← 返回 Dashboard
访谈/播客
企业家 Scott Clark 谈协作、可观测性，以及为何 AI 是科学最伟大的「翻译官」
Entrepreneur Scott Clark on Collaboration, Observability & Why AI Is Science's Greatest Translator
访谈/播客🎤 嘉宾: Scott Clark（Distributional 联合创始人兼 CEO）；主持人: Chuck（活动主持）⏱ 4:54👁 NA
▶ 在 YouTube 观看
Distributional 创始人 Scott Clark 在 SAIR/Cera AI Kickoff 上谈到，AI 最大的科学价值在于跨学科「翻译」与连接知识，而可观测性与人类设定目标的智慧是驾驭日益自主的 AI 系统的关键。
核心要点
- 像 Cera/SAIR 这样的组织最大价值是把学界与产业的人聚到同一个房间，打破硅谷与学术圈各自为政的「孤岛」状态。
- 这类基金会能创造一种新的「目标函数」，不同于风投的特定回报预期或学术经费的固定路径，从而把最有潜力的方向往前推。
- AI 在科学中最大的影响是充当跨学科「翻译官」——帮助专家连接知识盲点，把一个领域的已解决问题迁移到另一个领域。
- Scott 以自身经历说明：能与物理学家谈计算机、与数学家谈生物学，正是这种跨界连接能力的价值所在。
- 随着 AI 系统更复杂、更自主，人类施加影响的关键在于如何构建奖励函数、设定目标和指明方向。
- 可观测性（observability）与能动性（agency）是同一枚硬币的两面，是人类智慧与 AI 强大算力结合、做出重大发现的接口。
分章详解
自我介绍与来意
- Scott Clark 是 Distributional 的联合创始人兼 CEO，公司专注于「agent analytics」（智能体分析）。
- 这是他创办的第二家公司，他自攻读应用数学博士起就一直深耕 AI 与科学的交叉领域。
- 他对 Cera（SAIR/活动主办方）正在做的事情表示期待，认为这是面向科学发现构建 AI 的重要尝试。
为何 Cera 这类组织如此重要
- 核心价值在于「把人聚到一个房间里」——他提到午餐时的对话就极具启发，能弥合学界与产业的鸿沟。
- 在硅谷很容易陷入「孤岛」状态：只顾自己的创业方向，或受限于 GPU、工具等资源不足。
- 把这些点连接起来，才能确保大家真正在攻克对人类最紧迫的问题。
如何有意义地加速 AI for Science
- 除了聚集人才，关键是推动那些「潜力最大」的具体方向。
- 风投环境关注特定形态的回报，学术经费往往有固定的申请路径，二者都有局限。
- Cera 的机会是创造「新的目标函数」——汇集各方最优秀的成果，并「把手放在天平上」助推它们前进。
- 具体做法包括给学术界更多资源、给产业界更多真实问题，通过连接二者推动世界进步。
AI 在科学中的最大影响：跨学科翻译
- Scott 回忆读研时的独特价值：能向物理学家讲计算机科学、向数学家讲生物学。
- 个人能记住的知识、每天能读的论文都有限，而 AI 能连接这些知识、发现文献中隐藏的关联。
- 举例：某个问题在化学里已被解决，便可迁移应用到生物物理学（biophysics）。
- AI 教会本已是领域专家的人如何沟通、如何借鉴其他领域，会产生「水涨船高」的效应，托举所有科学学科，而这只是非常早期的阶段。
测量、可观测性与人类的角色
- 随着 AI 系统更复杂、更自主，测量与科学思维变得极其重要。
- 人类施加影响的着力点是构建奖励函数、设定目标、为这项强大技术指明方向。
- 这包含两方面：一是拥有「知道该去哪里」的智慧；二是拥有可观测性与理解力，看清离目标还有多远，或在哪里需要借助「未知的未知」（unknown unknowns）。
- 可观测性（observability）与能动性（agency）是同一枚硬币的两面，是人类与 AI 强大智力相结合、在未来做出重大发现的关键。
关键引述
“在硅谷很容易变得孤立，只顾追逐你的创业目标……仅仅是把人聚到一起、连接这些点，就能确保我们在攻克对人类最紧迫的问题。”— Scott Clark
“Cera 有机会创造一种新的目标函数（objective function），一种新的方式去说：我们如何汇集各方最优秀的成果，并把手放在天平上确保它们被往前推。”— Scott Clark
“这是化学里已经解决的问题，我要把它应用到生物物理学。AI 这一层会教会本已是领域专家的人如何沟通、如何从其他领域汲取，从而产生托举所有科学学科的水涨船高效应。”— Scott Clark
“可观测性与能动性是同一枚硬币的两面，正是在这里，人类将与 AI 极致的智力算力相结合，在未来做出非凡的发现。”— Scott Clark
术语 / 人物
Scott Clark — Distributional 联合创始人兼 CEO，康奈尔大学应用数学博士。曾创办贝叶斯优化平台 SigOpt（2020 年被 Intel 收购），并在 Intel 担任 AI 与高性能计算副总裁兼总经理。
Distributional — Scott Clark 创办的企业级 AI 可靠性/测试公司，专注于对复杂 AI 与智能体系统进行分析、测试与监控，获 a16z、Two Sigma 等投资。
Cera / SAIR — 活动主办方，致力于「AI for Science」与「Science for AI」双向桥接的科学与 AI 研究基金会（陶哲轩等联合创立）。
可观测性 (Observability) — 对 AI 系统真实行为进行测量、理解与监控的能力，用以判断系统离预期目标有多远。
奖励函数 (Reward function) — 强化学习中定义系统优化目标的函数；Scott 认为这是人类影响自主 AI 系统的关键着力点。
未知的未知 (Unknown unknowns) — 尚未被意识到的未知因素；Scott 指出有时需借助它们来把系统推向真正在意的目标。
背景补充
Scott Clark 是 Distributional 的联合创始人兼 CEO，该公司是一家面向企业的 AI 可靠性与测试公司，获 a16z、Two Sigma 等投资。他拥有康奈尔大学应用数学博士与计算机科学硕士学位，本科在俄勒冈州立大学修数学、物理与计算物理。此前他创办并执掌贝叶斯优化平台 SigOpt（受 Y Combinator、a16z 等支持，2020 年被 Intel 收购），随后在 Intel 任 AI 与 HPC 超算业务副总裁兼总经理。作为研究者，他在多个 STEM 领域发表论文，被引超过 1200 次，并持有约 20 项美国专利。
适合谁看
适合关注 AI for Science、跨学科科研协作、AI 可观测性与可靠性的研究者、创业者与科技政策/基金会从业者观看。