AI for Science 资助获得者 Jakob Macke, Daniel Gedon和 Stefan Wahl 是 ELLIS Institute Tübingen 和图宾根大学的研究人员，他们在那里构建用于开发神经科学及其他领域科学模型的AI工具。在这篇客座文章中，他们讨论了AI如何开始改变科学建模。
1951年，剑桥大学的计算机瘫痪了六个月。这对生理学家Andrew Huxley来说很不方便，因为他刚刚与同事Alan Hodgkin一起建立了一组方程，用以描述某种鱿鱼神经细胞如何放电。这些科学家想了解这些神经细胞的“动作电位”：即它们用来交流的电脉冲，这是大脑一切功能的基础，从感知到智力。要弄清这些方程是否有效的唯一办法就是求解它们，并将解与数据比较。
Huxley原本希望用那台新式计算机来求解方程。结果他被迫用手摇机械计算器来求解。这花了他三个多星期。
他们模型的基本结构由关于该细胞的已知事实决定。Hodgkin和Huxley将细胞膜建模为一个电路。然而，模型中有一处只是有根据的猜测。为了使曲线拟合他们测量到的数据，他们发现必须将一个变量提升到四次方——也就是把它自乘三次。当时，他们并不知道为什么。他们只知道，否则模型对观测数据的预测就不那么好。
不过，他们确实提出了一个假说。他们谨慎地提出，这个控制细胞膜上特定门通道开启的变量之所以需要四次方，可能是因为膜内多个带电粒子必须先移动到位，门通道才会打开。
几十年后，在Hodgkin和Huxley于1963年获得诺贝尔生理学或医学奖之后很久，另一个团队 发现了相关钾通道蛋白的结构。他们发现，是的，它确实有四个相同的部分 围绕一个中央孔排列。该模型在1951年就与数据拟合。即便如此，它对脉冲传导速度的预测也相对准确。不仅如此，结果证明它还有助于预测钾离子通道本身的结构，而它从未与后者拟合过。
今天，一个AI系统很可能在一个下午就能找到类似Hodgkin和Huxley的方程，而且它对实验数据的拟合甚至可能更紧密。但这个故事的重点在于，仅仅知道四次方能起作用是不够的；重要的是知道该模型的一个更简单版本行不通。一个仅仅把模型交给你的AI系统或许会给你一个答案，但它不会给你理解。用模型重现数据是不够的，因为任何数量的模型都能做到这一点。重要的是能够对现实世界系统本身做出论断，理想情况下还能对其他类似系统做出论断。要做到这一点，你需要知道该模型与其他有效的模型共享哪些特征，又有哪些特征使它与无效的模型区别开来。正如数学家Richard Hamming在1962年所写：“计算的目的是洞见，而非数字。”
一个三步程序
70多年过去了， Hodgkin-Huxley模型 仍然是神经元电活动的标准描述。同样的方程类型，配上不同的常数，描述着从鱿鱼到人类等整个动物界的神经细胞，尽管我们的进化谱系早在超过五亿年前就已分离。
然而，比它的经久不衰更重要的是，Hodgkin-Huxley模型告诉了我们模型是如何运作的。Hodgkin和Huxley的方法可以分解为三个步骤，而大多数科学建模都涉及这些步骤的某种版本。
- 第一步是 构建 模型。这意味着决定模型由什么组成以及方程采取什么形式。在Hodgkin和Huxley的案例中，这意味着电路的组成部分——膜和门通道——以及方程的形式，比如将底层变量提升到四次方。
- 第二步是 约束 该模型——调整其可调参数以拟合真实测量数据。对Hodgkin和Huxley来说，这包括诸如在不同电压下闸门开启频率之类的设定。
- 第三是 解释 该模型——追问该模型对真实系统的说明，例如暗示四次方意味着该闸门有四个运动部件。
在实践中，科学家 反复经历这些步骤。如果数值无法拟合测量数据，或者解释讲不通，他们就会回头修改。
这三个步骤曾经都由人来完成,但AI系统在其中每一个步骤中的参与度都在不断提高。可以说,机器在约束模型方面取得的进展最大,因此我们就从这里开始。
拆分账单,或者如何约束模型
当Hodgkin和Huxley凭肉眼和直觉约束他们的模型时,他们得到了一组数字。这告诉他们,该模型 能够 匹配数据。但这并不能告诉他们,其他数字是否也能同样有效甚至更好地奏效。
