AI搞科研光靠数据不够，还得会推理

Eric Schmidt和Suhas Mahesh最近抛出一个挺有分量的观点：AI想在科学上真正帮上忙，光靠处理海量数据远远不够，它得学会“动脑子”。现在市面上的AI模型，说白了就是高级模式识别器，特别擅长从大数据里找出相关性，但真到了需要因果理解、逻辑推理的层面，就露怯了——而这恰恰是搞出重大科学突破的关键能力。 两位作者呼吁，AI研究得换个方向，别再死磕数据，要重点搞那些能自己提假设、设计实验、从实验结果里得出靠谱结论的系统。这意味着AI的角色要从“数据驱动发现”变成“假设驱动发现”，从工具升级成真正的科研搭档。文章里说得挺直白：数据是必需品，但不是万能药，AI得搞清楚现象背后的“为什么”，而不只是看到“是什么”。 如果推理能力能优先发展，AI在医学、物理、气候科学这些领域，说不定真能解开一些老大难问题。但前提是，研究社区得舍得投入，去搞新的架构和训练方法，专门培养逻辑推理和因果建模的能力。这样一来，AI才可能从“只会找规律”进化到“能推动科学进步”的阶段。