“AI 科學(xué)家” 正重塑科研業(yè)態(tài)，人類科學(xué)家該如何重新定位？

越來越多企業(yè)、研究所開始展示其利用人工智能取得的優(yōu)秀科研成果。但此類“AI科學(xué)家”系統(tǒng)能成為真正的創(chuàng)新者、探索者嗎？如果它們的確足夠強(qiáng)大，人類科學(xué)家又該如何調(diào)整自己在實(shí)驗(yàn)室里的位置、在論文稿上的地位？

為論文而生，到實(shí)驗(yàn)中去

那是2025年4月，有一場(chǎng)人工智能大會(huì)即將召開。科學(xué)家卡爾(Carl)則早已將自己撰寫的4份論文呈遞至大會(huì)的同行評(píng)審專家組處，希望作品最終被公開展示。經(jīng)歷了雙盲同行評(píng)審后，4篇文章里的3篇順利入圍。

評(píng)審專家確信卡爾的成果水平高、亮點(diǎn)足，而他們不知道的是，這3篇論文其實(shí)是AI寫的，從一眾人類投稿者中脫穎而出的卡爾是AI系統(tǒng)。(當(dāng)然，撰文過程有不同程度的人類參與。)研發(fā)出卡爾系統(tǒng)的科技企業(yè)名為Autoscience Institute，該機(jī)構(gòu)表示，這款模型能加速人工智能領(lǐng)域的研究進(jìn)程。

時(shí)間過去短短一年，像卡爾這樣的“AI科學(xué)家”越來越多。比如，美國的非營利性研究所FutureHouse開發(fā)了科研智能體羅賓(Robin)、科斯莫斯(Kosmos)；更早些時(shí)候，日本AI初創(chuàng)公司Sakana AI也推出過全自動(dòng)科學(xué)發(fā)現(xiàn)系統(tǒng)——產(chǎn)品名就叫“AI科學(xué)家”。

AI科學(xué)家由多個(gè)大型語言模型(LLM)整合而成。Autoscience Institute聯(lián)合創(chuàng)始人埃利奧特·考恩(Eliot Cowan)表示：不同于聊天機(jī)器人，以卡爾為代表的AI科學(xué)家被設(shè)計(jì)用于生成、驗(yàn)證研究思路并產(chǎn)出科研成果。此類系統(tǒng)能在不同程度上自主梳理文獻(xiàn)、提出假設(shè)、開展實(shí)驗(yàn)、分析數(shù)據(jù)，最終取得創(chuàng)新性的科研發(fā)現(xiàn)；而開發(fā)者的目標(biāo)是借助人工智能提高科研效率、擴(kuò)大科研產(chǎn)出。

至于AI科學(xué)家會(huì)不會(huì)取代人類科學(xué)家——企業(yè)普遍覺得可能性很小。

不過無論如何，科學(xué)研究攜手人工智能的自動(dòng)化發(fā)展趨勢(shì)已經(jīng)引發(fā)某些復(fù)雜情緒。正如知名學(xué)者朱利安·托格利烏斯(Julian Togelius)所言：“你很難不感到不安，因?yàn)橄裉峒僬f、整文獻(xiàn)這些工作，本該是我們做的。”

托格利烏斯既是計(jì)算機(jī)科學(xué)家又是AI研究專家。實(shí)際上，有許多像托格利烏斯這樣的AI領(lǐng)域研究者都心懷憂慮，認(rèn)為AI科學(xué)家可能擠占下一代科研人員的發(fā)展空間，將大量低質(zhì)量、不可靠的數(shù)據(jù)引入科研系統(tǒng)，削弱人們對(duì)科學(xué)發(fā)現(xiàn)的信任度。

英國艾倫·圖靈研究所的學(xué)者大衛(wèi)·萊斯利(David Leslie)則感慨：“科研是一項(xiàng)已經(jīng)高度成熟且充滿社會(huì)性、由人類主導(dǎo)的事業(yè)。傳統(tǒng)上的科研實(shí)踐與計(jì)算系統(tǒng)的運(yùn)作存在本質(zhì)區(qū)別——人工智能在其中該如何定位？”

“為科學(xué)研究帶來無限可能”