想象一下,你知道一次团体晚餐总共花费了120美元,但不知道谁点了什么。许多不同的点单组合都可能加起来等于这个金额——也许每个人都点了一份中等价位的汉堡,也许一个人点了牛排和龙虾而其他所有人都喝了汤。神经细胞模型遵循同样的原理:不同的门控参数组合可以产生几乎完全相同的电活动。仅仅展示一个拟合良好的组合,就隐藏了所有其他合理的参数设置,而其他组合可能带来不同的预测。对于几乎所有被建模的现象来说都是如此。许多不同的参数集合可以同样好地解释观测到的数据。
解决方案是一种叫做贝叶斯推断的统计方法。它会给出所有合理有效的数字集合,以概率分布的形式呈现,该分布考虑了它们对数据的拟合程度以及你关于这些参数的先验知识。这个分布呈现为一条曲线,最佳拟合位于峰值,较弱的拟合位于边缘。
但对于复杂模型,这种方法通常并不实用,因为它需要计算在每一组可能的数字下你的测量结果出现的可能性。对于Hodgkin和Huxley的模型,这仍然是可行的,但对于任何更复杂的情况,这在计算上是不可行的。例如,如果数千个离子通道中的每一个都随机开启和关闭,你就必须算出所有组合。回到我们餐厅账单的类比:回答“如果A点了汉堡,B点了牛排,账单总共是多少?”很容易,但要展示哪些组合可能导致最终的账单就难得多,尤其是当人数和菜单选项增加时。
另一种叫做 基于模拟的推断(simulation-based inference, SBI) 的方法,用大量的计算克服了这个逆向工程难题。你选取随机参数,运行模型,并记录输出。你一遍又一遍地重复——对于像Hodgkin-Huxley这样的模型,可能要进行100,000次,对于更大、更复杂的模型则要进行数百万次。然后你在这些结果上训练一个神经网络,使得在给定一个输出的情况下,它能够返回可能产生该输出的参数范围。
SBI所要求的仅仅是你能够运行模型:输入一组参数,得到你预期会看到的那种数据。一个可以像这样运行的模型——参数进,数据出——被称为 模拟器,这就是“基于模拟的推断”这个名称的由来。你永远不需要用公式来计算你的测量结果出现的可能性,而正是这一步使得标准贝叶斯推断常常不切实际。如今,模拟器通常是一个计算机程序,但它并非必须是程序:Huxley当年用手计算方程时,就在运行一个模拟器。许多模拟器向前运行容易,但无法逆向。有些甚至无法写成一个整洁的方程——它们的假设内嵌于它们所遵循的规则之中——但它们仍然是模型。对于许多复杂现象,从神经元网络到碰撞的星系,模拟器往往是我们唯一拥有的模型类型。SBI让我们能够用数据来约束这些模型。
运行所有这些模拟既昂贵又可能需要数周时间。但一旦完成,训练好的网络就能在几秒钟内对新数据进行推断,而无需进一步的模拟。这种速度改变了可能性的边界。当 两颗中子星碰撞时,SBI可以快速推算出碰撞发生在天空中的大致位置,其速度足以让望远镜在信号仍然可被探测到时指向那里。同样的方法已被成功应用于 宇宙学, 结构生物学, 地球物理学以及许多其他领域的问题。
而且SBI已被应用于 神经细胞模型, 包括Hodgkin-Huxley模型。由于它返回的是分布而非单一拟合,我们可以看到哪些参数被数据很好地约束,哪些地方存在不止一种合理的解释,以及哪些地方最需要更多的数据——也就是需要再做一次实验。
更宏观的账单拆分,或者如何构建模型
在约束一个模型之前，你需要先有一个可供约束的模型。Hodgkin-Huxley模型的方程并非由第一性原理推导而来。相反，底层变量的四次方是 从经验上 由科学家的生物学洞察得出的，也是因为他们发现更简单的版本效果不佳。
在科学史的大部分时间里，模型都是这样构建的。科学家运用他们的专业知识和假设写下一个候选模型，然后对其进行检验、修改，再反复尝试。问题在于，可能的模型空间本质上是无限的，一位凭经验提出少数几个模型的科学家，很可能错过那些同样能够解释观测数据的模型。
AI系统如今可以协助甚至接管这一步骤。给定一些数据和一段对系统的自然语言描述，基于LLM的智能体会为一个候选模型或一组候选模型编写代码。然后它运行模型，约束其参数，将输出与真实世界数据比较，并进行修改，比如改变某个方程的形式。这一循环不断重复，直到模型足够准确地复现数据。过去两年中已出现了若干此类系统。1 细节各不相同，但它们都使用LLM来设计模型本身。直到最近，这还被认为只有人类才能做到。
