在道格拉斯·亚当斯的科幻作品《银河系漫游指南》里，超级计算机“深思”花了750万年，最终得出了“生命、宇宙以及一切的终极答案”：42。这体现了人类对机器解答能力的一种浪漫设想。
近期，前沿AI开始在一些定义清晰、长期未决的开放问题上取得突破。 数学领域有研究报告称解决了纳维尔斯托克斯千禧年难题和准黎曼猜想；计算机科学领域有研究反驳了指数时间假设；物理学领域则有研究给出了量子色动力学存在性的证明，并在宇宙弦引力辐射方面获得了新成果。
这些进展引发了学术界的担忧。正如陶哲轩所言，一些“优质且富有成果潜力的开放问题”正在以一种“不可再生的方式被不断挖掘”。 当AI加速推进既定问题的求解，如何发现新的研究问题、判断哪些方向值得投入，便显得愈发关键。毕竟，能够提出的问题很多，真正值得深入探索的却少得多。
那么，AI能否进一步参与发现问题，甚至提出人类专家认为值得研究的新方向？
在这项工作中，斯坦福大学Percy Liang教授团队及其合作者推出了After42，尝试让AI提出人类专家认为值得研究的研究问题。
他们没有让模型一次性生成所谓值得研究的问题，而是让它从研究人员给出的相对宽泛的目标出发，阅读相关文献，提出大量候选问题，再通过检索、尝试求解、批评和改写，逐步筛选出更成熟的方向。
论文链接：https://after42.org/research/can-ai-propose-interesting-research-questions/
After42的核心思路是，好的研究问题往往需要在探索过程中逐步形成。 研究人员会在证明、计算或实验过程中发现原先的问题不够准确，甚至意识到真正值得研究的现象存在于另一个方向。因此，After42将尝试求解纳入问题生成流程，让模型在探索问题的过程中不断检验和修正最初的设想。
具体而言，系统首先建立研究资料包，涵盖文献综述、相关论文、已有研究成果和开放问题。在此基础上，多个Agent协同提出候选问题，系统再检查问题是否与已有研究重复、是否已经得到解决，以及是否存在难以修复的表述缺陷。
通过初步筛选的问题将进入多轮迭代。 Solver Agent尝试寻找证明思路、构造反例或发现可计算的结构，其他Agent则根据求解过程中获得的反馈修改问题。模型评审器负责初步比较修改前后的版本，另一个检查Agent则进一步核实问题是否已有答案、定义是否清晰，以及相关判断是否缺乏依据。
图｜After42的工作流
在构建模型前，大多数提案都通过了新颖性和难度检查，但专家认为只有3%的提案是值得研究的。
图｜构建模型前的提案专家评价
在数学、统计学、理论计算机科学和物理学的五个子领域中，29名专家对系统生成的135个最终问题进行了评估。其中，45个问题被认为有趣且值得继续研究，占比约33%， 较初始提案阶段的3%有明显提升。
不过，不同领域的评估结果差异明显。 随机结构相变方向有33个问题获认可，占比47%；在线算法方向有4个问题获认可，占12个问题的33%；黑洞振铃方向有3个问题获认可，占8个问题的38%；统计学方向则有5个问题获认可，占35个问题的14%。等离子体物理方向没有问题获得专家认可。
在随机结构相变方向，研究团队还进一步比较了初始提案与经过多轮开发后的最终问题。结果显示，初始提案中仅约3%获得专家认可，经过迭代开发后，这一比例提高至约33%。
图｜各子领域专家评估表现
但是，大多数问题都建立在已有研究之上。 研究团队将简单组合定义为，直接基于已有工作提出问题，例如重新组合或修改既有研究中的元素，或在已知对象上向前推进一步。在数学领域，70个最终问题里有61个都属于这一类。当然，组合已有成果也能产生有价值的问题，其中一些现有研究的延伸还获得了专家认可。
图｜数学领域，AI提出的最终问题仍然高度依赖已有研究
研究团队还发现，模型的作用并不只是润色文字。 某个问题最初研究近似最优路径的配分函数，模型在尝试求解后发现，关键结构可能来自最优路径附近的一组低成本绕行。问题随后被改写为，研究这些局部结构是否构成泊松过程，以及所有近似最优路径是否能够由它们组合而成。也就是说，模型没有停留在原问题的表面形式，而是通过求解过程定位了可能真正控制系统行为的局部结构。
在另一个案例中，模型最初试图从大型连通分量中寻找几何随机图与Erdős–Rényi随机图之间的差异。进一步分析后，系统发现三角形等局部结构可能更关键，于是把问题改写为，加入少量随机三角形后能否用Erdős–Rényi图近似几何随机图。这一步把问题从“比较两类图的整体差异”，收缩成了“少量局部结构是否足以解释差异”，研究对象因此更具体，也更容易验证。
图｜几何随机图与Erdős–Rényi随机图的比较示意
研究人员还测试了AI是否能判断哪些问题最值得关注。四个模型与九名专家分别对一批问题进行排序。模型选出的名单与专家共识具有一定一致性，但很难选出只受到个别专家重视的问题。即使提供某位研究者的背景信息，模型的排序也只能有限地接近个人偏好。这说明，AI可以帮助研究人员扩大搜索范围、筛选候选方向，并在尝试求解的过程中暴露问题的薄弱之处。但它还不能替代研究者对问题价值的判断。
当然，这项研究仍存在一些局限性。 首先，After42展示的能力反映了截至2026年9月的模型水平，随着模型迭代，相关结果可能很快发生变化。其次，目前缺乏可靠的自动化工具来评估研究问题是否值得研究，因此研究主要依赖有限数量的专家进行判断，评估范围也相对有限。
此外，专家认为一个问题有趣且值得研究，只能作为判断其潜在价值的早期参考，尚不足以证明它最终能够产生重要成果。 过度依赖现有专家的判断和研究共识，也可能使一些尚未受到广泛关注的重要方向被忽略。
在研究方法上，After42目前主要依赖已有文献和研究人员设定的目标，尚未将新的数据、模拟或实验结果纳入问题开发流程，现阶段的试点也仅覆盖理论研究领域。未来，研究团队还需要引入更多经验证据，并将这一方法拓展至实验科学，以进一步检验其适用范围和实际价值。
目前，研究团队已将After42中经过专家评估的问题公开发布，并将持续维护这一开放资源，供科研社区讨论、完善和深入探索这些问题，从而推动AI逐步融入科研实践。如您希望了解更多关于AI科研辅助工具的信息，可访问亚博体育（中国）官网 - 亚博系列全平台入口。
本文来自微信公众号 “学术头条”（ID：SciTouTiao），作者：学术头条，36氪经授权发布。