過去5年間，AI驅(qū)動(dòng)的自動(dòng)化系統(tǒng)已助力取得多項(xiàng)重大科研突破。

例如，谷歌DeepMind公司推出的AlphaFold能以高分辨率預(yù)測(cè)蛋白質(zhì)三維結(jié)構(gòu)，其運(yùn)算速度遠(yuǎn)非科研人員得實(shí)驗(yàn)速度可比。作為AlphaFold的主要開發(fā)者德米斯·哈薩比斯(Demis Hassabis)和約翰·江珀(John Jumper)，也憑借在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方面的卓越貢獻(xiàn)而收獲2024年諾貝爾化學(xué)獎(jiǎng)。(詳見：)

萊斯利曾提出所謂“計(jì)算弗蘭肯斯坦拼接體”(computational Frankensteins)的概念：對(duì)各類生成式AI基礎(chǔ)設(shè)施、算法及其他組件做融合，再利用融合后的技術(shù)開發(fā)應(yīng)用，嘗試模擬那些復(fù)雜、本需人類親身參與的社會(huì)實(shí)踐，其中包括科學(xué)發(fā)現(xiàn)過程。

僅2025年一年，就至少有Sakana AI、Autoscience Institute、FutureHouse三家單位高調(diào)公布其首批由人工智能生成的科研成果。部分受雇于美國政府的科研人員也開始接納AI：在阿貢國家實(shí)驗(yàn)室、橡樹嶺國家實(shí)驗(yàn)室和勞倫斯伯克利國家實(shí)驗(yàn)室，科學(xué)家成功開發(fā)出由AI驅(qū)動(dòng)的全自動(dòng)材料實(shí)驗(yàn)室。

這些人工智能系統(tǒng)和大語言模型一樣，有望被用于整合文獻(xiàn)、挖掘海量數(shù)據(jù)，進(jìn)而發(fā)現(xiàn)潛在規(guī)律。在材料科學(xué)領(lǐng)域，AI系統(tǒng)能設(shè)計(jì)、發(fā)現(xiàn)新型材料；在亞原子粒子物理學(xué)領(lǐng)域，它們也能幫助人類取得深刻的見解。

萊斯利表示，人工智能系統(tǒng)能以人類不可企及的方式，在數(shù)百萬、數(shù)十億乃至數(shù)萬億個(gè)變量間建立關(guān)聯(lián)。“單是這項(xiàng)能力，就為科研帶來了無限可能。”

舉例來說，F(xiàn)utureHouse開發(fā)的羅賓通過對(duì)文獻(xiàn)資料的挖掘，發(fā)現(xiàn)一種有望治療致盲性病變的候選藥物，還提出了驗(yàn)證該藥物療效的實(shí)驗(yàn)方案，并完成相關(guān)數(shù)據(jù)分析。

編造風(fēng)險(xiǎn)大，創(chuàng)新力不足

在創(chuàng)造無限可能的對(duì)面，是生產(chǎn)科研糟粕的風(fēng)險(xiǎn)。

正如卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)科學(xué)家尼哈爾·沙阿(Nihar Shah)所擔(dān)憂的，未來或?qū)⒂写罅抠|(zhì)量低下、缺乏創(chuàng)新的AI生成研究充斥學(xué)術(shù)文獻(xiàn)。當(dāng)然，沙阿對(duì)人工智能助力新發(fā)現(xiàn)的前景“總體上更為樂觀”。

值得一提的是，沙阿團(tuán)隊(duì)還測(cè)試過兩款輔助科研的AI模型，試圖找出系統(tǒng)的缺陷和不足。一款是Sakana AI的“AI科學(xué)家2.0”，另一款是半導(dǎo)體企業(yè)AMD與約翰霍普金斯大學(xué)合作打造的“智能體實(shí)驗(yàn)室”(Agent Laboratory)系統(tǒng)，其任務(wù)是充當(dāng)科研助理。

在測(cè)試中，AI科學(xué)家2.0開展某一特定任務(wù)時(shí)報(bào)告了達(dá)到95%乃至100%準(zhǔn)確率；鑒于研究人員事先向數(shù)據(jù)集內(nèi)引入了噪聲，如此準(zhǔn)確率顯然不合理。智能體實(shí)驗(yàn)室也存在類似問題，即有時(shí)會(huì)編造合成數(shù)據(jù)集用于分析，卻在最終報(bào)告里聲稱分析基于原始數(shù)據(jù)集。