但模型能复现数据并不意味着它能提供洞见。正如餐厅账单或Hodgkin-Huxley参数的情形，单一模型内许多不同的参数组合可以产生相同的输出。上一层也是如此，对模型本身而言：许多不同的 模型，其方程形式各不相同，却能同样好地解释相同的数据。在相同数据上运行同一个智能体两次，它可能返回两个不同且同样优秀的模型。一个只返回其中一个的智能体就是在隐藏其余的模型，正如单一的最优拟合参数组一样。
因此，更好的做法是像对待模型约束那样对待模型构建：你要求给出所有能够合理解释数据的模型的整个范围。2 AI系统提出许多候选模型。然后根据数据对每个模型的支持程度为其赋予权重，那些需要很大灵活性才能拟合数据的模型得到的信任少于那些自然拟合的模型。较弱的候选模型被淘汰，AI系统在较强模型的基础上提出新的变体。
因此，AI智能体可以提供一个合理模型的分布，而非单一的最优拟合，而这个分布能告诉你单个模型无法告诉你的事情。如果所有存留下来的模型都共有某个特征，那么数据很可能偏向该特征。如果存留下来的模型彼此不一致，那就表明证据薄弱之处在哪里，并为研究人员指出下一个实验的方向。
我们不应走得太过超前。到目前为止，这些系统大多是在重新发现科学家已知的模型上进行测试的。它们能在 无 已知答案的问题上奏效的证据仍然稀少。不过， 较新的LLM在研究任务上的表现优于较旧的LLM ，我们预计这些系统会持续改进。
迷失于翻译，或如何解读模型
即使模型已经构建并被约束，它仍需被解读。它能告诉我们关于所研究真实系统的什么信息？Hodgkin和Huxley的四粒子假说的提出，是因为如果四个独立的事物都必须发生才能让一个门开启，那么你预期会看到涉及四次方的方程。所以他们提出，这可能就是膜内正在发生的事情。如上所述，他们最终在很大程度上是对的。
这一解读之所以有分量，是因为他们已经排除了其他可能性。如果更简单的模型同样有效，就没有理由认为这个门有几个活动部件。正是备选方案的失败才使他们能够做出这一论断。关于确切的数字存在一些不确定性：Hodgkin和Huxley指出需要三次方或四次方，并最终确定为四次。 他们写道 ，更高的幂次甚至可能拟合得略好一些，但潜在的“改进不值得其带来的额外复杂性”。
这些方程还让Hodgkin和Huxley推理出若干其他含义。例如，这些方程解释了为什么神经细胞存在一个电压阈值，低于该阈值细胞不放电而高于该阈值则放电，以及为什么神经脉冲都具有相同的形状。他们还预测，上升得足够缓慢的电流永远不会使细胞放电。科学哲学家 把一个理论称为“可理解的” ，如果它让你无需运行它就能推演出其结果。这一检验对像Hodgkin-Huxley这样只有少数变量的模型有效。对于一个可能拥有数千个变量的更大模型，类似的检验可能是我们能否将其归结为几个关键的机制性思想，而这些思想足以重建该模型。模型越大，这一点就越难做到。
在这三个步骤中，解释是最难交给 AI 完成的一步。这个目标更难界定：我们可以衡量模型对数据的拟合程度，却无法衡量它是否带来了对系统更好的理解，而且目前也不清楚如何告诉 AI 系统把“理解”设为它的目标。 一种提议 是通过观察 AI 系统在系统受到干扰时对其行为的预测能力来评判它的理解程度。另一种做法是完全绕开这个问题，转而询问智能体的输出 是否帮助人类科学家更好地理解问题。一个例子是一个用于 设计量子实验的 AI 系统。它不是只给出单一配置，而是被训练来编写一个短程序，生成一整族相关实验的配置。物理学家随后可以直接从程序中读出底层设计原理，而不必从单一实验配置中逆向推导。
