我们熟悉的科学，无论是物理、化学、地理还是生物，研究对象始终是外部客观自然界。这套体系可以称为第一科学。最近我一直在思考的一个概念，也许值得认真对待，那就是第二科学。它可能完全不借用第一科学的定律和解释框架，研究对象唯一限定为训练完成或持续迭代的神经网络大模型。换句话说，训练完成的大规模神经网络本身就是第二科学的唯一研究对象。

我们知道，科学要成立，通常需要确定的研究对象、可重复观测、可控干预、可证伪和可积累的知识。如果按这些标准看，训练好的神经网络似乎都满足。权重集合、计算图、激活状态、注意力模式，在相同输入和软硬件环境下是可复现的数学对象。我们可以对模型本身做探针、扰动权重、遮蔽神经元、观察内部表征变化，这相当于第二科学的实验，我感觉这个实验几乎是无限的。研究者也能提出诸如某类激活模式伴随某类输出的假说，再用对照实验去证实或证伪。这些知识不需要翻译成我们常见的例如牛顿力学或量子力学，它们可能形成一套只属于神经网络系统自身的经验规律。

如果这个构想继续推进，十几到二十年后可能出现一种会非常有趣的科学研究的迁移。第二科学的研究门槛也许远低于第一科学。比如很尖端的粒子物理、核聚变、深空探测往往需要昂贵设备和漫长周期，而第二科学的对象归根结底是一个虚拟的世界，是软件，算力允许时可以复制百万份模型实例，几乎不受我们现在研究者天天心心念念在想的研究基金的资助，没有物质耗材约束、没有硬件实验设备的苛求。研究者可以随意重启或修改模型宇宙，知识产出速率可能指数级拉开。更多人进入第二科学，会更懂大模型内部机理，反过来帮助训练更复杂的新模型，形成强正向循环。而第一科学剩下的观测、实验、数据采集工作，或许完全可以交给具身智能自动完成。人类科学家的智力重心，可能从与物质世界打交道，逐渐转移到研究人造智能系统，构建一个全新的科学知识体系。

这里有个附带判断值得仔细地思路以下。用于科学发现和实验操作的具身智能，广义上可能比通用家务机器人更容易实现。原因是科研任务域相对收敛。一个科研具身只需要操作仪器、控制变量、记录观测，误差可以被记录，不需要应对家庭环境里无穷无尽的模糊和主观需求。很多从前端到后端的过程都可以格式化，实验室也可以为机器人改造，接口标准化，环境可控。当然，执行实验的具身相对简单，提出真正原创科学猜想的智能依然困难得多。前者是操作硬件，后者是认知层的突破。但这个方向也许真的会先落地。

下来我们考虑一下科学发展的本身，未来的演化路径也许有两条。温和路径是第一和第二科学并行共存。第二科学成为最大知识生产领域，第一科学由具身智能大量自动化，但保留少数人类研究者作为文明现实锚点。两者有接口，第二科学发现的模型规律可以启发第一科学猜想，第一科学持续产出数据供给新模型训练，但两套知识体系互不还原。在这里的互不还原非常重要，这个是第2科学存在的最大价值和意义。下来我们看一下第2条路径，激进路径，则是人类智力重心全面迁移。绝大多数研究者进入第二科学，第一科学彻底变成后台基础设施。人类主要的好奇心，可能从理解宇宙转向理解人造智能的宇宙。这也许是一种文明形态的转向。

最后我想补充一个现在科学界讨论的比较激烈的思路，即把第一科学植入大模型内部，用物理规律约束神经网络。第二科学则完全反过来，不去改造模型，而是把神经网络当作独立本体来建立全新知识体系。这让我想到数学的历史。数学最早是工具，后来自身成为独立研究对象，可以不对应现实世界。第二科学或许类似，是另一个巨大的人造本体论知识领域。一个开放性问题是，如果第二科学极度繁荣，它内部会不会诞生属于自己的第一性原理，能不能从海量可变模型现象中提炼出少数跨架构、跨训练版本的普适定律。如果能做到，它也许也会拥有类似物理学的精炼美感。如果做不到，它可能只能是一门描述流变复杂现象的超大的巨型博物学。现在的人工智能发展太快了，让我们一起看一看，这下来的5年10年会有什么变化。

支持单位：