前DeepMind科學家曹原：AI獨立諾獎級發現需二三十年

前Google DeepMind資深研究科學家、Unreasonable Labs聯合創始人兼CEO曹原認爲，AI for Science正進入爆發期，但AI要真正獨立做出諾貝爾獎級別科學發現，至少還需要二三十年。

曹原此前參與Gemini等項目，現創業聚焦讓AI發現新知識。

他指出當前最大瓶頸是驗證：代碼可即時測試，數學可用形式化工具檢查，但生物、材料與物理需真實實驗，成本高且週期長，AI難以快速連續試錯。

更深瓶頸是創造新概念：現有模型擅長在已有知識中搜索，卻難以像頂尖科學家一樣抽象出新數學對象、定義與理論，他稱概念抽象爲AGI“最後一英里”。

市場機制上，事件驅動AI科研工具與自動化實驗室資本流入：驗證環節加速者受益，純語言模型侷限承壓，跨學科混合系統獲關注。

補充顯示，曹原團隊採用大模型與符號推理結合路徑，試圖突破現有知識重組侷限。

來源：公開信息

ABAB AI 解讀

曹原在DeepMind期間推動多領域AI研究並參與Gemini核心貢獻，後創辦Unreasonable Labs專注跨學科知識發現引擎，目標從檢索已知轉向生成新假設與實驗設計。

資本路徑上，公司獲Playground Global領投1350萬美元種子輪，資源投向大模型與神經符號抽象結合，動機是解決物理世界驗證慢與概念創新難，加速材料、生物等領域突破。

類似案例可見AlphaFold在結構預測的成功與後續自主發現侷限，以及自動化實驗室在合成化學中的迭代加速；當前處於AI輔助科學向自主發現過渡的早期階段。

結構判斷屬於技術替代：驗證與抽象瓶頸決定AI從工具升級爲發現主體的節奏，機制在於實驗反饋環與概念空間擴展速度，遠慢於純計算領域。

ABAB News · 認知定律