当 AI 开始自我改进
来自 The MAD Podcast with Matt Turck · 期号 2026-09-10
摘要
科学进步正在放缓，因为人类知识已经变得过于碎片化，单个研究者无法掌握全貌。Richard Socher 认为，AI 可以重新整合这些碎片——LLM 通过预测下一个 token，实际上在学习蛋白质和生物学的“隐藏语言”。 他提出“尤里卡机器”的四个支柱：模拟器（教 AI 物理规则）、验证器（判断输出好坏）、自主实验（机器人实验室自动运行）、以及递归自我改进（AI 自己改进自己的代码）。 “幻觉不是 bug，是特性——它让 AI 能提出人类不会想到的假设。” Socher 认为 AI 药物发现和癌症研究是近期最可能突破的领域，但瓶颈不在算法，而在高质量科学数据的获取。Recursive 正在构建 AI 经济学家和虚拟细胞模拟，最终目标是造出一个永不停止学习的 AI 科学家。 这个判断站得住，因为 Socher 本人既是 NLP 先驱（前 Salesforce AI 负责人），又正在 Recursive 亲手搭建这些系统。