返回资讯中心
外部精选
软件工程
#开发者实时流

Lila Sciences 发布开放式创新与创造力合成研究

来源标题:A new synthesis for the field of open-endedness

Lila Sciences 发布了一项关于开放式创新与创造力合成的新研究,探讨如何用算法理解创造力和开放式过程。该公司称,为实现科学超级智能,创造力和开放式创新是使命关键。研究还提出,训练解决问题的能力和训练创造力是否等同等问题。

Hacker News 最新torutofu2026/11/11 · 6 天前30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

然而,创造力与开放性所引发的独特而微妙的问题,本期内容将深入探讨,其意义远超这一简单叙事。创造力指的是生成真正有趣且新颖的想法与假设的能力。开放性则描述了一种随时间持续推进的发散性创造过程,其产物随着探索之树不断向外延展而日趋精妙与复杂。在 Lila Sciences,我们的目标是实现科学超级智能——包括生成最有趣的假设并执行最具影响力的实验——因此创造力和开放性对我们而言至关重要。科学作为一项持续的事业,其核心本质上就是一个开放式的发现过程。

即便在这个大规模时代,探讨这些人类成就中难以捉摸的支柱如何以算法方式运作,仍然有望为更广泛的领域注入新的动力和有前景的研究方向。例如,针对问题解决和目标性能的训练是否等同于针对创造力的训练?科学(或艺术)品味与判断力,是否仅通过强化“正确”就能上升到信念与勇气的层面?更广泛地说,科学制度背后有哪些基本原则,使得革命性思想能够浮出水面并获得应有的投资和资源?认真对待这些问题,将为我们打开一扇通往 AI 新可能性奇妙前沿的大门。

基准性能——当今众多 AI 研究的北极星——实际上只是世界上真正重要的智能的一个微弱代理指标。毕竟,没有人会因为非凡的考试成绩而被后代铭记。相反,伟大的智者因其创造性遗产而被铭记。我们投入世界的最具影响力的想法——无论是科学的、技术的、艺术的还是社会的——才是真正持久留存在未来的智能单元。这就是为什么审视 AI 的开放性对进步如此关键。

当然,开放性作为一个研究领域已被追求数十年,最初作为人工生命的一个分支,最终进入 AI 领域(Stanley et al., 2017)。但与其他许多领域一样,LLM 的崛起深刻塑造了现代开放性领域。虽然我们并非唯一强调开放性在 AI 中核心作用的人(Hughes et al., 2024),但当今的开放性在很大程度上表现为前沿模型的一种外层包装或 harness,无论模型是否准备好了,都必须承担发散性创造力的重担。

虽然 LLM 的外层包装本身值得重新审视,但要真正理解科学如何产生真正认知进步的细微之处和丰富内涵,如果我们要实现贯穿人类科学和文明史的开放式发现,就需要超越仅对外层的审视。

本着以更广阔、更深刻的视角重新审视开放性的精神,我们在此提出该领域的一种新综合框架,涵盖四个关键组成部分,重新定义了有能力 LLM 时代的开放性。我们将这一综合框架作为该领域未来研究的指南针,并通过发布四篇论文来推动这一进程,这些论文在两个组成部分领域取得了重要研究成果。开启开放性研究新时代的时机已经成熟。

具体而言,要有效实现一个类似人类在文明进程中展现的开放式发现历程的人工系统,必须解决四个基本问题。其中一些问题需要深入神经网络内部,而另一些则需要重新思考模型的 harness 或如何管理多样化想法的组合:

开放性领域的一个危险是,无意中过度强调这些问题中的一个(例如只考虑在外循环中利用 LLM),而以牺牲其他问题为代价。因为这四个基本问题相互依存、协同作用,最终必须全部解决,才能实现各自的全部潜力。

四者结合,强大的开放式系统驱动科学发现将成为可能。这并不是轻视挑战:每一部分本身就是一项重大努力,仍需深入洞察。本着这一精神,我们在此呈现这四个领域各自的评论(在某些情况下是新进展)。

LLM 是否具有或能够具有创造力的问题引发了大量争议。怀疑者质问,为何数十亿美元的培训尚未转化为科学技术革命。乐观者则回应,革命正在开始,而且,等着瞧吧,事情只会越来越好。无论你持哪一方立场,也许我们都能同意,审视障碍并看看如何克服它们是有益的。

一窥 LLM 所面临障碍的一种方式是理解创造力对人类而言同样困难且反直觉。例如,在数学等学科上变得更好并不一定使人在该学科上越来越有创造力(Sriraman, 2005)。而试图学习创造力本身是出了名的困难,因为创造力不同于那些仅通过吸收数据就能学会的任务类型:K.H. Kim(2011)让许多人惊讶地发现,尽管学龄儿童的 IQ 在 1990 年后有所提高,但创造性测试的表现实际上开始下降。此外,如果更多数据和经验总是更好(如 scaling 似乎暗示的那样),那么为什么创造性创新趋向于年轻和缺乏经验的人(Cui et al., 2026)?

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →