陶哲轩最新发文总结AI领域现状，当前AI发展高度依赖经验与算力，缺乏理论支撑，导致成功难以复制、失败无法解释。辛顿、Rahimi、Jordan等也纷纷警示，AI的黑箱本质和缺乏解释性将限制其可持续发展。唯有建立坚实理论基础，AI才能真正走向透明、安全与可靠的未来。
今年的世界人工智能大会（WAIC）可谓热闹非凡，据说有的展台甚至一度拥挤到工作人员都难以进入。 在出圈的众多机器人和终端产品之外，另一个领域也值得我们关注：科学智能（AI for Science，AI4S）。
就在一夜之间，用 AI 帮忙搞科研，不是再只是想想了。 最近，科研圈里越来越多的人在讨论一种叫 SciMaster 的「AI 科学助手」，有让它做实验的，有让他帮忙开题的，还有跟他聊科幻的。
科研是 AI 最早实现广泛落地的行业之一。在 ChatGPT 掀起这一轮生成式 AI 热潮之前，甚至可以追溯到上一轮由机器学习主导的技术浪潮中，AI 就已被用于气候模型参数校准、分子动力学模拟加速等科研任务。尤其在 2018 年前后，DeepMind 推出的 AlphaFold 在蛋白质结构预测方面实现突破，不仅引发了医药行业的技术革命，更被《自然》杂志评价为「解决了生物学五十年来的重大挑战」。
在5月中旬，谷歌发布了AlphaEvolve。不仅30天内攻克了18年未解的难题，或将开启了一场无需「灵感」的科学革命：未来，科学家将不再依赖直觉，而是靠AI解决难题！
最近一直在测试大模型来做生物信息，效果还可以，主要使用gemini cli，由于一直还有机会用上claude code，所以只能通过cursor来使用claude 4，这次内容我们来测试一下claud4的生物信息能力。
FutureHouse 是由 Google 前 CEO Eric Schmidt 资助创立的、专注于 AI for Science 方向的的 AI Lab，团队的长期目标是打造可自主提出问题、规划实验、迭代假设的 AI 科学家体系。
随着语言模型在强化学习和 agentic 领域的进步，agent 正在从通用领域快速渗透到垂直领域，科学和生物医药这类高价值领域尤其受到关注。
当碳基生物还在为写文献综述，打开了一百个浏览器窗口时，隔壁AI已经卷起来了。（doge）
AI两天爆肝12年研究，精准吊打人类！多大、哈佛MIT等17家机构联手放大招，基于GPT-4.1和o3-mini，筛选文献提取数据，效率飙3000倍重塑AI科研工作流。
