近期基础模型的进展使得科学AI的应用取得了显著的预测性能，涵盖了从蛋白质折叠到天气预报等多个领域。然而，仅仅进行预测并不能构成科学发现。科学理解依赖于揭示生成观察结果的可重用解释机制，而当代机器学习仍然主要围绕预测映射而非解释结构进行组织。本文提出，科学发现本质上是知识组织的问题。为此，我们引入了机制世界模型，这是一种新的设计范式，将可重用机制置于表示、计算和学习的中心。
借鉴科学哲学的见解，我们推导出进行发现所需的计算能力，识别出鼓励解释性知识涌现的设计原则和归纳压力，并形式化机制中心世界模型的结构。最后，我们展示了多种研究方向，包括机制可解释性、因果表示学习、方程发现和模块化架构，尽管它们在捕捉这一范式的互补成分方面表现良好，但缺乏统一框架。我们建议机制世界模型作为概念基础和计算蓝图，推动AI超越预测性预报，朝向自主科学发现的方向发展。
博主点评： 本文提出的机制世界模型为科学发现提供了新的视角，强调了可重用机制在知识组织中的重要性。这一框架有望推动AI在科学研究中的应用，尤其是在解释性和可持续性方面，加深我们对复杂系统的理解。通过整合多种研究方向，未来的AI系统将更具自主性与创造力。