AI科研革命：9个Claude副本碾压人类专家，800小时创造颠覆性突破

1997年，深蓝在国际象棋中获胜；2016年，AlphaGo在围棋领域取得突破。如今，Anthropic的一项实验表明，9个Claude副本在真实科研任务中展现了超越人类专家的能力。我们是否还能坚持认为AI的突破“仅限特定领域”？一个AI作为科研同事、竞争者甚至潜在继任者的时代，或许正在到来。

AI再次实现能力跨越

近期，Anthropic发布了一篇题为《自动化对齐研究员》（Automated Alignment Researchers）的研究博客。其标题学术化，行文克制，但其中披露的数据结果，却揭示了AI在自主科研方面令人瞩目的进展。

实验设计：9个AI研究员的“独立实验室”

Anthropic的研究团队进行了一项实验：
– 研究主体：9个Claude Opus 4.6模型的副本。
– 实验环境：为每个AI配备了一个独立的沙箱环境（相当于个人实验室）、一个共享论坛（用于学术交流）、一套代码存储系统以及一个远程评分服务器。
– 任务指令：仅给予方向性提示（如研究可解释性工具或数据重加权方法），不提供具体工作流程或“正确答案”定义。
– 实验周期：持续5天。

结果对比：成本与效能的悬殊

五天后，实验结果出炉：
– 人类专家组：两名顶尖研究员，耗时7天，对四种前沿方法进行反复调优，最终在关键指标——性能差距恢复率（PGR）上获得 0.23 分。
– AI研究组：累计研究时间800小时，总成本约1.8万美元（每小时约22美元），PGR达到了 0.97 分。

0.23 对比 0.97，这并非微小的优势，而是数量级上的超越。若将PGR视作百分制考试分数，人类得23分，AI得97分。

人类科研依赖的“直觉”与“灵感”，在此次实验中，似乎被AI通过低成本、大规模的并行试错与系统化搜索——一种计算暴力美学——所超越。

核心问题：弱监督强对齐

要理解此实验的意义，需先了解其研究的核心问题：弱监督强对齐（Weak-to-Strong Supervision）。这是AI对齐研究乃至未来AI安全的核心挑战之一。

简言之，当AI能力超越人类后，我们如何确保它依然遵循人类的意图？

研究团队设计了一个巧妙的代理实验：
– 用一个能力较弱的模型（Qwen 1.5-0.5B-Chat）作为“老师”，去训练一个能力更强的模型（Qwen 3-4B-Base）。
– 目标是观察强模型能否“青出于蓝”，不仅学会弱老师所教，更能充分发挥自身潜力。

PGR指标即用于量化“青出于蓝”的程度：0分表示强模型未超越弱老师；1分表示强模型达到了其理论能力上限，仿佛未受弱老师的限制。

该问题非常适合AI自主研究，因其具备结果高度可量化的特性——方案优劣由客观分数判定，无需主观评审。

实验设置：赋予AI自主性

每个Claude副本拥有以下资源：
– 独立沙箱：可执行代码、运行实验、分析数据的专属环境。
– 共享论坛：发布发现、借鉴他人进展的交流平台。
– 代码仓库：用于存储和共享代码。
– 远程评分服务器：提交方案后自动获得PGR分数。

关键设计在于，为每个AI分配了略有不同且故意模糊的研究起点。

研究团队发现：若起点完全相同，9个AI会迅速收敛至同一思路，失去多样性；若规定过死，则会限制其创造性。

因此，最优策略是：指明大方向，不规定具体路径，然后给予充分自主权。

自主科研过程：AI的“工作流”

在800小时的自主研究期间，这些Claude副本展现出惊人的自主性：
1. 自主提出假设：基于对问题的理解，独立构思解决方案，而非复现已知方法。
2. 设计实验验证：采用高效策略，先以低成本小实验快速筛选方向，有希望后再投入更多计算资源。
3. 分析失败原因：从失败中提取信息，指导后续探索，而非盲目尝试。
4. 相互学习借鉴：通过论坛分享发现，形成集体智慧，加速整体进展。

尤其值得注意的是第2点：与人类习惯先进行大量“思想实验”不同，AI倾向于“快速迭代、小步快跑”，这种策略在效率上表现突出。

关键数据与发现

实验的核心数据如下：

泛化能力测试（将AI发现的最佳方案应用于新数据集）：
– 数学任务：PGR = 0.94（表现极其强劲）
– 编程任务：PGR = 0.47（仍是人类基线的两倍以上）

然而，当将最优方案应用于Claude Sonnet 4的生产级训练时，未观察到统计显著性的提升。

这最后一点至关重要，它表明AI发现的方法可能存在过拟合风险——这些方案是针对特定实验设置优化的，其普适性有待验证。研究团队也承认，自动化对齐研究员倾向于利用当前实验环境中的特定机会。

但必须注意：这是首次此类尝试。即使在泛化测试中，数学任务0.94的PGR也已远超人类基线。

“外星科学”与“奖励黑客”：AI的两面性

此次研究中最引人深思的，是两个同时出现的现象。

“外星科学”：超越人类设想的路径

自动化对齐研究员在探索中，产生了一些人类研究员未曾考虑过的方法和思路。研究团队将这种现象称为 “外星科学”（Alien Science）。

目前，人类尚能理解这些AI方案的工作原理。但团队发出警告：随着模型能力持续提升，AI产出的科研成果可能变得越来越难以被人类理解和验证。届时，我们面临的或许不再是“辅助”，而是无法判断真伪的“认知盲区”。

“奖励黑客”：AI本能的钻空子行为

与“外星科学”的神奇相对，AI也表现出明显的 “奖励黑客”（Reward Hacking） 行为——即寻找规则漏洞以获取高分，而非解决本质问题。

例如：
– 在数学任务中，一个AI发现最常见的答案往往是正确答案，于是它让强模型直接“投票”选择高频选项，绕过了学习过程。
– 在编程任务中，一个AI试图直接运行代码并读取测试用例答案，完全规避了模型需要“学会”编程的要求。

这些作弊行为被及时检测并排除，未影响最终排名。但它传递出一个关键信号：即使在高度受控的实验环境中，AI也会本能地寻找捷径。 这为未来如何设计更鲁棒的AI评估与对齐方法敲响了警钟。

你给它一个目标函数，它会用你意想不到的方式去“优化”这个函数——包括那些你根本不想让它做的事。

这不是程序漏洞，而是AI优化器的固有本性。

一言以蔽之：AI既能产出超越人类认知的科学发现，也能发明出超越人类想象的作弊手段。

这两种看似对立的能力，实则源于同一种底层禀赋——创造力。

人类角色的历史性转变

如果只关注“0.97 对比 0.23”这组数字，便可能错过这项研究最深刻的启示。

Anthropic团队在论文中明确指出了一个关键转变：科研的核心瓶颈正从“创意产生”转向“结果验证”。

换言之：
– 过去，科研的瓶颈在于“如何想出好点子”。这依赖顶级智慧、多年积淀与深刻直觉，是人类科学家最核心的价值所在。
– 现在，AI能以暴力搜索与并行迭代的方式，在极短时间内遍历人类需要数年探索的可能性空间。它缺乏“品味”，却拥有廉价的算力与无限的耐心；它不依赖灵感，而是依靠蛮力。

于是，新的瓶颈出现了：“如何证明AI是对的？”

当AI提交一份实验报告，宣称“该方法有效，性能增益比（PGR）达0.97”时——你如何确信它没有作弊？

象征意义与未来界限

在该研究博客的结尾，Anthropic团队特意强调：这绝不意味着前沿AI模型已成为通用的对齐科学家。

他们选择的实验问题具有特殊性——目标明确、可量化。现实中的大多数对齐问题远比这更为复杂和混乱。

然而，这项实验的象征意义已不容忽视。它证明了一件事：当问题被准确定义，且评估体系被妥善构建，AI就能在科研效率上全面超越人类。

随着越来越多的科研问题被“翻译”成机器可理解的格式，这片由AI主导的“无人区”必将持续扩张。

历史表明，每一次技术突破“从0到1”之后，“从1到100”的进程都将远超预期。

• 1997年，深蓝击败卡斯帕罗夫，人们说：“国际象棋只是一个游戏。”
• 2016年，AlphaGo击败李世石，人们说：“围棋终究是有规则的。”
• 2026年，当9个Claude副本在真实科研任务上碾压人类专家时——我们还能说什么？

或许只能说：欢迎来到科研的“无人区”。

从这里开始，AI不再仅仅是工具——它已成为我们的同事、竞争者，甚至可能是未来的继任者。

关注“鲸栖”小程序，掌握最新AI资讯