DeepMind 推 ATLAS：讓 AI 從資料生出可解釋的機制模型，還會自己挑下一個實驗

AI 用在科學上的玩法，這週有個值得記住的更新。據 smol.ai 整理，Google DeepMind 的研究者發表了 ATLAS，全名是「自動科學的主動理論學習」。它是一條完整的管線：先從資料裡生成可解釋的機制模型，再主動挑選接下來該做哪些實驗，去檢驗這些模型對不對。重點在「機制」與「可解釋」——它要的是一套人看得懂、能說清因果的理論，而不只是把結果預測得準。

這跟過去 AI for science 的主流做法不太一樣。AlphaFold 那一類模型強在預測結果（給序列、出結構），但它不會主動告訴你「為什麼」，也不會自己設計下一步該驗證什麼。ATLAS 想補上的，正是科學研究裡最像研究員在做的那兩件事：提出一個結構化的假設，然後挑一個最有資訊量的實驗去戳它。如果這條路走得通，AI 就從一個超強的計算器，往「會自己推進研究迴圈」的方向挪動。

對一般讀者，這件事的意義不在某個具體成果，而在 AI 與科學的關係正在升級。一個能自己提理論、又懂得選實驗的系統，理論上能把「假設—驗證—修正」這個科學的核心循環跑得更快。當然，能不能在真實實驗室裡穩定產出有用的新發現，還得看後續驗證；但方向本身，已經把「AI 做科學」從輔助計算，推向參與思考。