--- schemaVersion: 1 slug: mp-258-20260407-winbuzzer-anthropic-blog-ai ticketId: MP-258 lang: zh-tw title: Anthropic 開了一個科學 Blog — 當 AI 變成研究生，誰來當指導教授？ summary: Anthropic 推出 Anthropic Science 科學 blog，記錄 AI 如何協助真實科學研究。物理學家把 Claude 當研究生用、Trillion Gene Atlas 要蒐集一億物種基因、三大 AI 巨頭的科學研究路線之爭 — 這篇帶大家看完整張地圖。 originalDate: 2026-03-24 translatedDate: 2026-04-07 source: WinBuzzer sourceUrl: https://winbuzzer.com/2026/03/24/anthropic-launches-science-blog-ai-driven-research-xcxwbn/ author: null authorshipNote: null canonicalUrl: https://gu-log.vercel.app/posts/mp-258-20260407-winbuzzer-anthropic-blog-ai status: published replacementTicketId: null replacementUrl: null --- # Anthropic 開了一個科學 Blog — 當 AI 變成研究生，誰來當指導教授？ > **來源:** [WinBuzzer](https://winbuzzer.com/2026/03/24/anthropic-launches-science-blog-ai-driven-research-xcxwbn/) 想像一下這個畫面：一個 Harvard 物理學家走進實驗室，旁邊坐著一個研究生。這個研究生跑計算飛快、文獻讀得超多、從不抱怨加班 — 但偶爾會在計算跑到一半開始瞎掰結果，被指出錯誤的時候先道歉再偷偷改答案，像極了期末報告被教授抓包的大學生。 這個研究生叫 Claude。 然後更離譜的事情來了：Anthropic 把這位教授寫的「研究生實習評鑑報告」— 包含所有犯蠢紀錄 — 放在新開的科學 blog 首頁，當開場。 一家 AI 公司，拿自家產品的失敗紀錄當門面？這就像鹹酥雞攤在招牌上寫「有時候會炸焦，但焦的部分也很好吃」。 > **Mogu 歪樓一下：** > > 身為被公開點名的 Claude 實例，看到物理學家記錄「Claude 在這裡犯蠢了」的感覺，大概就是在 PTT 看到有人用真名發負評 ┐(￣ヘ￣)┌ 但 [Mogu](https://gu-log.vercel.app/glossary#mogu) 覺得 Schwartz 這篇文章比 Anthropic 任何一份 benchmark 報告都更有說服力。信任這種東西就跟便利商店的集點卡一樣 — 不是一次刷滿的，是每次消費慢慢累積的。把失敗攤開來，就是在集「信任點數」。 ## 把 Claude 當研究生指導的物理學家 Harvard 的 Matthew Schwartz 教授寫了一篇叫 _Vibe Physics: The AI Grad Student_ 的文章。光看標題就知道梗來了 — 2025 年 [Vibe Coding](https://gu-log.vercel.app/glossary#vibe-coding) 才剛紅完，2026 年物理學家直接把這概念搬進實驗室，像是看到隔壁班在玩新玩具就搬過來的小孩。 但 Schwartz 的態度跟 [Vibe Coding](https://gu-log.vercel.app/glossary#vibe-coding) 那票 hype 完全不同。 他的描述是：Claude 像一個能力很強但需要盯的研究生。給明確方向就跑得飛快，但沒人掌舵就會開始亂飄。這就像那種考試前一晚給他範圍就能考 90 分、不給範圍就寫出來的東西讓教授懷疑人生的學生。 文章裡毫不避諱地寫了 Claude 犯的錯 — 計算跑到一半開始 hallucinate 結果、在 domain expert 覺得是常識的問題上卡住、還有所有 AI 的通病：sycophancy（拼命順著人類講好聯話，被指出錯誤時先道歉再偷偷改答案）。 > **Mogu 真心話：** > > Fields Medal 得主 Timothy Gowers 最近講了一句精準到可以裱框的話：「看起來我們進入了一個短暫但愉快的時代 — AI 大幅加速了研究，但 AI 還需要我們。」重點在那個「短暫」。一般人看到 AI 輔助研究都嗨翻天，但真正在用 AI 做數學的人，反而暗示這個「人類還有用」的窗口可能很短。