分享一个很有意思的观点，是前段时间Google DeepMind的CEO Demis Hassabis在戛纳创意节上说的一段话。

他说，现在的AI可以生成一张从来没有人见过的图片，但这不叫真正的创造。

「真正的创造力，是能够提出一个全新的概念，而不是在已有的知识上做外推。」

AI要真正革新科学，首先需要获得一种它目前根本不具备的创造力。

比如他提到过一个叫“爱因斯坦测试”的实验，把全人类的知识喂给AI，但数据截止到1911年，然后看它能不能像爱因斯坦在1915年那样独立推导出广义相对论。

他的答案是，今天的AI恐怕做不到。现在的AI虽然在考试和刷分上越来越强，但面对真正需要从0到1的科学创造，几乎还是空白。

当然，说这些不是为了唱衰AI，是因为我最近看到字节Seed团队的一个动作，刚好和这个判断对上了。

他们启动了一个叫Seed STEM科学家计划的项目，要邀请100位前沿科学领域的学者和博士生，涵盖数学、物理、化学、生物、材料、天文这些方向，跟Seed的AI研究团队一起，围绕真实的科研问题做深度合作。

1身边很多朋友看到这条消息的第一反应，是觉得大厂搞产学研合作挺正常的。

但我去仔细看了他们申请条件，发现这次其实不太一样。

比如它有一条要求：申请者需要能清晰判断AI在自己领域的应用价值和能力边界。注意啊，不是会用AI，是能判断AI的边界在哪。

其实这个要求和Hassabis那个观点底层说的是同一件事，现在AI最大的问题，是我们还不知道它的聪明在真实科研面前到底够不够用，也不知道差距在哪、差多少。

而这种判断，只能来自站在学科最前沿的人。

2Seed其实很早就在琢磨这件事了。去年他们启动了一个叫Seed Edge的研究计划，专门做长周期的前沿课题。

Seed Edge前段时间发布了EdgeBench，是首个衡量AI在真实世界中进行环境学习的超长程评测集。

比如大部分AI评测在问的是：这道题你答对了没有。

但EdgeBench问的是一个完全不同层次的问题：在一个你从没见过的环境里，你能不能持续观察、积累认知、做出判断。

这是一件更底层的事——AI能不能学会「学习」本身。

3Seed一直在做同一件事：搞清楚AI的智能上限到底在哪。而Seed STEM科学家计划，就是这条线索的自然延伸。

你想，要验证AI在真实世界中到底行不行，光靠AI团队自己肯定是不够的。他们可以设计模型、优化架构、但什么问题是真正值得AI去啃的，什么场景下AI目前根本搞不定，这些判断必须来自各个学科最前沿的人。

所以这100位科学家的角色，是需要他们带着自己领域里最真实、最难的问题来，和Seed的AI团队一起，在真实科研场景中摸清楚AI的能力边界到底在哪，然后试着把这条边界往外推一点。

这些都不是短期能见效的，需要很长时间的投入和持续验证，而且结果有相当大的不确定性。

科学史上很多重大突破都有一个被忽视的前提：不同领域最聪明的人终于坐到了一起。Seed STEM科学家计划想搭的，就是让这种对话发生的基础设施。

如果你恰好在STEM领域做研究，对AI有自己的判断，日常工作中也在深度使用AI工具，可以认真了解一下这个计划。

你带着自己领域里最难的那个问题来，和一群同样认真的人一起，试试看能不能把AI够得到的地方再推远一点。