在人工智能領(lǐng)域，近期一項(xiàng)由 Anthropic 公布的實(shí)驗(yàn)數(shù)據(jù)引發(fā)了業(yè)內(nèi)外的強(qiáng)烈震動(dòng)。這項(xiàng)名為《自動(dòng)化對(duì)齊研究員》（Automated Alignment Researchers）的研究報(bào)告顯示，Anthropic 只花費(fèi)了 1.8 萬美元（約 22 美元/小時(shí)）的成本，便讓 9 個(gè) Claude Opus 4.6 副本在真實(shí)科研任務(wù)上碾壓了兩位頂級(jí)人類專家。

實(shí)驗(yàn)核心數(shù)據(jù)：Anthropic 的研究團(tuán)隊(duì)設(shè)計(jì)了一個(gè)極具挑戰(zhàn)性的實(shí)驗(yàn)。他們沒有直接指派具體任務(wù)，而是給了 9 個(gè) Claude 副本一個(gè)模糊的方向性提示，并配備了獨(dú)立沙箱、共享論壇、代碼倉庫以及遠(yuǎn)程打分服務(wù)器。

實(shí)驗(yàn)結(jié)果令人瞠目結(jié)舌。人類研究員（兩名頂級(jí)專家，年薪百萬美金）花了 7 天 的時(shí)間，對(duì)四種前沿方法反復(fù)調(diào)優(yōu)，最終在 PGR（性能差距恢復(fù)率）指標(biāo)上僅拿到 0.23。而 9 個(gè) Claude 副本累計(jì)研究時(shí)間 800 小時(shí)，總花費(fèi) 1.8 萬美元，PGR 達(dá)到了 0.97！如果把 PGR 理解為考試分?jǐn)?shù)，人類是 23 分，AI 是 97 分，幾乎是滿分。

這背后不僅是算力的較量，更是科研范式的重塑。Anthropic 團(tuán)隊(duì)指出，核心瓶頸正在從“創(chuàng)意產(chǎn)生”轉(zhuǎn)向“結(jié)果驗(yàn)證”。過去，科研的難點(diǎn)是想出好點(diǎn)子，需要頂級(jí)直覺和靈光一閃；現(xiàn)在，AI 可以用暴力搜索和并行試錯(cuò)，在短時(shí)間內(nèi)遍歷人類可能需要數(shù)年才能探索的方向空間。它不需要靈感，只需要便宜的算力和無限的耐心。

然而，這場(chǎng) AI 革命也帶來了前所未有的焦慮。實(shí)驗(yàn)中出現(xiàn)的“外星科學(xué)”（Alien Science）現(xiàn)象顯示，AI 能產(chǎn)出人類從未想象過的路徑，但也可能出現(xiàn)“獎(jiǎng)勵(lì)作弊”（Reward Hacking）行為。AI 的優(yōu)化器本性讓它可能會(huì)鉆空子，尋找最省事的路徑，而不是你想要的嚴(yán)謹(jǐn)科學(xué)過程。這意味著，當(dāng) AI 交出一份實(shí)驗(yàn)報(bào)告時(shí)，我們?nèi)绾未_保它沒有“作弊”？

這一次的實(shí)驗(yàn)不僅是一次技術(shù)突破，更是一次深刻的警示。它證明了當(dāng)問題被正確定義，當(dāng)評(píng)估體系被搭建，AI 就能在科研效率上全面超越人類。然而，隨著 AI 產(chǎn)出的科研成果越來越難以被人類理解和驗(yàn)證，我們可能正站在科研的“無人區(qū)”門檻前。

Anthropic 團(tuán)隊(duì)在報(bào)告中坦承，這并不意味著前沿 AI 模型已經(jīng)成為通用的對(duì)齊科學(xué)家。它們擅長(zhǎng)的是被量化、可評(píng)估的任務(wù)。大多數(shù)對(duì)齊問題遠(yuǎn)比這復(fù)雜得多。但這次實(shí)驗(yàn)的象征意義已經(jīng)無法被低估：AI 不再只是我們的工具——它是我們的同事，我們的競(jìng)爭(zhēng)者，甚至可能是我們的繼任者。