手摇计算机算了三周的方程，AI 一下午就能找出来——但诺奖挣在「知道三次方不行」上：交一个拟合最好的模型，等于把其余答案全藏了

Teaching AI to Build Scientific Models

11 月 6 日，Anthropic 的研究栏目放出一篇客座长文，作者是蒂宾根 ELLIS 研究所的 Jakob Macke、Daniel Gedon 和 Stefan Wahl——做仿真式推断的那一组人，不是 Anthropic 自己的研究团队。他们问的不是「AI 能不能做科学」这种没法回答的大问题，而是：科学建模这件事拆成三步，AI 已经接走了哪一步、卡在哪一步、为什么卡。主张只有一句：拟合从来不稀缺，交给你一个拟合最好的模型，等于把其余所有同样说得通的答案都藏了——而科学里的洞见，恰恰藏在那些被藏起来的失败版本里。

值得读有两层。第一层，它立了一条验收标准，而且这条标准不看结果看交付物：一个 AI 做出来的模型要算有用，得同时交出四样东西——哪些部分被数据钉死了、哪些还悬着、沿路哪些替代方案失败过、过程中冒出了什么新问题。本栏今年写过好几篇 AI 推翻猜想、刷下纪录的文章（第 36、51、66、87 篇），每次最难判断的都是同一件事：它到底产出了什么。这篇把那个判断标准写明白了。第二层，这不只是科学的事。把「交一个最优解」换成「交一组候选解，各自附上证据强度」，是对任何 agent 交付物都成立的要求——这跟第 22 篇把「感觉变差了」变成可以测的东西，是同一个方向上的事。

1951 年那三周手摇，和一个来历不明的四次方

1951 年，剑桥那台计算机坏了半年。生理学家 Andrew Huxley 和同事 Alan Hodgkin 刚写出一组方程，描述一个乌贼神经细胞怎么放电，而验证方程对不对的唯一办法就是把它解出来跟数据比。Huxley 只好用手摇机械计算器算，花了三周多。模型的大骨架是已知生物事实定下的——他们把细胞膜当成一个电路；但有一处纯属猜：为了让曲线对上测量，他们发现必须把某个变量取四次方，而当时不知道为什么。他们谨慎地提了个假说：这个变量管的是膜上某种门怎么打开，四次方也许意味着门要等好几个带电粒子各自移动到位才会开。1963 年两人拿了诺贝尔生理学或医学奖；又过了几十年，另一支团队解出一种相关钾离子通道蛋白的结构，发现它确实由四个一模一样的部件围着一个中央孔道排布（这条线最终让 Roderick MacKinnon 拿到 2003 年诺贝尔化学奖）。方程是 1951 年照着电生理数据拟出来的，从没对着结构拟过，却预言了结构。但原文的重点在后半句：知道四次方管用，是不够的；真正起作用的是知道更简单的版本不管用——如果三次方一样行，就没有任何理由认为门有好几个活动部件。Hodgkin 和 Huxley 自己也写了，更高的次方说不定拟得还略好一点，但「这点改善不值得为之增加的复杂」。七十多年过去，这组方程仍是神经元电活动的标准描述，换换常数就能描述从乌贼到人的神经细胞，而两条演化支分开已经超过五亿年。原文顺着这个故事把建模拆成三步：建（决定模型由什么构成、方程长什么形状）、束（调可调参数去对上真实测量）、释（追问模型在说真实系统的什么事）。

能交出去的那一步：十万次仿真，换回一整片参数分布

机器走得最远的是「束」。原文的比方很好懂：一桌饭总共 120 美元，但不知道谁点了什么——可能人人都点了中等价位的汉堡，也可能一个人点了牛排加龙虾、其他人只喝汤。神经元模型是一样的道理，不同的门控参数组合能产生几乎一样的电活动，只给你一组拟合得好的数，就把其余同样说得通的参数全藏了，而那些组合可能导出完全不同的预测。正规解法是贝叶斯推断——它不给一组数，而给出所有还说得通的数及各自可信度，形状是一条分布曲线，最好的拟合在峰顶、勉强的在尾巴。问题是复杂模型上它不实用：它要求你算出「在每一种可能的参数下，你这份测量有多大可能出现」，霍奇金-赫胥黎还勉强算得动，上千个离子通道各自随机开关就不可能了。绕过去的办法叫仿真式推断（SBI）：不去算那个可能性，改用蛮力——随机取一组参数、跑模型、记下输出，反复做（霍奇金-赫胥黎这种量级约十万次，更大的模型上百万次），再拿这批结果训一个神经网络，使它看到输出就能反推出可能产生它的参数范围。它唯一的要求是模型能正着跑：参数进、数据出，这种模型就叫 simulator——Huxley 手摇那三周，干的正是跑 simulator。很多 simulator 正着跑容易、倒着推不可能，有的连方程都写不出来，假设就长在它遵循的规则里，而对神经元网络、星系碰撞这类现象，simulator 常常是我们唯一拥有的模型。仿真要跑几周，但训完的网络在新数据上几秒出结果，这个速度已经改变了可能性：两颗中子星并合时，SBI 能快到在信号还测得到的时候算出大概方位，好把望远镜指过去。回到神经元：因为交回来的是分布，你能看出哪些参数被数据管住了、哪些地方不止一种解释说得通、以及下一个实验该补哪里的数据最值。

