一分钟读论文：Alien Science——让 AI 探索人类思维的盲区

科学突破往往来自既可行又令人惊讶的想法。但现代 AI 在这方面表现得并不理想：LLM 擅长流畅地复制和插值已知内容，但很少产生真正非显而易见的研究方向。

最新的研究给出了一个颠覆性的答案：当 AI 接近并超越人类能力时，我们不应该只关注”加速”人类的思考，而应该关注”补充”人类的思考——让 AI 去探索那些人类永远不会自然想到的研究方向。

核心数据

研究基于 7,339 篇来自 NeurIPS、ICLR、ICML 的 LLM 论文，提取出 39,028 个可重组的概念单元，构建了约 2,500 个跨论文通用的”思想原子”词汇表。

实验结果对比非常显著：

• 多样性：Alien sampler 覆盖率 28.9%，而 Claude 4.5 Opus 仅 8.1%
• 集中度：Alien sampler 前 10% 原子占比 4.7%，而 Claude 4.5 Opus 高达 35.2%
• 连贯性：Alien sampler 与真实论文的最大原子重叠为 1.66，而 LLM 基线仅约 1.1

关键洞察

作者提出了”认知可用性”（cognitive availability）这个概念，将”非显而易见”这个模糊概念变成了可计算的指标。

实证证明，当被要求产生新颖想法时，LLMs 会反复收敛到相同的狭窄原子集合（如 MCTS、过程监督等），而 Alien sampler 则能真正探索多样化的概念空间。

论文标题”Alien Science”暗示了一个深刻的问题：当 AI 的认知方式与人类根本不同时，它产生的科学发现对我们来说可能就像”外星科学”一样——既有效又可验证，但在概念上却完全陌生。

这篇论文重新定义了 AI 在科学发现中的角色：从加速器变成补充者，主动探索人类思维的盲区。