AI能幫助科學家們取得科研突破嗎？

魏城綜述

科學研究一直被視為人類理性的最高結晶，但如今，人工智能（AI）正在以極其強勢的姿態邁入這個曾經專屬人類的領域。

AI不僅能夠幫助科學研究，而且正在引發一場被稱為“AI for Science”（人工智能驅動科學研究）的科研范式革命。

具體來說，AI賦能科研的具體方式包括——

文獻分析與知識發現：自動閱讀、整理海量學術論文和專利，提煉出跨學科的研究脈絡、潛在趨勢以及研究空白，幫助科研人員快速形成新假設。

數據處理與分析：在天文學、高能物理和基因組學等領域，AI工具能夠從 TB級甚至 PB 級的海量實驗數據中快速篩查，發現肉眼難以察覺的微弱信號和規律。

科學計算與模擬：AI 大模型在復雜的分子動力學模擬、氣象預測和新材料研發等領域表現出色。例如，通過準確預測蛋白質結構（如AlphaFold），極大縮短了生物醫藥的研發周期。

實驗設計優化：幫助科學家設計實驗步驟，自動優化多項參數組合，提高實驗的成功率和效率。

不過，近期科學界對于AI科學助手的研究與討論，不僅展示了技術在加速科學假設生成方面的驚人潛力，更冷峻地揭示了現階段AI無法逾越的底層天花板。這促使我們重新審視這場人機協同的科學變革，并在喧囂中尋找理性的邊界。

在目前的最前沿探索中，AI已經不再局限于簡單的數據檢索，而是展現出了某種模擬人類科學推理的雛形。

由Google DeepMind開發的Co Scientist系統和非營利組織Future House開發的Robin系統，是這一浪潮中的代表性嘗試。

這些系統采用了復雜的多智能體（Multi agent）架構，由一個中央監督智能體來協調多個專注于特定任務的數字智能體。在這些數字化團隊中，甚至包含專門充當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價值的排序智能體。這種協同作戰的能力在生物醫學領域已經初顯成效。

Co Scientist在針對急性髓系白血病（AML）的研究中，從海量文獻中篩選出30種候選藥物，經人類科學家優化并進行物理實驗后，證實有3種表現出積極效果。無獨有偶，Robin系統也在干性年齡相關性黃斑變性（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域事實聯系。

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。

在這場技術狂歡中，科學界逐漸冷靜地意識到，AI科學家目前正遭遇著難以逾越的瓶頸。

科學進步的核心痛點，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濟成本。

科研發現本質上是一個在大海中撈針的過程，如果AI系統只能在文本和語言符號層面進行抽象推理，它產出的結果往往只是一個規模大得多的干草堆。當AI無法自主證明哪些想法在現實世界中真正有效時，它設計出再多的實驗路線，本質上只是在給人類科學家增加繁重的驗證負擔。

迄今為止，所有所謂的AI科學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，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，源于當前生成式AI的底層邏輯缺陷。現有的大語言模型主要在文本和語言符號層面進行連接與推理，它們在本質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。

未來的關鍵在于建立能夠顆粒化模擬并理解各個尺度物理學的AI模型，即真正的世界模型（World Models）。AI不能僅僅停留在總結和歸納文獻的層面，它必須學會將基因組序列、蛋白質三維結構等結構化數據，與深奧的物理和化學規律進行本質上的融合，理解物質世界在真實時空中的演變。

此外，工具的專業性和嚴苛的基準測試也是一道硬傷。像Co Scientist這樣的通用大模型系統，在篩選特定垂直領域的候選藥物時，往往還沒有與現有的、高度專業化的傳統計算生物學方法進行系統性的真刀真槍的對比。這意味著，通用AI在面對極度精準的科學難題時，其絕對可靠性仍有待更嚴苛的現實檢驗。

從科學界數十年來關注焦點的演變中，我們可以清晰地看到這種認知深化。

學者利用幾何聚類方法分析過去的研究發現，科學界的目光已經從1988年對神經元等底層技術的關注，到2022年對算法公平性等社會影響的討論，在2026年全面轉向了對預測能力的極致追求。

這種追求促使我們去思考科學的終極目的：科學的最高目標始終是提升人類的理解，而不是AI的理解。

面對這場范式轉變，未來的科學發現絕不是AI對人類的冷酷取代，而是一種深刻的人機互補協同。

人類科學家擁有獨特的直覺、廣泛的推理策略，擅長定義核心科學問題并判斷研究的輕重緩急；而AI則憑借不知疲倦的算力，負責處理海量信息并提供創新的候選方案。AI已經成為人類理解從蛋白質折疊到宇宙規律的終極工具之一，但它目前依然只是一個極其強大的科研放大器，而非全知全能的獨立創造者。

盡管AI是極其強大的助手，但它依賴于人類提出正確的問題以及專業知識的驗證。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，拓展人類科學疆域的鑰匙，依然緊緊握在人類在物理實驗室中的嚴謹驗證，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，曾經在中西著名媒體從業30多年，做過報紙記者、編輯、翻譯、電臺主持人、網站記者、編輯、雜志執行總編輯等工作，出版過三本書，工作過的機構包括《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》中文網發表的中國中產階級調查系列報道獲得了亞洲出版人協會(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、《財經》雜志等媒體撰寫專欄。