普林斯顿王梦迪外滩大会解读：大模型为何难实现自主科学发现

2026年9月10日举办的Inclusion·外滩大会主论坛上，普林斯顿大学人工智能创新中心主任王梦迪教授公开指出，当前大模型虽已掌握海量人类知识，但因更倾向输出概率最高的答案、忽略概率分布长尾内容，仍难以实现自主科学发现。目前其团队正与该校社会学教授谢宇合作，探索破局路径。

在2026外滩大会的主论坛现场，王梦迪抛出的“AI何时能自主发现新科学”问题，迅速成为AI圈与科研圈共同讨论的焦点。在此之前，大模型在数学推理、代码生成等领域的快速迭代，已经让不少公众产生了AI即将替代科学家的想象，但其在真正的原创性研究场景中的表现，却始终不及预期。

王梦迪团队近期与谢宇合作，用ChatGPT、Claude等主流大模型开展“模拟人生”实验，要求模型模拟一名1930年出生的英国人，自主生成完整人生轨迹。最终的实验数据显示，在结婚年龄、职业选择、性别认知等多个维度，大模型都明显高估了社会普遍情况的发生概率，却大幅低估了少数群体、小众选择的占比。

大模型的生成逻辑本质是对训练数据概率分布的拟合，天然倾向输出“最大似然”的最常见答案，对于分布尾部的小众知识往往会低估甚至直接忽略。 王梦迪在演讲中表示，这一特性是当前大模型的底层特性，并非靠参数规模提升、训练数据扩容就能轻易解决。