分数让搜索成为可能，也是它会去钻的东西
按 Platt 的说法，用 ERA 这类工具，人的工作从写代码移到定分数、定数据、藏好留出集。它越不知疲倦，越快找到分数和真实问题之间的缝；Kaggle 的半像素例子是人做的，系统只会做得更快。所以一个用代码搜索得出的结果，要看它的留出数据是谁定的、谁没看过，这比看分数高低更说明问题。
AI FOR SCIENCE · 访谈
Platt：Google 的 ERA 起于自动打 Kaggle 比赛，他说它解开了团队卡了两年的尾迹云难题
核心信号
Platt 说，ERA（Google 让 Gemini 在树搜索下反复改写代码的系统）能处理任何能写成一个分数的科学问题；分数怎么定、怎样不过拟合，是科学家的事。他举的例子是飞机尾迹云：团队在估算尾迹云反射阳光那一半效应上卡了两年，是 ERA 找到了能用的模型。
这次新增
ERA 平时怎么跑：它起于一个“自动打 Kaggle”的项目，每轮从共享的历史里长出十个笔记本分支，跑几个小时再由人介入；他认为在 Gemini 2.0 上它做不成。还有尚无论文的尾迹云结果：一个简单模型，加上团队没试过的一组混杂变量，通过了团队自己的合成数据测试。
当前边界
尾迹云的结果还没投稿（他说在 EGU 上讲过），只在团队自己注入了尾迹云的合成数据上检验过。ERA 只在计算里闭环，数据要别人去采；他说世上还没有什么实验都能做的通用实验室。除了 CDC 的预测，他没有给出任何一场比赛的名次。
访谈里说了什么
把科学问题写成一个分数，再让 AI 去搜代码
▶ 4:05他说团队发现很多科学问题都能写成“可评分任务”：要一段代码，让某个分数尽量高。统计模型是其中一类，但不止于此：Michael Brenner 把常微分方程的渐近展开写成检验题，另一个项目用 GOES 气象卫星的粗像素去估算 OCO-2、OCO-3 才测得到的二氧化碳。进化式编程从 70 年代就有，一直没成，因为在代码空间里随机变异几乎没用；ERA 能成，是因为改代码的是一个懂很多东西的模型。他说团队 2024、2025 年在做，Gemini 2.0 时还做不成，到 2.5 才开始好用。
“random mutation in code space is pretty much worthless”John Platt
分数是会被钻空子的，挑分数和守住留出集是人的事
▶ 22:27他区分预测模型（在某个数据集上误差最低）和描述模型（抓住了物理，能外推），说科学要的是后者，而 ERA 交出的是前者，判断它是不是描述性的要靠科学家。系统找空子很常见，人也一样：Google 办的尾迹云 Kaggle 比赛里，胜过 Google 的参赛者发现了 Google 标注里半个像素的偏差，并利用了它。他的办法是更严格：藏起来、不去看的留出集，一层层的检查。他说 ERA 本来就设计成人在外环：跑几个小时，人回来看，指一篇论文或指出哪里不对，再让它接着跑。
尾迹云：ERA 解开了一个没法直接测量的问题
▶ 42:42他说按现有估计，尾迹云约占人类造成增温的 1%；在欧洲这样航班密集的地方，额外的尾迹云覆盖几个百分点的天空，局部强迫约每平方米 1 瓦，而全球平均的人为强迫约 3 瓦。飞机只要降两个飞行高度层就能绕开冰过饱和的空气层，多耗一点油。团队用卫星图像监测尾迹云，用卷积网络预测这些空气层，地图交给航班规划软件；这些模型还不是 ERA 做的。难的是算一条尾迹云少造成了多少增温：这是反事实问题。长波（保温）那一半团队已有模型和论文，反射阳光那一半卡了两年；ERA 找到一个简单模型，配上团队没试过的混杂变量组合，通过了团队在合成数据上注入尾迹云的检验，而团队自己的方案没有通过。
数据够多的封闭问题交给统计模型，气候不是
▶ 52:53他说天气预报和蛋白质结构是数据够多、问题封闭的情形，统计模型就够用，AlphaFold 是例子。气候不同：它是非平稳的，吸引子本身在动，没有三十年后的数据，每个地点的年度数据也许只有五十个点；光是生物圈吸收多少二氧化碳，2100 年的不确定性就有约 300 ppm，而现在约 440 到 450 ppm。所以他说 AI 还没有改变气候建模。他的期望是将来的工具能读远比人多的论文，把已知的物理约束放进它写的代码里；他强调今天的 ERA 还做不到。
“so far, AI has not revolutionized it 'cause it's very, very resistant, again, 'cause of this data problem.”John Platt
