《Google I/O 释放信号：AI 科学从专用工具走向研究智能体》

Google I/O 上，DeepMind 展示了 AI 科学的两条路线。第一条是 WeatherNext 这类专用系统：它们在天气、蛋白质、材料等具体任务上取得成果，能直接改善预测、筛选和实验效率。第二条更激进，是把大模型发展成能提出假设、规划研究、调用工具并与科学家协作的通用研究智能体。

Demis Hassabis 在演讲里使用了“奇点山脚下”这样的宏大说法，但文章提醒我们，真正值得观察的不是口号，而是科学 AI 的工作方式正在改变。WeatherNext 可以提前预警飓风，这已经很有价值；但它仍是围绕明确任务优化的系统。从专用科研模型走向研究智能体，意味着 AI 不只是更快计算答案，而是开始介入问题的形成。

DeepMind 的历史经验解释了这个转向。AlphaFold 解决的是蛋白质结构预测这个边界清晰的问题，成功后拿到诺奖级认可。如今公司希望把类似能力扩展到更开放的科学流程：让模型阅读论文、组合证据、提出可检验路径，并在实验平台或模拟环境中迭代。难点也在这里：科学发现不只是模式识别，还包括判断哪些问题值得问、哪些结果可信。