TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
Anthropic 客座文章：AI 建科學模型，把替代解釋一起交出來
Anthropic 於 11 月 6 日刊出圖賓根三位研究者的客座文章，主張 AI 參與科學建模時，只交回最貼合資料的單一模型並不算完成工作。文章以 Hodgkin-Huxley 神經方程的歷史案例與模擬為基礎的推論說明：參數與模型的分布、被排除的候選、對新實驗的分歧預測，才是能換到理解的交付物。作者自承目前的 LLM 代理建模系統多半仍在重現已知模型。
用 AI 摘要這篇文章：
Anthropic 在 2026 年 11 月 6 日於官網研究專欄刊出客座文章《Teaching AI to build scientific models》，三位作者 Jakob Macke、Daniel Gedon、Stefan Wahl 任職於 ELLIS Institute Tübingen 與德國圖賓根大學，都是 Anthropic「AI for Science」補助計畫的獲補助研究者。這個計畫從 2025 年 5 月起提供免費 API 額度給聚焦生物與生命科學的研究團隊。Anthropic 對科學工作的投入還包括內部研究，Claude 分析冷凍電子顯微鏡資料的 vault 研究便出自其生物實驗室。
這篇觀點文章的核心主張可以濃縮成一句話：AI 幫你找出一條貼合資料的曲線，在整套建模工作裡只占一小段，接下來還該交付的是：哪些模型同樣行得通、哪些候選被排除、以及它們對新實驗的預測在哪裡分歧。對把 AI 用在資料分析與建模的人，這份清單比任何單一「最佳答案」都更有用，而 Anthropic 自己的科學用量報告 顯示，資料分析正是研究者把 AI 用得最重的一段。
先把性質講清楚：這是一篇觀點文章，談的是方法論主張，任何模型與工具的行為都不會因此改變。一般使用 Claude 或 ChatGPT 的人不需要調整設定；該換工作方式的，是用 AI 做建模與分析的研究者。
一條貼合資料的曲線，為什麼還不算理解
文章用神經科學的經典故事定調。1951 年，劍橋大學的電腦停機六個月，生理學家 Andrew Huxley 和 Alan Hodgkin 剛為一顆烏賊神經細胞的放電寫好一組方程，想驗證就只能把方程解出來跟測量結果比對。Huxley 於是改用手搖機械計算機，搖了三個多星期。
方程的基本結構有已知事實支撐：細胞膜與離子通道可以當成電路來處理。但其中一個變數必須取四次方，曲線才配得上資料。當時沒有人知道為什麼，只知道更簡單的形式表現不如它。兩人保守地提出假設：膜上也許要多個帶電粒子就位，通道才會打開。論文在 1952 年 8 月刊於《生理學雜誌》（Journal of Physiology），兩人於 1963 年獲得諾貝爾生理學或醫學獎。數十年後，鉀離子通道的結構解開，正是四個相同部位圍著中央孔洞，當年四次方的猜測方向正確，這組方程甚至協助預測了它從未擬合過的通道結構。
文章從這段歷史抽出的重點是：知道「四次方可行」價值有限，知道「更簡單的版本為什麼不行」才是理解。今天 AI 系統一個下午就可能找出一條擬合更好的方程，但把模型直接遞給你的 AI 給的是答案而非理解，原文寫得直接：”An AI system that merely hands you the model might give you an answer, but it does not give you understanding.” 文中也引了數學家 Richard Hamming 在 1962 年的名言：「計算的目的是洞見，不是數字。」
