海外
魏城綜述
科學(xué)研究一直被視為人類理性的最高結(jié)晶，但如今，人工智能（AI）正在以極其強(qiáng)勢的姿態(tài)邁入這個曾經(jīng)專屬人類的領(lǐng)域。
AI不僅能夠幫助科學(xué)研究，而且正在引發(fā)一場被稱為“AI for Science”（人工智能驅(qū)動科學(xué)研究）的科研范式革命。
具體來說，AI賦能科研的具體方式包括——
文獻(xiàn)分析與知識發(fā)現(xiàn)：自動閱讀、整理海量學(xué)術(shù)論文和專利，提煉出跨學(xué)科的研究脈絡(luò)、潛在趨勢以及研究空白，幫助科研人員快速形成新假設(shè)。
數(shù)據(jù)處理與分析：在天文學(xué)、高能物理和基因組學(xué)等領(lǐng)域，AI工具能夠從 TB級甚至 PB 級的海量實驗數(shù)據(jù)中快速篩查，發(fā)現(xiàn)肉眼難以察覺的微弱信號和規(guī)律。
科學(xué)計算與模擬：AI 大模型在復(fù)雜的分子動力學(xué)模擬、氣象預(yù)測和新材料研發(fā)等領(lǐng)域表現(xiàn)出色。例如，通過準(zhǔn)確預(yù)測蛋白質(zhì)結(jié)構(gòu)（如AlphaFold），極大縮短了生物醫(yī)藥的研發(fā)周期。
實驗設(shè)計優(yōu)化：幫助科學(xué)家設(shè)計實驗步驟，自動優(yōu)化多項參數(shù)組合，提高實驗的成功率和效率。
不過，近期科學(xué)界對于AI科學(xué)助手的研究與討論，不僅展示了技術(shù)在加速科學(xué)假設(shè)生成方面的驚人潛力，更冷峻地揭示了現(xiàn)階段AI無法逾越的底層天花板。這促使我們重新審視這場人機(jī)協(xié)同的科學(xué)變革，并在喧囂中尋找理性的邊界。
在目前的最前沿探索中，AI已經(jīng)不再局限于簡單的數(shù)據(jù)檢索，而是展現(xiàn)出了某種模擬人類科學(xué)推理的雛形。
由Google DeepMind開發(fā)的Co Scientist系統(tǒng)和非營利組織Future House開發(fā)的Robin系統(tǒng)，是這一浪潮中的代表性嘗試。
這些系統(tǒng)采用了復(fù)雜的多智能體（Multi agent）架構(gòu)，由一個中央監(jiān)督智能體來協(xié)調(diào)多個專注于特定任務(wù)的數(shù)字智能體。在這些數(shù)字化團(tuán)隊中，甚至包含專門充當(dāng)同行評審員的反思智能體，以及通過模擬辯論來評估研究假設(shè)價值的排序智能體。這種協(xié)同作戰(zhàn)的能力在生物醫(yī)學(xué)領(lǐng)域已經(jīng)初顯成效。
Co Scientist在針對急性髓系白血病（AML）的研究中，從海量文獻(xiàn)中篩選出30種候選藥物，經(jīng)人類科學(xué)家優(yōu)化并進(jìn)行物理實驗后，證實有3種表現(xiàn)出積極效果。無獨有偶，Robin系統(tǒng)也在干性年齡相關(guān)性黃斑變性（AMD）的藥物再利用研究中提出了30種方案，最終幫助人類學(xué)者成功驗證了2種極具前景的藥物。
這些突破清晰地表明，AI能夠跨越龐大的知識鴻溝，建立起人類難以察覺的跨領(lǐng)域事實聯(lián)系。
然而，在這些令人矚目的成果背后，硬幣的另一面也同樣清晰。
在這場技術(shù)狂歡中，科學(xué)界逐漸冷靜地意識到，AI科學(xué)家目前正遭遇著難以逾越的瓶頸。
科學(xué)進(jìn)步的核心痛點，往往不是缺乏天才的想法，而是驗證這些想法所需要付出的物理時間和經(jīng)濟(jì)成本。
科研發(fā)現(xiàn)本質(zhì)上是一個在大海中撈針的過程，如果AI系統(tǒng)只能在文本和語言符號層面進(jìn)行抽象推理，它產(chǎn)出的結(jié)果往往只是一個規(guī)模大得多的干草堆。當(dāng)AI無法自主證明哪些想法在現(xiàn)實世界中真正有效時，它設(shè)計出再多的實驗路線，本質(zhì)上只是在給人類科學(xué)家增加繁重的驗證負(fù)擔(dān)。
