普林斯顿大学学者王梦迪：大模型是“众数寻求”智能体，难以突破科学创新边界

在2026外滩大会上，普林斯顿大学人工智能创新中心主任王梦迪发表演讲，系统阐述了她对大模型能力边界的判断。她指出，大模型本质上是“众数寻求”的智能体，擅长总结已有知识，却难以突破科学创新的边界。

王梦迪介绍，团队与普林斯顿大学社会学教授合作开展实验，让大模型模拟百年前人类的完整人生轨迹。实验反复印证，大模型高度偏好高频、常规、普遍的社会规律，会无限放大大众常态，同时严重低估乃至忽略稀缺、非常规的长尾现象。她认为，人类科技史上的颠覆性创新大多诞生于概率之外的长尾地带，而当前大模型只会收敛在人类知识的概率中心，因此“擅长总结旧知识，难以创造新知识”。

针对AI在基础科研中的应用困境，王梦迪表示，数学、编程等领域拥有绝对标准的验证体系，能为AI提供精准反馈；但自然科学研究充满不确定性，权威期刊调研显示超七成科学实验无法复现，这让AI难以适配。为此，她分享了团队的落地成果：搭建全自动量子材料实验平台，将原本需要博士生耗时数月的石墨烯叠层实验升级为AI闭环自动化流程，并开源供全球科研机构共享；同时自研科学实验室智能操作系统Lab OS，结合智能眼镜多模态交互，让AI实时捕捉实验全流程细节、辅助科研人员作业。

王梦迪总结，人工智能学到的是世界的“自然常态”，而科学追求的是未知世界的“全新可能”，两者之间存在巨大鸿沟。要让AI真正赋能原创科研，需要搭建全新的底层科研基础设施。