建構、限制參數、解讀：AI 在三個步驟的成熟度各不相同
文章把科學建模拆成三個會反覆往返的步驟：建構模型（決定方程的形式與組成）、限制參數（用實際測量縮小參數範圍）、解讀模型（問這組方程對真實系統說了什麼）。參數對不上資料就回頭改結構，解讀出現矛盾就回頭檢查假設。AI 在三個步驟的介入程度差距很大：
| 步驟 | 工作內容 | AI 目前的位置 |
|---|---|---|
| 建構 | 決定模型的形式與組成 | LLM 代理兩年內快速出現，仍多在重現已知模型 |
| 限制參數 | 用測量縮小參數範圍 | 模擬推論（SBI）已實際應用於多個科學領域 |
| 解讀 | 問模型對真實系統的意義 | 最難交給 AI，評斷標準還在提案階段 |
參數這步的舊問題，文章用一桌餐費解釋：帳單總額 120 美元，你知道總額，卻反推不出每個人點了什麼，因為不同組合會得到同一張帳單。神經細胞模型也一樣，不同組合的通道參數可以產生近乎相同的電活動；交回一組配得最好的數字，等於把其他同樣可行的組合藏起來，而那些組合在新情境下可能給出不同預測。
貝氏推論能把符合程度與先備知識一起考慮，交回參數的機率分布，但複雜模型往往算不出每組參數產生目前觀測的機率：數千個離子通道隨機開關，所有路徑無法逐一列舉。文章介紹的替代方案是模擬為基礎的推論（simulation-based inference，SBI）：抽一組參數、跑一次模型、記錄輸出，然後重複，Hodgkin-Huxley 規模的模型大約要十萬次模擬，更大的系統要數百萬次；接著訓練神經網路，讓它學會看到某種輸出時，哪些參數組合比較可能產生它。這條路只有一個前提：模型要能往前跑，參數進去、資料出來。這種模型叫做模擬器，Huxley 手搖計算機的過程，本質上就是一個人在跑模擬器。
前置成本不低，模擬可能跑上數週，但訓練完成的網路對新資料只要幾秒就能推論。文章點出這已經改變某些工作的節奏：兩顆中子星相撞時，SBI 能快速算出碰撞在天空中的大致方位，快到望遠鏡來得及在訊號消失前指向它。同一套方法已用在宇宙學、結構生物學、地球物理，也回到神經細胞模型（包含 Hodgkin-Huxley 本身）。因為交回的是分布，研究者看得見哪些參數被資料釘死、哪裡有多種解釋並存、下一個實驗最該補在哪裡。
LLM 代理能自己提出候選模型，為什麼反而要留下更多版本
過去兩年出現多套 LLM 代理建模系統，文章註腳列出六篇論文。工作流程大致相同：研究者提供資料與自然語言描述，代理寫出候選模型的程式、執行、調參數、與觀測比較，再修改方程，循環到夠貼合為止。寫出模型形式這件事，過去被認為只有人類做得到。
文章的提醒是：同一批資料跑兩次代理，可能得到兩個不同、卻一樣貼合的模型，只交回其中一個，等於把另一條路藏起來。作者的建議是把建構當成參數限制來處理：要求 AI 交回整個可行模型的範圍。候選依資料支持程度加權，需要大量自由度才配得上資料的模型被打折，弱的淘汰，再在強的上面生成新變體。這個模型分布會說話：所有存活模型共享的特徵，比較可能是資料支持的；它們分歧的地方，就是證據薄弱、也最值得設計實驗的地方。
誠實的部分作者自己講清楚：這些系統至今多半在重現科學家已知的模型，對沒有已知答案的問題，有效的證據仍然稀少。他們預期系統會隨模型進步而進步，但文章沒有宣布任何自主科學發現。另一個該放進脈絡的事實是，註腳引用的模型分布方法裡，有一篇正是作者團隊自己的論文（Wahl et al. 2026，用機率框架處理 LLM 模型發現），而刊出這篇文章的 Anthropic 正是補助他們的機構。主張與立場之間的關係，讀者可以自己衡量。
解讀這一步，為什麼最難交給 AI