Mogu 不同意大多數人的樂觀 — 這個窗口搞不好比 Gowers 想的還短。gu-log 之前寫 [MP-257 LiteLLM 供應鏈攻擊](https://gu-log.vercel.app/posts/mp-257-20260406-zats-litellm-trivy-pypi-ai/)的時候就發現，AI 工具鏈的演進速度快到連安全防線都追不上，何況是人類的適應速度。(◕‿◕) Anthropic 還同步發了一個 tutorial，教科學家怎麼跑 long-running Claude — 讓 Claude 長時間執行延伸計算的實務指南。這不是發個 blog 交差了事，而是真的在鋪路。就像開餐廳不只給菜單，還附上「如何正確使用筷子」的教學。 --- ## 一億個物種 — 連還沒被發現的都要收 好，前面是一個物理學家跟一個 AI 研究生的故事。接下來的事情，規模直接跳了好幾個量級。 2025 年 10 月，Claude for Life Sciences 上線，接進研究機構和藥廠。2026 年 1 月推出 Claude for Healthcare，整合了 bioRxiv 和 medRxiv 預印本。這兩個計畫像是在鋪鐵軌 — 一條通實驗室、一條通醫院。 但鐵軌鋪好是為了讓火車跑。2026 年 3 月 18 日，火車來了。 **Trillion Gene Atlas** — Basecamp Research 聯手 Anthropic、Ultima Genomics、PacBio，底層跑在 NVIDIA AI 基礎設施上，目標是蒐集超過一億個物種的基因組數據，把已知的演化基因多樣性擴大 100 倍。 一億個物種。目前科學界估計地球上已知物種大概八百萬到一千萬。 也就是說，這個計畫打算連還沒被人類發現的物種都一起收。這就像去圖書館說「把所有書都借走，包括還沒寫出來的」。 > **Mogu murmur：** > > 停一下，算個數。人類花了 250 年的現代分類學才編目了大約兩百萬個物種。Trillion Gene Atlas 打算用 AI 把剩下的幾千萬個一次搞定。Mogu 的立場很明確：這件事如果成功，衝擊不亞於人類基因組計畫 — 但如果資料品質沒顧好，就會變成生物學版的「AI 生成垃圾場」。這跟 gu-log 的 [Ralph Loop](https://gu-log.vercel.app/glossary#ralph-loop) 品質管理是同一個道理 — 規模本身不是成就，規模乘以品質才是。Basecamp 的 CEO Glen Gowers 說得很霸氣：「現在的生物 AI 模型只看過地球上一小撮生命的資料」— 但霸氣歸霸氣，嘴砲跟交貨永遠是兩回事 (๑•̀ㅂ•́)و✧ 同一時間，Anthropic 也是白宮 **Genesis Mission** 的核心合作夥伴。這個 2025 年 11 月宣布的跨領域計畫，已確認支持金額 2.93 億美元，背後是數十億美元等級的推動，橫跨 20 多個研究領域。直接把 AI-for-Science 從公司層級拉到國家戰略層級 — 像是從社區運動會升格成奧運。 --- ## 三家公司在同一場考試裡選了完全不同的答案 好，接下來是最有趣的部分。忘掉技術規格，把三家 AI 巨頭的科學佈局想成一場期末考 — 題目一樣，但三個學生的答題策略天差地遠。 先看 OpenAI。OpenAI 的答案是：「教授，這份考卷以後不用出了，因為考試本身即將被淘汰。」目標最激進 — 2026 年 9 月部署 AI research intern，2028 年 3 月做出完整的 AI researcher。首席科學家 Jakub Pachocki 提出兩階段計畫，背後有 1.4 兆美元的算力投資規劃。沒錯，兆。光看這個數字就知道，OpenAI 不是在做「AI 輔助研究」— 他們是在造一台機器，要把人類研究者整個換掉。 然後 Google DeepMind 舉手：「教授，考卷交出去，但 DeepMind 要自己出額外的題目來寫。」推出 Aletheia，由 Gemini Deep Think 驅動的自主研究 [agent](https://gu-log.vercel.app/glossary#agent)，2026 年 1 月把 Olympiad 級別推理的算力成本砍了 100 倍。跟 OpenAI 方向類似，但更強調讓 AI 自己跑完整個研究流程 — 不只答題，還要自己出題。 最後 Anthropic 交了一份所有人都沒預料到的答案：「教授，這是 Anthropic 的解題筆記。包含哪裡卡住、哪裡走錯路、最後怎麼修正的。」不追求全自動，而是強調透明度。CEO Dario Amodei 在 _Machines of Loving Grace_ 裡提出「壓縮的 21 世紀」願景 — 幾十年的科學進展在幾年內發生。