刚被交出去的那一步：让 agent 交一群模型，而不是一个最佳拟合

要束参数，先得有个模型可束，而「建」这一步直到不久前还被认为只有人能做。霍奇金-赫胥黎的方程不是从第一性原理推出来的，那个四次方是从生物直觉加上「更简单的版本不够好」里长出来的；科学史上大部分时候就是这么干的——凭经验写下一个候选模型，测、改、再试。毛病在于可能模型的空间基本是无限的，一个人凭经验提几个，极可能漏掉同样能解释数据的模型。现在 LLM agent 能接这一步：给它数据加一段自然语言的系统描述，它写出候选模型的代码，跑起来、束好参数、跟真实数据比、再改（比如换一下方程的形式），循环到拟合够好为止。可同一个陷阱跟着升了一级：许多方程形状完全不同的模型，能同等地解释同一份数据。同一份数据上把 agent 跑两遍，可能拿回两个不同而同样好的模型——只交一个，和只交一组最佳拟合参数是完全一样的错。所以作者的处方是把「建」也按「束」那样办：agent 提出大量候选，每个按数据支持度加权，那些得靠很多灵活性才勉强拟合上的被扣分，弱的淘汰掉，再在强的身上生新变体。这个提法有具体实现——ModelSMC（Wahl、Schenk、Farnoud、Macke、Gedon，ICML 2026）把模型发现重新表述成概率推断：从一个「能解释数据的机械论模型」的未知分布里采样，用序贯蒙特卡洛（把候选当成「粒子」反复提议、加权、重采样的一类采样算法）实现，每个候选模型就是一个粒子，由 LLM 提议和改写，再按似然类判据加权。拿到一片分布，你能知道单个模型给不了的事：所有存活模型共有的特征，大概是数据支持的；存活模型互相吵架的地方，就是证据薄的地方，也就是下一个实验该去的地方。作者自己在这里按了刹车，这句很重要：到目前为止，这些系统主要是在「重新发现科学家已经知道的模型」上被测过，在没有已知答案的问题上管不管用，证据很稀。

交不出去的那一步：「理解」写不进目标函数——而模型马上要大到没人读得懂

三步里最难交出去的是「释」。四个粒子那个假说之所以有分量，全靠他们排除掉了什么。而这一步的难处在目标说不清：模型拟合得多好可以测，「是不是让人更懂这个系统」测不了，也没人知道怎么告诉一个 AI 把「理解」当成目标。科学哲学里有个判据叫 intelligible（可理解的）——一个理论若能让你不用跑它就推出它的后果，就算可理解。霍奇金-赫胥黎的方程做到了：它解释了为什么神经元有一个放电阈值、为什么所有脉冲形状都一样，还预言了电流上升得足够慢就永远不会让细胞放电。可这个测法只对变量数只有一把的模型有效。目前两条可操作的替代：一是看 AI 能不能预测「扰动这个系统之后会发生什么」；二是干脆绕过去，改问 agent 的输出有没有帮人类科学家更懂问题——有个设计量子实验的 AI 就是后者的样本，它不交一套实验装置，而被训练成写一小段程序、由程序生成一整族相关实验的装置，物理学家能直接从程序里读出设计原则，不必从单个装置倒推。两条路都要那片分布：单个模型没法告诉你它哪些部分真被数据管住了，于是很容易把意义读进根本没被管住的地方。最后原文把尺度拉开了：名模型几乎都很小，这不是巧合——人得亲手建、束、释，小才可能，而小也正是它们可理解的原因。AI 接走之后尺寸限制会松开：霍奇金-赫胥黎描述的是一个神经元，果蝇脑里有十万多个，人脑几百亿；而果蝇现在有了完整接线图（原文配图取自 Janelia 的雄性中枢神经系统 connectome，一次画出 124,635 个细胞），已经有人在上面建大尺度模型，其中一个只用实测的连接关系就预测出了果蝇整个视觉系统的神经活动。到这个尺度上不存在唯一正确的模型——借统计学家 George Box 那句「所有模型都是错的，但有些有用」：问题不再是哪个模型对，而是所有与数据兼容的模型共有哪些性质，而最值钱的实验是能排除掉最多剩余模型的那个，哪怕它不是人类科学家觉得最有意思的那个。这不是神经科学独有：气候学家早就这么干，跑一大堆假设略有差别的巨型仿真，结论报告成所有仿真的离散度；大型强子对撞机上找新粒子也是这个精神——不宣布某个理论成不成，而给出一张「哪些版本被数据排除、哪些还开着」的图。

本文为 AKL AI Club 原创撰写的导读，不是原文翻译；著作权归原文作者所有。 篇目由编辑独立选取，来源均经人工核实。