济”为主题，探讨AI如何推动更可持续的经济增长和更广泛的社会价值。","excerpt":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大\n（来源：雷峰网）\n9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？\n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。\n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。\n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。\n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。\n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。\n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。\n“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”。\n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。\n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。\n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。\n2026 Inclusion·外滩大会于9月9日至12日在上海举行，大会以“共创AI新经济”为主题，探讨AI如何推动更可持续的经济增长和更广泛的社会价值。","extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 1151 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1151 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1151,"summary_length":1151,"usable_text_length":1151,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1151,"summary_length":1151}}},"display_formats":["compact","card","full","digest_section","json"]},"daily_stack_record":{"title":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大 - 新浪网","url":"https://finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html?oid=800&vt=4&cid=76993&node_id=76993","summary":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大\n（来源：雷峰网）\n9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？\n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。\n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。\n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。\n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。\n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。\n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。\n“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”。\n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。\n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。\n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。\n2026 Inclusion·外滩大会于9月9日至12日在上海举行，大会以“共创AI新经济”为主题，探讨AI如何推动更可持续的经济增长和更广泛的社会价值。","source":"新浪网","date":"2026-09-10T08:14:10+00:00","content":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大\n（来源：雷峰网）\n9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？\n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。\n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。\n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。\n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。\n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。\n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。\n“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”。\n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。\n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。\n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。\n2026 Inclusion·外滩大会于9月9日至12日在上海举行，大会以“共创AI新经济”为主题，探讨AI如何推动更可持续的经济增长和更广泛的社会价值。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 1151 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1151 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1151,"summary_length":1151,"usable_text_length":1151,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1151,"summary_length":1151}},"tags":[]},"fallback_formats":["markdown","json","html"],"actions":{"read":"/item/79319","export_markdown":"/api/items/79319/export?format=markdown","export_json":"/api/items/79319/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993"},"formats":{"full":{"id":79319,"title":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大 - 新浪网","url":"https://finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html?oid=800&vt=4&cid=76993&node_id=76993","source":"新浪网","author":null,"published_at":"2026-09-10T08:14:10+00:00","locale":"zh","topic":"ai","tags":[],"excerpt":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大\n（来源：雷峰网）\n9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？\n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。\n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。\n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。\n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。\n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。\n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。\n“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”。\n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。\n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。\n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。\n2026 Inclusion·外滩大会于9月9日至12日在上海举行，大会以“共创AI新经济”为主题，探讨AI如何推动更可持续的经济增长和更广泛的社会价值。","full_text":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大\n（来源：雷峰网）\n9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？\n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。\n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。\n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。\n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。\n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。\n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。\n“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”。\n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。\n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。\n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。\n2026 Inclusion·外滩大会于9月9日至12日在上海举行，大会以“共创AI新经济”为主题，探讨AI如何推动更可持续的经济增长和更广泛的社会价值。","reading_time_min":1,"extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 1151 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1151 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1151,"summary_length":1151,"usable_text_length":1151,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1151,"summary_length":1151}}},"quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1151 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1151,"summary_length":1151,"usable_text_length":1151,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1151,"summary_length":1151}},"actions":{"read":"/item/79319","export_markdown":"/api/items/79319/export?format=markdown","export_json":"/api/items/79319/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993"}},"digest":{"id":79319,"title":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大 - 新浪网","url":"https://finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html?oid=800&vt=4&cid=76993&node_id=76993","source":"新浪网","topic":"ai","published_at":"2026-09-10T08:14:10+00:00","excerpt":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大 （来源：雷峰网） 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。…","quality_bucket":"high","quality_reason":"High confidence: full text extraction produced 1151 characters.","reading_time_min":1,"cluster_id":null},"card":{"display_title":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大 - 新浪网","subtitle":"新浪网 · 2026-09-10","summary":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大 （来源：雷峰网） 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。…","badges":["quality:high"],"links":{"read":"/item/79319","original":"https://finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html?oid=800&vt=4&cid=76993&node_id=76993","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993"},"quality_warning":null},"export":{"title":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大 - 新浪网","url":"https://finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html?oid=800&vt=4&cid=76993&node_id=76993","summary":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大\n（来源：雷峰网）\n9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？\n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。\n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。\n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。\n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。\n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。\n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。\n“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”。\n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。\n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。\n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。\n2026 Inclusion·外滩大会于9月9日至12日在上海举行，大会以“共创AI新经济”为主题，探讨AI如何推动更可持续的经济增长和更广泛的社会价值。","source":"新浪网","date":"2026-09-10T08:14:10+00:00","content":"普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大\n（来源：雷峰网）\n9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？\n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。\n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。\n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。\n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。\n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。\n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。\n“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”。\n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。\n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。\n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。\n2026 Inclusion·外滩大会于9月9日至12日在上海举行，大会以“共创AI新经济”为主题，探讨AI如何推动更可持续的经济增长和更广泛的社会价值。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-10/detail-inirinuw7754403.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 1151 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1151 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1151,"summary_length":1151,"usable_text_length":1151,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1151,"summary_length":1151}},"tags":[],"format_contract_version":"news_item_formats.v1"}}}