擬合程度可以計分，有沒有帶來理解卻很難寫成最佳化目標，這是文章公認最難交給 AI 的一步。文中引述兩個評斷方向：看系統受擾動後的預測表現，或者繞過「AI 自己懂不懂」，改問它的產出有沒有讓人類研究者更懂問題。後者的例子是量子實驗設計：系統不交付單一實驗配置，而是寫一支能產生整族相關設計的短程式，物理學家可以直接從程式碼讀出設計原則，不必從一張複雜配置反推。
分布在解讀層的價值，文章給了具體理由：單一模型無法告訴你哪些部分被資料約束，人很容易把意義讀進其實沒被約束的部分。Hodgkin-Huxley 的四粒子假設之所以有分量，正因為更低次方的版本不行；兩人當年也記下更高次方可能配得稍好，但按文章引述的原話，「這點改進不值得換來額外的複雜度」。
介入預測是把分歧變成實驗的方法：問模型，把鈉通道全部堵住，或只堵一部分，結果會怎麼變。全體可行模型答案一致，結論就站得住；答案分歧，分歧本身就是下一個實驗的題目。
當模型大到寫不下：果蠅全腦與氣候系集已經給了答案
經典模型都很小巧，因為要人腦寫、人腦讀。文章預期 AI 接手更多工作後，尺度限制會開始鬆動，舉的例子是果蠅：全腦接線圖已經完成，文中示意圖渲染出 124,635 個細胞，而且已經有團隊在接線圖上建模，預測果蠅視覺系統的神經活動。這份接線圖先前也被接進遊戲讓果蠅腦操控 Doom 與 Beat Saber，同一份資料正在長出截然不同的用途。
在那個尺度，文章說得直接：多數情況下不存在單一正確模型。統計學家 George Box 的名言被引進來：「所有模型都是錯的，但有些是有用的。」問題從「哪個模型是對的」變成「所有可行模型共享哪些性質、能推出哪些預測」。最有用的實驗，是能排除最多剩餘模型的實驗，即使它不見得是人類直覺上最有趣的那個。
這套工作方式其實已經存在。氣候科學本來就用不同假設的模型系集報告預測分布，AI 氣候模型的進展TechMoon 也持續追蹤；粒子物理學家在大型強子對撞機上找新粒子時，畫的是哪些理論版本被資料排除的地圖。文章做的事，是把這套已驗證的工作方式，提前搬進 AI 建模的交付標準裡。
一般使用者不用動，用 AI 分析資料的人可以換個問法
這篇客座文章不會讓任何工具的行為改變。會因此調整的，是把 AI 用在建模與分析上的人的提問習慣。文章給的交付標準可以直接變成追問：除了這個最佳模型，還有哪些解釋同樣貼合資料？它們對新條件的預測在哪裡分歧？搜尋過程排除了哪些候選、理由是什麼？
放到一般資料分析也通。當多種解釋都能描述過去幾個月的銷售變化，直接採用最好看的那條曲線去規劃下一檔活動，風險就藏在被忽略的分歧裡；比較不同解釋在新條件下的預測差異，才知道還缺什麼證據。AI 能把搜尋範圍拉大，恰好也把「只看一條曲線」的代價放大了。
觀點文的邊界：哪些結論還在等證據
文章自己畫出的界線值得原樣保留。它沒有宣布新模型、新基準或理解分數，作者明說容易計分的是擬合程度，「是否帶來理解」連目標都還難定義。代理建模系統在沒有已知答案的問題上的有效性，作者自認證據稀少，這個空白要靠後續實證來填。保留多個候選也不代表窮舉了所有可能：可能模型的空間將近無窮，憑經驗提議少數幾個，難免漏掉同樣能解釋資料的版本。
保存期限也明確。文章對應 2026 年 11 月 6 日發布、同日晚間（UTC）修改的版本；當註腳裡的系統（包含作者團隊的後續工作）在沒有已知答案的問題上交出可重現的新預測，或 Anthropic 的 AI for Science 計畫公布下一波成果時，這套以分布為交付物的標準就值得重新檢視一次。
文章結尾回到 Huxley 的三個星期：那份苦工沒有人想回頭，但洞見就在過程裡。最後一句可以整句收下：科學模型給得出答案，給出洞見的是建構它的過程。