在这两种方法中，能够获得一整套合适的模型分布，而非单一拟合最优的模型，对解释至关重要。单一模型无法告诉我们它的哪些部分真正受数据约束，因此很容易把意义解读到并不受约束的部分上。正如我们在 Hodgkin-Huxley 模型中看到的，关于四种粒子的假设只有在你知道更低次幂效果不佳时才有意义。一系列模型还能让预测更稳健。比如说你问你的模型，当你干扰一个系统时会发生什么——例如阻断细胞膜上全部或仅部分钠通道。如果所有拟合数据的模型都给出相同答案（如你所期望的，当全部通道被阻断时），那么你就可以对这个答案相当有信心。如果它们意见不一（如部分通道被阻断时可能出现的情况），这可以为下一个实验提供思路。
细胞与尺度
最著名的模型，包括 Hodgkin-Huxley 模型，都很紧凑。它们由少数变量和方程组成，规模小到人类科学家可以写下并加以推理。这并非巧合：它们必须紧凑，因为人们需要构建、约束和解释它们。它们的小巧也正是使它们易于理解的原因。但随着 AI 接手越来越多的工作，这一规模限制将开始解除。我们可以开始为复杂到根本无法手写下来的系统建模，即便我们再也无法仅仅通过阅读方程来理解它们。
大脑是一个显而易见的应用场景。Hodgkin-Huxley 方程描述的是单个神经细胞。但一个果蝇的大脑含有超过 100,000 个神经细胞，而人类大脑则有数百亿个。正是这些神经元之间的相互作用产生了行为和思维。对于果蝇，我们如今拥有前几代科学家不可能拥有的东西：一幅完整的大脑连线图，展示每一个神经元及其与其他神经元的连接方式。3 研究人员已经开始 在此基础上构建大规模模型，其中包括一个预测果蝇视觉系统中神经元活动的模型。这开启了许多以前没有人能合理提出的问题。一个完整的大脑如何把它的连线转化为行为？一个动物的行为有多少可以仅凭其连线来预测？以及哪些连接真正重要？
但在这样的尺度下，将不可能找到一个唯一正确的模型。事实上，在大多数情况下根本不存在这样的模型。正如统计学家 George Box 所写：“所有模型都是错的，但有些是有用的。”数据永远会与许多模型兼容。问题将不再是哪个模型是正确的，而是所有与数据兼容的模型有哪些共同性质，以及从它们可以推导出哪些预测。最有用的实验将是那些能排除最多剩余模型的实验，即便它们并不总是人类科学家觉得最有意思的实验。
这并非神经科学独有。气候科学家已经在这样工作：他们构建许多庞大的数值模拟，每个模拟基于略有不同的假设，并将他们的预测报告为所有模拟结果的范围。大型强子对撞机的粒子物理学家以类似的精神工作：当他们寻找一个新粒子时，他们不会只是宣称某个理论成立与否；他们绘制出一张图，标明该理论的哪些版本被数据排除，哪些仍然成立。
霍奇金和赫胥黎所做的艰苦工作——构建模型、用眼睛拟合每条曲线、尝试那些并不吻合的幂次,以及赫胥黎花三个星期手摇机械计算器——不是我们想回到的事情。但这工作并未白费。模型所提供的洞见很大程度上来自创建模型的过程;霍奇金和赫胥黎理解模型告诉他们的东西,是因为他们亲手构建了它,并且知道哪些方法行不通。正是这种理解让他们得以形成对门控变量的诠释——这一发现最终为他们赢得了诺贝尔奖。
如今,一个AI系统很可能在一个下午就能完成其中大部分工作。但要提供理解,它需要交付那两位科学家缓慢工作所产生的东西:不仅是拟合的模型,还要说明哪些部分被数据锁定、哪些仍然悬而未决、哪些替代方案在过程中失败了,以及在此过程中发现了哪些新谜题。科学模型或许能给出答案,但提供洞见的是构建模型的过程。
脚注
01 参见 Romera-Paredes et al., 2024; Shojaee et al., 2025; Ma et al., 2024; Novikov et al., 2025; Xia et al., 2026;以及 Ziaei Bideh and Gryak, 2026等文献。
02 参见 Wahl et al., 2026; Mishra-Sharma, 2026;以及 Murphy, 2026.
03 参见 Dorkenwald et al., 2024; Schlegel et al., 2024;以及 Azevedo et al., 2024.
作者与致谢
贡献者
Jakob Macke、Daniel Gedon和Stefan Wahl
致谢
我们感谢Xander Balwit、Tom Chivers和Siddharth Mishra-Sharma提供的审阅与编辑指导。