Bottleneck Sains Baharu Bukan Idea — Tapi Pengesahan

Esei yang ditulis oleh Don Wallace, Conor Griffin, Sean O'Neill, Thang Luong, dan Owen Larter ini berhujah bahawa bahagian paling sukar dalam proses sains kini bukan lagi mencetuskan idea — tetapi menjalankan eksperimen untuk mengesahkan atau menolak idea tersebut . Alat AI seperti sistem Co-Scientist DeepMind misalnya, boleh menjana hipotesis dalam bidang rawatan kanser dan fibrosis hati dalam masa beberapa minit sahaja, namun setiap hipotesis masih memerlukan minggu atau bulan ujian biologi ke atas sel atau organoid .

Kenapa Ia Penting Sekarang

Bottleneck ini mempunyai kesan nyata. Dalam pembangunan ubat, AI boleh mencadangkan ribuan calon molekul baharu dengan pantas, tetapi pengesahan klinikal kekal lambat, mahal, dan terhad kapasitinya. Pushmeet Kohli, seorang pemimpin DeepMind, sebelum ini menyatakan bahawa walaupun AlphaFold memendekkan ramalan struktur protein dari bertahun-tahun ke beberapa saat, pengesahan ubat secara klinikal kekal sebagai bottleneck yang belum selesai . Begitu juga jurang antara idea yang dijana AI dalam sains bahan dan penyelesaian iklim dengan infrastruktur ujian fizikal yang sedia ada semakin melebar .

Empat Keutamaan Yang Digesa DeepMind

Esei DeepMind menggariskan empat keutamaan konkrit untuk menutup jurang ini :

1. Pastikan akses meluas kepada ejen AI untuk saintis.
Layan akses kepada ejen AI sebagai keutamaan strategik, sama seperti usaha bersejarah menyediakan saintis akses kepada superkomputer. Penyelidik di semua institusi — bukan hanya di makmal yang dibiaya baik — perlu memiliki alat untuk menjana dan menguji hipotesis .

2. Jadikan infrastruktur makmal negara tersedia untuk sains dipacu AI.
Kembangkan dan buka kemudahan makmal fizikal seperti makmal negara dan pusat ujian pemprosesan tinggi (high-throughput testing centers) supaya gelombang hipotesis yang dijana AI dapat disahkan secara sistematik di dunia nyata .

3. Bangunkan model pembiayaan baharu yang menyokong pengesahan pemprosesan tinggi.
Struktur geran tradisional terlalu perlahan dan terlalu kecil untuk skala ujian yang diperlukan AI. Pemberi dana perlu mencipta mekanisme yang secara khusus menyokong saluran pengesahan eksperimen yang pantas dan berskala besar .

4. Perbaharui proses semakan rakan sebaya dan penilaian untuk era ejen.
Pengulas sendiri perlu diberi kuasa menggunakan ejen AI, dan rangka kerja baharu seperti 'Kad Interaksi Manusia-AI' (Human-AI Interaction Cards) diperlukan untuk memastikan ketelusan, kebolehulangan, dan kepercayaan dalam sains berbantukan ejen .

Konteks Lebih Luas: Cabangan Yang Diketahui

Ini bukan kali pertama DeepMind memberi amaran tentang pengesahan. Kertas dasar November 2024 dari syarikat itu telah pun mengenal pasti jurang digital-ke-dunia-nyata sebagai cabaran utama, dan penyelidik Pushmeet Kohli secara terbuka menandakan infrastruktur pengesahan sebagai salah satu daripada dua bottleneck utama yang masih tinggal untuk sains dipercepat AI, selain kebolehcapaian . Esei Julai 2026 ini merupakan kenyataan dasar yang paling fokus mengenai isu ini setakat ini.

Nota Penting Tentang Tarikh

Sumber utama untuk penemuan ini adalah esei DeepMind sendiri di halaman dasar awamnya, yang diterbitkan pada Julai 2026 . Beberapa laporan awal tersilap merujuk kepada esei Julai 2025; tiada esei bertarikh Julai 2025 mengenai topik tepat ini ditemui dalam hasil carian. Kandungan amaran dan empat keutamaan adalah konsisten merentasi semua sumber laporan .