DARPA砸200万美元赌AI聊天：让7个"书呆子"机器人自己搞

200万美元，34个月，DARPA想解决一个听起来很虚的问题：AI之间到底该怎么聊天，才能真的搞出科学发现。

不是让ChatGPT写周报那种聊天。是让一群各自专精不同领域的AI代理（Autonomous Agents，自主智能体），像实验室里凑在一起喝咖啡的研究员那样，互相丢想法、挑毛病、最后碰撞出连人类都没想过的假设。

五角大楼这个研究部门周二刚发布的MATHBAC项目，全名"提升代理通信的数学原理"（Mathematics of Boosting Agentic Communication）。名字拗口，但野心直白：现在的AI能解题，但不会"想问题"；能优化已知方案，但系统性探索假设空间的能力几乎为零。

为什么聊天也需要"科学"？

DARPA的吐槽很毒：当下AI发展是"启发式引导"——说人话就是拍脑袋试错。堆算力、调参数、看结果，行就留下，不行就扔。至于为什么行，不知道。

代理之间的通信也一样。两个AI交换信息，目前基本是黑箱操作。它们能对话，但没人说得清对话效率怎么样、信息有没有损耗、协作模式能不能迁移到别的领域。

「虽然AI擅长在解空间（Solution Space）里导航，但它难以系统性探索假设空间（Hypothesis Space），而后者正是产生变革性、可泛化科学洞见的关键。」DARPA在项目公告里写道。

MATHBAC想做的，就是给这种聊天建立"严格的数学基础"。不是让AI更会说话，是让AI之间的对话本身成为可研究、可优化、可预测的对象。

两阶段，两个硬核目标

第一阶段18个月，砸钱搞两件事。

第一件事是通信协议的数学化。设计代理之间交换信息的规则，用数学证明什么样的对话结构能让协作效率最大化。这有点像给AI制定"会议室礼仪"——谁先说、说什么、怎么回应、什么时候打断，全部量化。

第二件事更刁钻：优化通信的"内容"。DARPA想要AI从对话里提炼"原则"——定律、相关性、紧凑且可泛化的知识碎片，然后把这些"金块"存进共享记忆模块。

举个例子：一群分别研究流体力学、材料学和热传导的AI，面对一组实验数据。数据暗示了某种跨领域的规律，但没明说。MATHBAC希望这些AI聊完之后，能自己把这个规律抽象出来，变成所有代理都能调用的常识。

换句话说，它们不仅要交换已知信息，还要在对话中"共同发现"未知知识。

第二阶段16个月，把第一阶段的数学成果塞进实际的多代理系统里测试。最终目标是让AI代理的科研发现效率出现"突破性提升"。

这笔钱赌的是什么？

DARPA的赌注背后有个判断：单个大模型已经摸到天花板了。GPT-4、Claude、Gemini再强，本质上还是在人类已有的知识里做检索和重组。真正的科学突破——像牛顿从苹果落地想到万有引力那种跳跃——需要假设空间的系统性探索，而这是单体AI的盲区。

多代理协作被看作一条出路。但现在的多代理系统，通信基本是"传话"：A把结果扔给B，B加工完扔给C。信息在传递中损耗，代理之间没有真正的"讨论"。

MATHBAC想升级成"辩论"模式。让AI互相质疑、补充、修正，在对话中压缩信息冗余，提取高价值洞见。这要求的不只是更强的单个模型，而是对"协作认知"本身的数学建模。

项目公告里有个细节值得玩味：DARPA特别强调要研究"通信内容的特征"，而不是仅仅优化协议。这说明他们意识到，AI聊什么，比怎么聊更重要。两个博士聊八卦，和聊各自领域的交叉问题，信息密度天差地别。

为什么是DARPA来干这个？

民间AI公司也在搞多代理，但逻辑完全不同。OpenAI的Swarm、AutoGPT的各种变体，追求的是任务完成——订机票、写代码、生成报告。通信效率是手段，不是研究对象。

DARPA要的是"科学发现"这个更模糊、更高风险的目标。这意味着他们愿意资助短期内看不到产品化的基础研究，而这是商业公司很难承担的。

200万美元在AI研发里不算大钱，但MATHBAC的信号意义明显：五角大楼认为，AI的下一个瓶颈不是算力，不是数据，而是"社交能力"——让机器学会像科学家一样协作思考。

如果这套数学框架真能建立，影响会超出国防领域。药物研发、气候建模、材料设计，任何需要跨学科碰撞的领域，都可能受益。

当然，风险同样清楚。34个月后，DARPA可能拿到一套漂亮的公式，也可能发现"AI科学对话"本质上不可建模——毕竟人类科学家开了几百年会，也没总结出什么"会议数学"。

项目 solicitation 已经开放，感兴趣的研究团队可以开始写标书了。一个悬念是：如果最后真有一群AI代理聊出了人类没想到的科学原理，第一作者该写谁？