瓶颈在实验，人留在创意、严谨和领域知识上
▶ 1:31:47他说 ERA 目前全是计算，数据得有人去采；“lab in the loop”还很开放，现有的是许多只做特定事情的可控实验室，没有什么都能做的。被问到想用魔法移除哪个瓶颈，他要的是一个能接收 JSON、做任何实验的通用实验室。他不认为科学家会被取代：AI 在写代码和查找知识上很强，在创意和严谨上还不行，ERA 也不会从零发现新物理，但会遵守你告诉它的约束。他给年轻人的建议是做深一个领域，同时多用工具，偶尔也自己动手。
“the everything lab that you could like send JSON blob to, and it will do any experiment at all”John Platt
- 定分数一个智能体和科学家对话，写出一个带评分函数的 Python 笔记本。
- 起步Gemini 读你指给它的论文，写出第一版代码；有时有 bug，得分是负无穷。
- 挑在成百上千个笔记本里，用上置信界（UCB）挑乐观估计最高的那个，不一定是当前最好的。
- 改默认一次长十个分支；每个都打分、放回树里，历史共享，后面的能看到前面的结果。
- 人来引导跑几个小时后，人回来看结果，指一篇论文或指出错处，再让它跑。
他说团队也试过把两个候选的想法拼成第三个。
改变了什么
- 此前的公开记录→
Google 2026 年 5 月 19 日随《自然》论文发的博客说：ERA 能检索文献、写代码，用树搜索在数千个方案里优化；已有八篇用 ERA 的稿件；它是 Google Labs 内测工具 Computational Discovery 的组成部分。博客没讲项目从哪里来、平时怎么用。
这次访谈新增Platt 说项目起于“自动打 Kaggle”，Kaggle 本来就属于 Google；默认每轮十个分支，因为并行太多就学不到彼此；一次跑几个小时，人在外环引导；他认为 Gemini 2.0 上做不成。
- 此前的公开记录→
Google 团队 2026 年 3 月在《大气测量技术》发表论文，用卫星观测和因果推断估算长寿命尾迹云的长波（保温）强迫，并在注入了已知真值的合成数据上验证方法。本站时间线没有任何尾迹云条目。
这次访谈新增Platt 说另一半，即反射阳光那部分，团队卡了两年，是 ERA 找到的模型通过了同样的合成数据检验；论文还没投稿。
- 此前的公开记录→
同一篇博客说，ERA 的流感、新冠和 RSV 预测在 CDC 的公开排行榜上“一直排在顶部或接近顶部”。
这次访谈新增Platt 也说 CDC 那场做得很好，但补了一条限度：在 Kaggle 的练习赛之外，ERA 在别的比赛里接近前列，却差最后三十名左右，因为没人去抠最后那 0.001。
为什么重要
没有真值可测时，分数靠合成数据来造
尾迹云少造成了多少增温，现实里测不到：没人能看到飞机没飞过时的天空。团队的办法是在合成数据里注入已知的尾迹云，看方法能不能找回来，这才让 ERA 有了分数可追。这是把可评分任务推到反事实问题上的一个做法；它能说明方法找回了注入的东西，不能说明合成数据像真实大气。
代码搜索停在实验室门口
ERA 的闭环只在计算里，数据要靠别人采。Platt 把通用实验室当作他最想要的东西，等于说这类系统的上限由实验数据的供给决定。对想决定钱和人往哪里放的人，这把问题落在自动化实验室上，而不是更多的搜索。
主张与边界
主张谁的口径目前状态
ERA 在成百上千个笔记本上做树搜索，用 UCB 挑选，默认每轮十个分支，历史共享；有一个智能体帮科学家定评分函数。
当前系统
Platt 的描述，他是 ERA 预印本的作者之一。Google 的博客写的是树搜索、数千个方案；每轮十个只出自这期。他说的是“产品”里的设置，节目页注释却说 ERA 目前不是 Google 产品；Google 的博客说它是内测工具 Computational Discovery 的一部分。
在 Gemini 2.0 上 ERA 做不成，到 2.5 才开始好用。
受访者判断
他的判断；没有公开的对比实验。
ERA 在 Kaggle 练习赛上表现很好；在 CDC 的新冠和流感预测里表现很好；在别的比赛里接近前列，但差最后三十名左右。
公司自述
没有点名比赛和名次。CDC 9 月 30 日的季末评估把 Google 的流感集成预测排在 39 个模型的第一，见“采访之后”。
