10月2日，据最新消息，人工智能研究机构Hugging Face的联合创始人托马斯·沃尔夫在近期接受美国CNBC采访时表示，当前由OpenAI等前沿实验室推出的主流AI模型，尚不具备推动“诺贝尔奖级别”重大科学发现的能力。这一观点在AI与科研深度融合的当下，引发了业界对技术边界与未来潜力的深度思考。
沃尔夫明确指出，目前广泛使用的生成式AI系统，包括ChatGPT等热门聊天机器人，在根本机制上存在局限。他分析称，这类模型的核心逻辑是基于海量数据训练，以“预测下一个最可能出现的词”为目标来生成回应。这种设计虽然在语言流畅性和信息整合方面表现出色，但本质上是“归纳”与“模仿”，而非“探索”与“创造”。
他进一步阐述，真正的科学突破往往源于对既有认知的挑战与颠覆。科学家的思维方式恰恰与AI的运行逻辑相反——他们不会迎合主流观点，反而常常提出反向假设，质疑权威结论，并致力于寻找那些“极不可能但真实存在”的现象。沃尔夫强调：“科学发现的精髓不在于预测最可能的答案，而在于勇敢地探索那些未曾设想、出人意料却可能改变世界的真相。”
这一观点的提出并非空穴来风。沃尔夫透露，他近期深受Anthropic公司CEO阿莫迪一篇论述的启发。阿莫迪曾提出，AI驱动的生物医学研究有望将人类科学家需耗费50至100年才能完成的进展，压缩至短短5到10年。对此，沃尔夫持审慎态度。他认为，以当前的技术路径，这一愿景仍显遥远。现有的AI模型尚无法独立完成从假设提出到实验验证的完整科研闭环，更难以实现真正意义上的原创性突破。
尽管如此，沃尔夫并未否定AI在科研领域的巨大价值。相反，他更倾向于将当前的AI技术定位为“科学家的智能协作者”。这些工具能够高效处理海量文献、辅助数据分析、生成实验假设，甚至激发研究人员的灵感火花。一个典型的成功案例是谷歌DeepMind开发的AlphaFold系统，它已能精准预测蛋白质的三维结构，极大加速了生命科学领域的研究进程，为新药研发提供了强有力的支持。
综合来看，沃尔夫的观点揭示了一个关键认知：AI并非要取代科学家，而是作为强大的辅助工具，放大人类的智慧与创造力。未来的科研范式，或将演变为“人类科学家提出方向与洞察，AI高效执行与验证”的协同模式。在通往重大科学突破的道路上，AI的角色或许不是“主角”，但无疑是不可或缺的“加速器”。