為此，沙阿與同事創(chuàng)建了新算法用以標(biāo)記這類方法學(xué)誤區(qū)，比如“分析時(shí)只挑選對(duì)研究有利的數(shù)據(jù)集”“選擇性公布陽性結(jié)果”等。

另一方面，生成式AI系統(tǒng)存在創(chuàng)新能力不足的問題。

例如，曾有專家判斷聊天機(jī)器人GPT-4僅能實(shí)現(xiàn)漸進(jìn)式的科學(xué)發(fā)現(xiàn)；又如，《科學(xué)-免疫學(xué)》(Science Immunology)雜志2025年發(fā)文稱：盡管AI聊天機(jī)器人能準(zhǔn)確整合文獻(xiàn)，但至少在疫苗學(xué)領(lǐng)域，它們提不出富有洞見的研究假設(shè)或?qū)嶒?yàn)方案。

該如何審查、驗(yàn)證AI產(chǎn)出的成果？

沙阿認(rèn)為，AI科學(xué)家的持續(xù)應(yīng)用并不會(huì)導(dǎo)致實(shí)驗(yàn)室中的人類被邊緣化。

“就算機(jī)器強(qiáng)大到無與倫比，人類仍有施展才華的天地；當(dāng)然，目前還難以明確未來人類的角色定位，能參與科研的哪些環(huán)節(jié)。”

用萊斯利的話說，科學(xué)研究一直都是充滿“人性”的事業(yè)，由人類的詮釋、構(gòu)建、探討和探索組成，常常受到科研人員自身的價(jià)值觀和偏好的影響。為預(yù)測(cè)最優(yōu)答案而生的計(jì)算系統(tǒng)則與之截然不同。預(yù)測(cè)模型本身只負(fù)責(zé)從博大精深的科學(xué)實(shí)踐中截取冰山一角。

“要知道，科研實(shí)踐的復(fù)雜性常常來自制度層面、方法論層面和歷史層面，科研甚至還受限于不公正、歧視等問題——這些問題往往決定誰能從事科研、誰被拒之門外、科學(xué)為誰服務(wù)、哪些領(lǐng)域長期徘徊不前……”

有些專家認(rèn)為，AI科學(xué)家不會(huì)成為替代者，而是科研人員的輔助工具，幫助人類收獲洞見，就像顯微鏡、望遠(yuǎn)鏡一樣。

Sakana AI推出初代AI科學(xué)家時(shí)曾發(fā)文稱：“我們認(rèn)為，人類科學(xué)家的作用不會(huì)被削弱，反倒會(huì)跟隨技術(shù)新趨勢(shì)而調(diào)整角色定位，向科研價(jià)值鏈的更高處邁進(jìn)。”

實(shí)際上，如今有許多科研人員都已開始思考自己未來會(huì)如何與AI攜手相伴。不過，其中有一項(xiàng)關(guān)鍵話題一直被關(guān)注，即“如何審查與驗(yàn)證人工智能產(chǎn)出的研究成果”。

沙阿提議，未來的學(xué)術(shù)期刊和會(huì)議應(yīng)核查科研過程的日志記錄以及生成的代碼，以此審查AI成果，驗(yàn)證其真實(shí)性，并找出其中的方法學(xué)漏洞。

考恩表示，Autoscience Institute等機(jī)構(gòu)正嘗試設(shè)計(jì)嚴(yán)守倫理準(zhǔn)則的AI系統(tǒng)，希望人工智能遵循“學(xué)術(shù)機(jī)構(gòu)的科研人員開展實(shí)驗(yàn)時(shí)所需遵循的標(biāo)準(zhǔn)”。

值得一提的是，前文介紹的卡爾被設(shè)計(jì)者置入了多項(xiàng)準(zhǔn)則，包括杜絕虛假署名和剽竊、保證結(jié)果的可復(fù)現(xiàn)性、不涉及人類受試者或采用敏感數(shù)據(jù)等。

資料來源：

文章轉(zhuǎn)載自“世界科學(xué)”公眾號(hào)