Google 憑藉 Gemini 3 Deep Think 與 Aletheia 重新定義科學發現

本週人工智慧領域的發展態勢發生了劇烈變化，Google DeepMind 發布了一系列突破性的進展，旨在解決人類最複雜的科學挑戰。此次發布的核心是 Gemini 3 Deep Think，這是一個升級版的推理模型，利用推理時間擴展（Inference-time scaling）技術超越了競爭對手；以及 Aletheia，這是一個專門的 AI 代理（AI agent），已成功從解決奧林匹亞數學（Math Olympiad）題目轉型為生成自主且具備發表水準的研究。

這次雙重發布標誌著一個關鍵時刻：AI 正在從單純的輔助工具跨入自主發現（Autonomous discovery）的領域，挑戰了既有的基準測試，並為自主代理在理論物理、高等數學和藥物設計中能達到的成就樹立了新標準。

Gemini 3 Deep Think：掌握「思考更久」的藝術

這些新能力的關鍵在於強化後的 Gemini 3 Deep Think。Google 從根本上重新設計了模型的推理模式，重點關注一種稱為「推理時間擴展（Inference-time scaling）」的技術。這種方法允許模型在查詢階段分配更多的運算資源——實際上就是讓它「思考更久」——以便在確定答案之前探索多條推理路徑。

這種架構轉變的結果令人驚嘆。在直接對比中，據報導 Gemini 3 Deep Think 在各項嚴格的基準測試中均優於主要競爭對手，包括 OpenAI 的 GPT-5.2 和 Anthropic 的 Claude Opus 4.6。該模型在需要深層邏輯推演和多模態理解（Multimodal understanding）的任務中表現尤為出色。

效能亮點：

• ARC-AGI-2： 在需要抽象推理的視覺謎題中獲得了頂級評分。
• CMT-Benchmark： 在理論物理領域得分為 50.5%，展現了對複雜科學概念的深刻理解。
• 效率： 與 2025 年的前代產品相比，2026 年 1 月版的 Deep Think 在處理奧林匹亞等級的問題時，所需的運算量減少了 100 倍。

這種效率的提升至關重要。透過優化模型處理資訊的方式，Google 使高等級推理在實際應用中變得觸手可及，讓工程師能透過程式碼模擬物理系統，並幫助研究人員解釋龐大且不完整的數據集。

Aletheia：首位真正的 AI 數學家

雖然 Gemini 3 Deep Think 提供了推理骨幹，但 Aletheia 則代表了這種能力的專門化應用。Aletheia 旨在縮小競賽數學與專業研究之間的「評估差距」，它是一個能夠應對開放式數學問題模糊性的 AI 代理。

與擅長處理定義明確問題的傳統解題工具不同，Aletheia 透過一個複雜的 代理迴圈（Agentic Loop） 運作。這種架構模仿了人類數學家的工作流程，將解決問題的過程分解為不同的階段。

代理架構

為了確保準確性並減少大型語言模型（LLMs）常見的「幻覺（Hallucinations）」，Aletheia 採用了一個三方系統：

1. 生成器（Generator）： 為特定的研究問題提出候選解決方案和證明策略。
2. 驗證器（Verifier）： 一種非正式的自然語言機制，用於審查提議是否存在邏輯缺陷或引用錯誤。
3. 修訂器（Reviser）： 反覆修正驗證器識別出的錯誤，直到輸出符合嚴格的邏輯標準。

這種職責分離讓系統能夠發現自己的錯誤——這在以前是 AI 在形式科學領域的一大障礙。此外，Aletheia 利用 Google Search 來驗證引用，確保它引用的是真實世界的數學文獻，而不是捏造來源。

基準測試歷史：Aletheia 對決同類產品

Aletheia 代理方法的影響，從其在 IMO-ProofBench Advanced 上的表現可以得到最佳體現，該基準測試被認為是自動化數學推理的黃金標準。

表 1：數學基準測試的對比表現

在 IMO-ProofBench Advanced 上達到 95.1% 的準確率 不僅僅是漸進式的改進；這是一個範式轉移，表明 AI 現在可以可靠地處理證明類數學，其水準以往僅限於頂尖的人類專家。

解決不可解之題：自主研究的突破

Aletheia 能力的真正考驗不在於通過考試，而在於產生新知識。Google DeepMind 報告稱，該代理在數學領域已經實現了幾項「首創」。

最值得注意的是，Aletheia 自主生成了一篇名為 Feng26 的研究論文，該論文計算了算術幾何（Arithmetic geometry）中被稱為「特徵權重（Eigenweights）」的結構常數。這篇論文是在沒有人類干預的情況下完成的，並被歸類為「Level A2」自主等級——本質上是自主的且具有發表品質。

此外，當針對著名的 艾狄胥猜想（Erdős conjectures）（由多產的 Paul Erdős 提出的一系列開放式數學問題）進行部署時，Aletheia 找到了 63 個技術上正確的解答，並完全解決了 4 個先前未解的問題。這種為人類知識體系貢獻原創真理的能力，證實了該模型作為科學家合作夥伴的潛力。

超越數學：使用 IsoDDE 加速藥物設計

Gemini 3 Deep Think 的進步從抽象數學延伸到了生物化學的實體世界。除了 Aletheia，Google 還推出了 IsoDDE（Isomorphic Drug Design Engine），這是其子公司 Isomorphic Labs 的新工具。

IsoDDE 以 AlphaFold 的成果為基礎，在預測準確度上比 AlphaFold 3 高出兩倍。其主要的突破在於能以空前的精確度預測藥物的 結合親和力（Binding affinity）。透過識別蛋白質結構中藥物分子可以附著的隱藏「口袋」，IsoDDE 為設計針對複雜生物系統（包括抗體和大型生物結構）的治療方案提供了一個可擴展的框架。

定義 AI 自主的新標準

隨著這些產品的發布，Google DeepMind 也在推動 AI 貢獻分類的標準化。該公司提出了一套新的 AI 自主分類法（Taxonomy for AI Autonomy），模仿了自動駕駛汽車使用的等級。

• Level 0（主要由人類完成）： AI 提供的原創性微乎其微（例如：標準的奧林匹亞解題工具）。
• Level 1（協作）： AI 提供「大方向」策略，但由人類進行嚴格的證明。
• Level 2（本質上自主）： AI 在極少或沒有人類監督的情況下生成可發表的研究（例如：Feng26 論文）。

這套框架為產業提供了必要的詞彙，以區分僅僅是檢索資訊的 AI 與能夠創造資訊的 AI。隨著 Gemini 3 Deep Think 和 Aletheia 開始在科學期刊上發表其發現，人類與機器發現之間的界限將變得越來越模糊，預示著一個加速創新的新時代即將到來。