ERA 找到的简单模型，解决了尾迹云反射阳光部分的反事实估算，通过了团队的合成数据检验，团队自己的方案没通过。
公司自述
论文还没投稿，他说在 EGU 上讲过（本页没有读到）；检验只在团队自己的合成数据上。长波那一半有 2026 年 3 月的论文。
尾迹云约占人为增温的 1%；在欧洲局部约每平方米 1 瓦，全球人为强迫平均约 3 瓦；每排出一克水或烟灰，能析出约十千克冰。
行业背景
他说这是“现有的估计”，口述；本页没有核对原始研究。
Google 已有尾迹云的卫星监测系统和预测冰过饱和层的卷积网络，地图交给航班规划软件；只需降两个飞行高度层，多耗的油不多。
当前系统
Platt 的描述；他说这些模型不是 ERA 做的。这期没有提任何航班试验的结果。
ERA 做出的模型能用 GOES 气象卫星的数据估算二氧化碳浓度，近似把 OCO-2、OCO-3 的窄条测量做“超分辨”。
公司自述
Google 5 月 19 日的博客描述了同一结果（每 10 分钟一次）；论文本页没有读。
FireSat：约 50 到 80 颗卫星，能在 15 到 20 分钟内发现地球上任何地方约 5 米见方的火；像元约 50 米，靠超分辨做到 5 米；已和 Earth Fire Alliance、Muon Space 发射一颗原型星。
目标
星座是目标，只有一颗原型星在轨；本页没有读到原型星的数据。
ERA 不会从零发现新物理，但会遵守告诉它的约束；AI 还没有改变气候建模。
受访者判断
他的判断。
ERA 和 Antigravity 结合的系统还没有公开。
尚未闭环
他说有一篇预印本用了两者；Google 5 月 19 日的博客介绍过一个太阳能采集的案例。
ERA 只在计算里闭环；没有能做任何实验的通用实验室。
尚未闭环
Platt 自己明确说的。
有人有相当的可能在这个十年结束前做出有商业意义的核聚变；“大概三年，不是三十年”。
受访者判断
他的预测。转写不标说话人，这句紧接在他讲自己做过聚变之后，节目页也把它算作他的话。
接下来看什么
尾迹云反射阳光部分的论文有没有发表，并给出合成数据检验的设置和结果。
会表现为 一篇预印本或论文，写明 ERA 找到的模型、所用的混杂变量和找回注入尾迹云的误差。有没有团队以外的人，用独立的观测或方法得到相近的尾迹云短波强迫估计。
会表现为 外部小组的论文，与 Google 的估计并排比较。ERA 做出的预测在 CDC 的前瞻评分里是否不止一季、不止一种病毒领先。
会表现为 CDC 自己的季末评估，而不是 Google 的博客。部分回答 本站时间线读过的 CDC 2025-26 流感季评估把 Google_SAI-FluEns 排在 39 个模型第一，相对加权区间分数 0.56，其后三个是 0.58；只有一季、一种病毒。Google 以外的研究组有没有用 ERA 发表结果，并写明留出数据和评分方式。
会表现为 外部作者的论文或预印本，方法里写明用了 ERA。这个十年结束前，有没有人做出有商业意义的核聚变。
会表现为 一台装置的能量产出超过整个电站的输入，或一份向电网供电的合同开始履行。核查日 原话：甚至在这个十年结束前……我觉得大概三年，不是三十年
采访之后
后来出现的、检验或限制这次说法的证据，以及日期已过的目标。
访谈八天后，CDC 发布 2025-26 流感季的预测评估：Google 称用 ERA 做出的 Google_SAI-FluEns 在 39 个模型中排第一，相对加权区间分数 0.56，其后三个模型都是 0.58。这些预测是在住院数据出来之前逐周提交、由 CDC 打分的，比《自然》论文里的回溯研究更进一步，印证了他说的“CDC 那场做得很好”；但领先很小，只有一季流感。时间线条目 →
读于 2026.11.01 通读了 Latent Space 节目页“Read transcript”链接的完整机器转写（播客音频的逐字稿），并读了节目页的说明；音频和视频没有听。转写不标说话人：两位主持人自称 Brandon 和 RJ，本页只把明显是 Platt 回答的内容算作他的话。Latent Space 是独立节目，不是 Google 的频道；Platt 是 ERA 预印本（arXiv 2509.06503）的作者之一。他提到的 ERA 论文、尾迹云论文和 CDC 评分，分别对照了 Google 2026 年 5 月 19 日的博客、《大气测量技术》2026 年 3 月那篇论文的摘要，以及本站时间线读过的 CDC 报告。 打开原访谈 ↗Latent Space 节目页 ↗