Thomas Wolf是Hugging Face 的聯合創始人兼首席科學官 (CSO)，下面這篇文章來自他的博客https://thomwolf.io/，其中的思考值得分享。如果你覺得有啟發，也請轉發給你的朋友。

前幾天我在一個活動上扔了個爭議性觀點，現在想展開說說：我擔心AI不會給我們帶來所謂的"壓縮版21世紀"。

這個說法來自Dario Amodei的《慈愛機器》（他是人工智能公司Anthropic的首席執行官，沒看過的建議補課，確實是篇硬核論文）。簡單來說，文章預言未來一兩年內會出現"數據中心里的愛因斯坦軍團"，讓本該用100年完成的21世紀科學突破，在5-10年里打包完成。

第一次讀的時候我雞皮疙瘩都起來了——AI五年顛覆科學界！太燃了！但隔了幾天重讀，越看越覺得像是科技圈的"美好愿望"。

按現在這個發展節奏，咱們最后搞出來的估計是"服務器上的點頭機器"。別急，聽我用親身經歷解釋為啥這么說。

我從小就是別人家的孩子。小鎮做題家出身，考上法國頂級工程學院，又申到MIT讀博。上學對我來說就跟玩兒似的，總能預判教授出題思路，考試押題一押一個準。

但等我真開始搞科研（準確說是讀博那會兒），直接被現實暴擊，發現自己就是個平平無奇的科研狗。看著周圍同學各種奇思妙想，我自己卻總在撞南墻。書本里沒寫的東西死活想不出來，好不容易憋出個點子，也就是已知理論的低配版。最要命的是，我發現自己很難跳出既有的知識框架——可能正因為我太會考試，才成不了愛因斯坦。

翻翻科學史，天才們上學時大多混得不咋地：愛迪生被老師罵"糊涂蟲"，芭芭拉·麥克林托克因為"奇葩思路"被diss，結果拿了諾獎，愛因斯坦考蘇黎世理工還落榜過...這樣的例子數不過來。

大家總有個誤區，覺得牛頓、愛因斯坦就是超級學霸pro max版，好像把學霸屬性拉滿就能量產天才。這種想法完全沒get到科研的真本事——提出關鍵問題并質疑現有認知的勇氣。真正的科學突破，就像哥白尼頂著整個時代的認知（用AI術語就是"對抗訓練數據"），硬說地球繞著太陽轉。

想在數據中心造出愛因斯坦，光會答題可不夠，得能問出所有人都沒想到的問題。當教科書、專家和常識都說"是是是"的時候，敢來句"萬一全錯了呢？"

想想狹義相對論多瘋批——敢把"光速不變"當基本設定，放現在看都反常識。還有CRISPR的故事，這玩意被發現25年來都被當成細菌免疫系統，直到杜德納和沙爾龐捷突然開竅："拿來搞基因編輯不香嗎？"直接喜提諾獎。這種"大家都知道XX能YY，但萬一它能ZZ呢？"的腦洞，才是推動科學進步的核動力。

這種級別的突破一年也就一兩次，等大家反應過來基本都該發諾獎了。雖然稀有，但我和Dario都認同，這些突破才是推動科學發展的主引擎，其他都是修修補補。

再看看現在測AI智商的考題，什么"人類終極考試""高數地獄"，其實都是博士們出的高難度閉卷考。這完全就是我學生時代最擅長的套路——在已知問題里找標準答案。

但真正的科學革命從來不是解出難題，而是問出沒人想過的問題。就像《銀河系漫游指南》里的梗：答案是42，但問題是啥？搞科研本質上就是在找那個正確的問題。

這就是為什么現在的大語言模型，雖然把人類知識庫全裝進內存了，還是整不出真正的新發現。它們現在干的就是"知識填縫"的活，在人類已知的信息網上查漏補缺。我們正在培養的是聽話的學霸，不是掀桌子的革命者。當個超級助手確實夠用，但要讓AI敢質疑訓練數據、提出反常識的腦洞，還得再進化幾輪。

真想搞大新聞，咱們得重新設計AI的考核標準。新指標應該重點考察：

1. 敢不敢質疑學過的知識

2. 能不能玩轉反事實推理

3. 能不能從蛛絲馬跡推出神結論

4. 會不會問出開啟新賽道的問題

我們不需要門門滿分的做題家，而是要那種能發現集體盲點的"B等生"。

第四季課程緊跟AI前沿應用與實踐，將帶你從0到1掌握AI技能，現在加入還能享受399元限時早鳥價！

別再猶豫，立即掃碼，加入【前哨AI小課】，和我們在AI時代，搶先一步，領先一路！

↓點擊加入，讓你領導AI，不要讓AI領導你