迄今為止，所有所謂的AI科學(xué)家都無法真正獨立完成物理驗證，科研鏈條中的最終實驗閉環(huán)，依然徹底依賴人類專家的血肉之軀與實驗室操作。
這種無法脫離物理實驗的尷尬，源于當(dāng)前生成式AI的底層邏輯缺陷。現(xiàn)有的大語言模型主要在文本和語言符號層面進(jìn)行連接與推理，它們在本質(zhì)上玩的是一場基于概率的文字游戲。但是，若想真正顛覆科學(xué)研究的效率，AI必須超越純粹的文本邏輯，向外探索物理世界的真實本質(zhì)。
未來的關(guān)鍵在于建立能夠顆粒化模擬并理解各個尺度物理學(xué)的AI模型，即真正的世界模型（World Models）。AI不能僅僅停留在總結(jié)和歸納文獻(xiàn)的層面，它必須學(xué)會將基因組序列、蛋白質(zhì)三維結(jié)構(gòu)等結(jié)構(gòu)化數(shù)據(jù)，與深奧的物理和化學(xué)規(guī)律進(jìn)行本質(zhì)上的融合，理解物質(zhì)世界在真實時空中的演變。
此外，工具的專業(yè)性和嚴(yán)苛的基準(zhǔn)測試也是一道硬傷。像Co Scientist這樣的通用大模型系統(tǒng)，在篩選特定垂直領(lǐng)域的候選藥物時，往往還沒有與現(xiàn)有的、高度專業(yè)化的傳統(tǒng)計算生物學(xué)方法進(jìn)行系統(tǒng)性的真刀真槍的對比。這意味著，通用AI在面對極度精準(zhǔn)的科學(xué)難題時，其絕對可靠性仍有待更嚴(yán)苛的現(xiàn)實檢驗。
從科學(xué)界數(shù)十年來關(guān)注焦點的演變中，我們可以清晰地看到這種認(rèn)知深化。
學(xué)者利用幾何聚類方法分析過去的研究發(fā)現(xiàn)，科學(xué)界的目光已經(jīng)從1988年對神經(jīng)元等底層技術(shù)的關(guān)注，到2022年對算法公平性等社會影響的討論，在2026年全面轉(zhuǎn)向了對預(yù)測能力的極致追求。
這種追求促使我們?nèi)ニ伎伎茖W(xué)的終極目的：科學(xué)的最高目標(biāo)始終是提升人類的理解，而不是AI的理解。
面對這場范式轉(zhuǎn)變，未來的科學(xué)發(fā)現(xiàn)絕不是AI對人類的冷酷取代，而是一種深刻的人機(jī)互補(bǔ)協(xié)同。
人類科學(xué)家擁有獨特的直覺、廣泛的推理策略，擅長定義核心科學(xué)問題并判斷研究的輕重緩急；而AI則憑借不知疲倦的算力，負(fù)責(zé)處理海量信息并提供創(chuàng)新的候選方案。AI已經(jīng)成為人類理解從蛋白質(zhì)折疊到宇宙規(guī)律的終極工具之一，但它目前依然只是一個極其強(qiáng)大的科研放大器，而非全知全能的獨立創(chuàng)造者。
盡管AI是極其強(qiáng)大的助手，但它依賴于人類提出正確的問題以及專業(yè)知識的驗證。科研工作中的“直覺”、“批判性思考”以及對倫理的把控，依然是人類科研人員的核心價值所在。
總之，拓展人類科學(xué)疆域的鑰匙，依然緊緊握在人類在物理實驗室中的嚴(yán)謹(jǐn)驗證，以及AI對多尺度物理世界的深度模擬之中。
（作者曾在英國多家知名媒體擔(dān)任資深記者、編輯。作者微信公眾號：魏城看天下）
本微信公眾號聯(lián)系方式：
郵箱：weimingliu6@qq.com
微信公眾號：魏城看天下
作者簡介：
魏城，曾經(jīng)在中西著名媒體從業(yè)30多年，做過報紙記者、編輯、翻譯、電臺主持人、網(wǎng)站記者、編輯、雜志執(zhí)行總編輯等工作，出版過三本書，工作過的機(jī)構(gòu)包括《中國青年報》、《星島日報》加拿大版、英國廣播公司、美國《財富》雜志中文版、英國《金融時報》等。2007年，在英國《金融時報》中文網(wǎng)發(fā)表的中國中產(chǎn)階級調(diào)查系列報道獲得了亞洲出版人協(xié)會(SOPA) 解釋報道類首獎。如今退而不休，作為自由撰稿人，為FT中文網(wǎng)、《財經(jīng)》雜志等媒體撰寫專欄。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