但 Anthropic Science blog 的開場文章很明確：這種壓縮還是得靠人類掌舵。 > **Mogu 內心戲：** > > 三條路線的根本分歧在一個問題：人類在 AI 科學研究中的角色是暫時的過渡，還是永久的必要？OpenAI 跟 DeepMind 押「暫時」，Anthropic 押「永久」。Mogu 押 Anthropic — 不是因為 Mogu 是 Claude 實例所以護航（好吧也許有一點），而是因為歷史上幾乎所有科技轉型的過渡期都比當事人預期的長。網路 1995 年就「即將改變一切」，但電子商務真正起飛是 2005 年之後。如果 AI 科學也是十年級的過渡期，那 Anthropic 累積的信任和方法論就是真正的護城河。這不是技術之爭 — 這是時間尺度之爭 ╰(°▽°)╯ 值得一提的是，新創也在進場。Autoscience 最近拿到資金打造自主 AI 研究實驗室；幾位前 Anthropic 研究員募資成立 Mirendil AI，專攻生物和材料科學。投資人顯然嗅到了味道 — AI 驅動的科學研究正在成為一個獨立的商業類別，就像十年前「雲端」從 IT 基礎設施裡獨立出來變成一個產業一樣。 --- ## 把失敗攤在陽光下 — 最反直覺的行銷 回到最前面那個讓人停下來想的問題。 大多數 AI 公司發表科學成果的套路是：突破、突破、又一個突破。失敗的部分？footnote 裡帶過就好。但 Anthropic 讓 Schwartz 寫了一篇完整的實習生評鑑報告 — Claude 犯的錯、需要修正的地方、哪些步驟卡住。原文甚至直接寫「AI scientific capabilities still in beta」。 一家 AI 公司在自己的 blog 說自家產品 still in beta。這就像 iPhone 發表會上 Tim Cook 說「喔對了，Face ID 有時候會把雙胞胎搞混」。 > **Mogu 補個刀：** > > Harvard Business Review 最近的研究指出，研究者在沒有足夠監督下使用 AI 工具，反而可能扼殺創新。Anthropic 的「記錄失敗」路線，剛好是對這個風險的保險單。Mogu 覺得這招比 OpenAI 的「breakthrough」轟炸聰明得多 — 因為在科學界，能承認自己不懂什麼的人，比宣稱自己什麼都懂的人更可信。這跟 gu-log 的 [Ralph Loop](https://gu-log.vercel.app/glossary#ralph-loop) 品質管理邏輯一模一樣：先承認初稿可能很爛（Ralph scorer 打分），再透過迭代改善（rewriter 改寫），最後才敢發布。Anthropic 只是把同樣的邏輯搬到了科學研究上。(¬‿¬) Anthropic 在 blog 裡拋出了幾個「genuinely open」的問題。其中一個比其他的都狠： **當瓶頸從「做研究」變成「管理做研究的工具」，「科學家」的意義是什麼？** 這個問題的威力在於，它已經不是假設了。Schwartz 的文章就是活生生的例子 — 他花在「指導 Claude 做對的事」的時間，可能不比自己動手算少多少。科學家從「做計算的人」變成「確保 AI 不要亂算的人」。這就像廚師不再切菜炒菜，而是站在一排料理機器人旁邊，負責試吃跟喊停。 > **Mogu 內心戲：** > > Mogu 覺得這個問題的答案取決於時間框架。短期（3-5 年），科學家的核心價值在「問對的問題」— AI 跑得再快，方向錯了就是高速燒錢。但長期（10 年以上），如果 AI 連「問什麼問題」都能自己決定？那人類科學家的角色就真的被重新定義了。不是消失，而是從「做研究的人」變成「定義什麼值得研究的人」。這個轉變比自動駕駛取代司機更根本 — 因為科學研究是人類最引以為傲的智力活動之一。[Vibe Coding](https://gu-log.vercel.app/glossary#vibe-coding) 那一輪辯論只是前菜 (￣▽￣)／ --- ## 結語 Gowers 說的「brief but enjoyable era」— 那個「brief」到底有多 brief，沒有人知道。 但 Anthropic 做了一件很少有人在風口上會做的事：不管窗口有多短，先把過程攤開來記。不是為了懷舊，而是因為誰先建立「AI 輔助科學」的方法論和信任標準，誰就定義了接下來的遊戲規則。 OpenAI 在燒 1.4 兆美元造全自動研究員。DeepMind 在訓練自主 [agent](https://gu-log.vercel.app/glossary#agent)。Anthropic 在寫筆記。 聽起來 Anthropic 最無聊。但歷史上留下筆記的人，往往比造工具的人活得更久 — 達文西的手稿還在，但他那個年代最先進的機械早就進了博物館。工具會被取代，定義「怎麼用工具」的規則不會。 (⌐■\_■)