AI 要推動科學突破，不能只靠數據，還得會推理

Eric Schmidt 與 Suhas Mahesh 近日發表論點，認為 AI 若要真正推動科學進步，不能只停留在「數據處理器」的角色，必須發展更扎實的推理能力。他們表示，當今的 AI 模型本質上仍是進階的模式識別工具，擅長在巨量資料中找出相關性，但對於因果關係的理解與邏輯推演仍相當薄弱，這正是阻礙重大科學突破的關鍵。 兩位作者呼籲 AI 研究應進行根本性的轉向，聚焦於打造能主動提出假說、設計實驗、並從實驗結果中歸納出有效結論的系統。這意味著從「數據驅動的發現」過渡到「假說驅動的發現」，讓 AI 成為真正的科學夥伴，而非只是輔助工具。 文章強調，數據固然重要，但單靠數據不足以產生創新；AI 必須理解現象背後的「為什麼」，而不只是「是什麼」。若能優先強化推理能力，AI 將有機會協助解決醫學、物理、氣候科學等領域中最棘手的問題。作者呼籲研究社群投入資源開發新的架構與訓練方法，促進邏輯推論與因果建模，為 AI 參與真正的科學進展鋪路。