OpenAI 的 Greg Brockman：数学做成是因为数据够多，生物学有没有数据还没有答案，药物发现排第一

AI 已经能产生新的数学知识

他说本周的数学结果是一个里程碑：OpenAI 发布了“近 400 个非常重要的开放问题”的解答，“AI 能不能产生新知识”这个问题现在“不可否认”地答了是。他也说还没到提出全新理论的程度。他看重的不是机器给出答案，而是人借助工具能做到什么，以及证明里有没有让人学到东西的想法；他说相关领域的专家读后发现了一些出人意料的思路，但没有点名是谁、哪一篇。

“And there's always been this question of is AI actually able to come with new knowledge? And at this point, it's just impossible to deny, right?”Greg Brockman

数学做成靠的是数据，不只是能检查

他说常见的解释是数学可以检查，但这“已经不太对了”：算术题的答案好查，形式化证明也能查，而 OpenAI 产出的是自然语言证明，难查得多。他认为核心是数据：数学和理论物理都能拿到大量数据，深度学习的规律是算力、数据和算法决定能力。

“But the thing that actually I think is the core insight is really about data, right?”Greg Brockman

生物学的数据问题还没有答案

他说 OpenAI 已经在把同样的模型和技术用到生物学，有些环节会很快被加速，但会碰到别的瓶颈。有的瓶颈根本不是生物学理论，比如临床试验申报材料要写一年左右，AI 写起来容易得多。另一些地方是基础数据根本不存在，那就要靠湿实验和模拟上的创新。OpenAI 也在研究少用数据的方法。

“The question will be and is not yet resolved. Do we have the data? Do we have the ability to get the data?”Greg Brockman

只挑一门科学，就挑药物发现

被问到 OpenAI 怎样给科学领域排序，他说药物发现是“最清楚、最明显”的那一个，另外举了材料科学作例子。他的理由来自第一性原理：人擅长自然语言，生物学对人完全陌生，但神经网络没有理由更擅长前者，所以应该能“破解生物学的语言”。近期他看好的是缩短各环节、提高并行度，以及为罕见病在文献里找到已有的疗法。

“I think that drug discovery is the most clear and obvious area if you get to pick one that you want to fully revolutionize.”Greg Brockman

监管要等证据，先证明药物发现的规律变了

主持人说，如果技术成立，限制会是说服监管者改变对药物的要求。他同意要先拿出证据：如果能证明药物发现的“物理规律”变了，就该传导到系统的每一部分；他拿自动驾驶作比，并说已经有人把试验搬到监管更合适的国家，比如澳大利亚和美国规则不同。怎样改，他说取决于到底能证明什么。