AI重塑科研，科學家是否要交出舵盤

來源：文匯報

作者：張懿

幾周來幾乎壟斷了國內人工智能所有關注的“龍蝦”（OpenClaw），在近日于上海舉行的一場重量級AI大會上，似乎失蹤了。第二屆浦江AI學術年會的開幕論壇環節，十多位院士專家和重要學者開展了近四個小時的觀點碰撞，沒有一個人花過一分鐘去討論這個炙手可熱的“AI網紅”。大家的視線全部聚焦于那個更前瞻、更顛覆，卻距今不遠的方向——科學智能。

正如上海AI實驗室主任周伯文所說，將來所謂的AGI（通用人工智能），要能夠像愛因斯坦那樣，基于1905年的認知，推導出廣義相對論。而當前，在科學這條人類智力的巔峰賽道，可以勝過天才科學家的“最強大腦”也的確在加速走向現實。

在這一背景下，記者從浦江AI會場中獲得的最大感觸，并不是算力或模型的突飛猛進，而是科學界在全力擁抱AI的同時，也呈現出一種困惑：主導了過去數百年“科學大航海”的人類智者，該如何面對未來AI全面接手舵盤的可能？

1

接納“黑盒”的妥協

幾百年來，科學的終極浪漫，一直是找到完美、自洽的“因果律”，從而對萬物運行給出突破性的解釋。但本次論壇上，記者卻不時能感受到一種心照不宣的妥協——科學家們似乎開始接受“知其然，無須知其所以然”的新科研范式。

中國科學院院士、中國科學院原院長白春禮在演講中將AI在當前對科研體系的影響，總結為三大“結構性重塑”：科學發現路徑，正從“假設—驗證”切換到“數據—模型—假設—驗證”；科研的組織方式，正從依托“人”轉向“人機系統”；知識的主要載體，從論文變成模型、數據、代碼。

但是，在進一步分析AI重塑科研的力量時，白院士卻給出了一個“直擊靈魂”的判斷：未來，科學的目標可能要從“理解世界”走向“逼近現實”。也就是說，科學不再像過去那樣，追求清晰的因果邏輯，強調對自然規律的解釋能力；而是要逐步接受AI做出的有效、但又無法解釋的結果。

一個標志性的例子在于氣候科學。白春禮說，當今的AI模型，在短期天氣預測方面，具有驚人的精度，但還無法完全闡明背后的物理機制。類似的，在新藥分子的篩選方面，AI也是極其高效且精準，但是同樣解釋不了其中的生化規律。

中國科學院院士、北京大學常務副校長張錦在報告中，也承認自己正面對這種“現實的困惑”。在他的材料學實驗室，研究團隊利用AI模型，精準預測了可用于制備碳納米管的催化劑，實驗結果完美。但張院士坦言，為什么要用這種催化劑，他沒法解釋，甚至沒法討論。

大模型在給出答案時的“黑盒效應”，一直以來都飽含爭議，并在一定程度上延緩了AI在部分關鍵行業的接受度。如今，隨著AI越來越強，科學家們基于現實轉而采取妥協的態度，合乎情理。盡管如此，依然有頂尖專家打算繼續就此“較真”——復旦大學特聘教授、上海科學智能研究院院長漆遠表示，科學家必須繼續努力，對AI黑盒模式進行解釋，并探討如何與科學機理進行融合。他認為，這點在未來會變得越來越重要。

2

科研迎來“工業化”重構

如果能暫時“放下”對揭示絕對因果的執念，AI為科研帶來的能力躍遷，可以說令人極度欣喜。不僅如此，整個科研的生態和范式，或許也將迎來一場激動人心的“工業化變革”。

張錦院士介紹，通過引入AI算法與具身智能，打造“自驅動實驗室”，原本需要耗時多年才能完成的新材料尋優實驗，已被驟然壓縮到短短四天。這種極致的效率改善，讓所有想要有所建樹的科學家，不得不躬身入局，去構建人和AI深度協作的科研體系。

在白春禮看來，這種協作代表了未來。他認為，科學智能下一步的競爭，歸根到底，就是看誰能在新一輪范式轉型中，率先形成穩定且具有解釋力的認知體系；而人類天才單打獨斗的較量，勢必會被“人機系統”綜合能力的比拼取代。

清華大學教授、面壁智能首席科學家劉知遠說，當前所有知識的總和，就如汪洋大海，使得一個人哪怕窮盡一生，也只能成為一個極其細微領域的專家。因此，通過AI把所有數據匯聚成洞察，不是可選項，而是必然。他提出，未來最應該探討的一個課題，是如何借助AI把全世界的科學家凝聚在一起，共同探索世界的邊界。

上海AI實驗室主任周伯文也認為，雖然算力、數據，以及自主實驗系統，是科學智能時代的基礎設施，但更重要的是，AI可以讓科學家們有機會開展前所未有的跨學科、跨機構、融合協作。在這方面，中國完全有機會率先探索出下一代的科研協作機制，將無數個體的知識和貢獻，匯聚成范式性的科技突破。

3

人類仍可握緊韁繩

如果“人機協同”是大勢所趨，那么“人”和“機”如何分工就會成為重要課題。此次大會上，專家普遍認為，將來，單調繁瑣的實驗室試錯會大量交給機器人，高維的數據挖掘和推導則會留給模型——可一旦如此，屬于人類科學家的價值，究竟會在哪里？

上海尚思自然科學研究院院長魯白直指核心：“好的科學家”靠邏輯推理，“最出色的科學家”靠直覺與頓悟。而這種飛躍式的思維過程，根植于人腦特殊的神經機理。魯白認為，這種天賦或許可以讓人能區別于AI，提出更具創造力的科學問題。

但白春禮院士的看法似乎與此相左。他認為，考慮到AI在處理海量數據方面的能力，因此，對于形成科學發現至關重要的“假設”工作，可能也要從人轉手給AI模型。他表示，人類或許應該更積極地將哲學與科研對接，避免AI主導的科學偏離“求真”的初衷。他在演講結尾動情地說：“科學不僅關乎能力，更關乎方向；不僅關乎發現，更關乎抉擇。”

上海AI實驗室青年領軍科學家陳愷，給出了另一個有意思的觀察。他表示，雖然AI擅長從海量數據中找出關聯、提出假設，但目前AI提出假設的能力，實際上被人類的“驗證能力”局限。也就是說，哪怕AI可以在一秒內“頭腦風暴”出天文數字般的全新分子結構，但仍有賴于人提供實驗環境去驗證其真偽。陳愷據此認為，未來，科學家與AI更可能“互為工具”——AI幫人類算數據，人類則為AI創造出更多驗證方式。

值得一提的是，對于當前科研工作中出現的過度“拼算力”的傾向，中國科學院院士、清華大學教授胡事民潑了一盆冷水。他認為，科學智能絕對不能重走過去大語言模型“大力出奇跡”的路線。因為，在科學領域，獲得單樣本數據的成本可能高達百萬美元，而且一旦拼算力拼出點滴的幻覺，就很可能嚴重破壞科研，比如讓潛在的好藥變成毒藥。胡事民表示，在為AI進行規則約束和機制設計上，還有很多空間留給人類施展。