你的AI科研“搭子”靠譜嗎(深聚焦·探訪“人工智能+教育”②)

　　當下，AI(人工智能)正以前所未有的廣度和深度介入科學研究，從預測蛋白質(zhì)結(jié)構(gòu)，到發(fā)現(xiàn)新型材料，AI似乎已成為科學加速的“萬能引擎”，展現(xiàn)出科學智能范式的巨大潛力。

　　作為科研工作者的新“搭子”，AI如何改變科研的路徑與節(jié)奏？怎樣合理、負責任地使用AI？怎樣激發(fā)科學智能開放平臺的作用？本期教育版，我們邀請幾位專家學者共同探討。

　　1 科學發(fā)現(xiàn)的路徑如何改變？

　　傳統(tǒng)科研始于“假設—驗證”，而現(xiàn)在，科學發(fā)現(xiàn)的路徑逐步轉(zhuǎn)向“數(shù)據(jù)—規(guī)律發(fā)現(xiàn)—智能生成—閉環(huán)迭代”

　　中國科學技術(shù)大學特任教授王翕君：傳統(tǒng)科研中，研究者往往基于經(jīng)驗與直覺提出問題，始于“假設—驗證”。而現(xiàn)在，對一些學科而言，AI能主動在海量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，科學發(fā)現(xiàn)的路徑逐步轉(zhuǎn)向“數(shù)據(jù)—規(guī)律發(fā)現(xiàn)—智能生成—閉環(huán)迭代”的新范式，AI甚至可以按照目標需求，精準設計出想要的物質(zhì)。

　　以我研究的框架材料為例，這類材料通過不同金屬節(jié)點、有機配體及連接方式的組合，能夠制造出海量結(jié)構(gòu)，規(guī)?？蛇_萬億級，遠超人類探索極限。在這一背景下，AI提供了突破口。一方面，機器學習可以快速預測材料的性能，省去大量真實實驗的試錯成本；另一方面，AI能從數(shù)據(jù)中提煉規(guī)律，把過去憑經(jīng)驗的“直覺”變成可計算、可遷移的模型，讓材料設計更理性。

　　在此基礎上，生成式AI能進一步推動科研從“篩選已知”邁向“創(chuàng)造未知”——直接生成訓練數(shù)據(jù)之外的全新材料結(jié)構(gòu)，實現(xiàn)圍繞目標性能的“逆向設計”。這意味著，AI不僅在加速求解問題，也在一定程度上拓展問題本身的邊界。

　　由此，AI在科研中的角色也在持續(xù)演進：從最初的計算工具，到輔助分析規(guī)律的研究工具，再到能夠參與乃至驅(qū)動自主探索的“科研伙伴”。

　　當然，AI并不會取代科學家。關鍵科學問題與機制的理解，依然離不開人的判斷與洞察?？梢哉f，人類負責提出問題、把握方向，AI則在廣闊的數(shù)據(jù)與復雜空間中尋找可能的答案。兩者的協(xié)同，將為未來的科研創(chuàng)新提供更加堅實而廣闊的空間。

　　2 科研創(chuàng)新的效率是否提升？

　　AI特別擅長處理有明確答案、需要大量重復計算的工作

　　首都師范大學甲骨文研究中心教授莫伯峰：AI在完成文獻調(diào)研、實驗設計、數(shù)據(jù)分析等方面，大大提升了科研的效率，即便面對3000多年前的甲骨文，AI也能發(fā)揮很大作用。過去像甲骨綴合(把破碎的甲骨拼起來)、補合(恢復缺損圖像)這些工作，全靠少數(shù)專家的經(jīng)驗?，F(xiàn)在，AI提供了新的解決方案。

　　要讓AI真正幫上忙，關鍵是要選對結(jié)合點。甲骨文作為出土文獻，核心研究目標是復原文字材料和信息，而AI特別擅長處理有明確答案、需要大量重復計算的工作。它能識別人類難以察覺的細微特征，比如斷口的弧度、字體的筆觸角度等，為綴合和補合提供關鍵線索。

　　但AI也不是萬能的。甲骨文總量超16萬片、總字數(shù)超百萬，這一數(shù)字看起來不小，但對訓練AI大模型來說仍然不夠。所以在涉及深層語義判斷時，還需要人類專家把關。更為有效的方式是人機協(xié)同：把AI當作提速工具，用專家的判斷來審核和修正它的結(jié)果。

　　目前，綴合與補合只是AI輔助甲骨文研究的開始。隨著技術(shù)發(fā)展，甲骨文的分類、聚合、翻譯等工作也會逐步突破。未來研究者不僅要懂專業(yè)知識，還要提升數(shù)據(jù)處理能力，善于借助技術(shù)放大自己的研究優(yōu)勢。

　　3 科研判斷力會被AI影響嗎？

　　降低部分科研門檻的同時，虛假引用、錯誤推理等風險值得關注

　　北京大學人工智能研究院研究員楊耀東：AI不只是幫科研人員寫代碼、看文獻、畫圖表，而是讓整個科研流程發(fā)生了變化：從人提出假設、做實驗、再分析結(jié)果的線性流程，漸漸走向人機協(xié)同、模型預測、自動實驗、反饋迭代的閉環(huán)系統(tǒng)。

　　這種變化帶來了幾個好處。第一，效率大幅提升，像材料、藥物、能源等領域，候選方案極多，傳統(tǒng)方法很難窮盡。AI可以快速篩選，把科研人員從重復試錯中解放出來，專心解決關鍵問題。第二，促進學科交叉融合，一個科學問題往往涉及物理、化學、生物、工程和計算，AI能在多源數(shù)據(jù)之間建立聯(lián)系。第三，降低部分科研門檻，有了開源模型和工具平臺，小團隊也能做大項目。

　　要注意的是，AI并不等于真正的科學理解?？茖W研究不僅要預測準，還要回答“為什么”。如果模型是黑箱、數(shù)據(jù)來源不清、實驗流程不可復現(xiàn)，AI給出的結(jié)論就可能帶來新的風險。尤其是生成式AI帶來的虛假引用、錯誤推理、低質(zhì)量論文、數(shù)據(jù)泄露和學術(shù)責任不清等，都可能沖擊科研規(guī)范。

　　更深層的問題是，科研判斷力不能被工具邏輯取代。AI擅長在已有數(shù)據(jù)中找最優(yōu)解，但什么問題值得研究、哪些結(jié)果具有科學意義，仍需要人來把關。

　　4 資源如何實現(xiàn)有效整合？

　　把科學家、AI工程師和產(chǎn)業(yè)力量連接在一起，使創(chuàng)新從單點突破走向系統(tǒng)化加速

　　復旦大學校長助理、上?？茖W智能研究院理事長吳力波：科學智能正從“以技術(shù)為中心”的1.0時代，邁向“以科學家為中心”的2.0時代。2.0時代是讓更多領域科學家成為主角，讓AI真正貫穿科研全過程。上?？茖W智能研究院與復旦大學共同創(chuàng)建星河啟智科學智能開放平臺，正是為了回應這一轉(zhuǎn)變。

　　平臺的首要作用是降低科學家使用AI的門檻。它圍繞真實的科研路徑，搭建了覆蓋數(shù)據(jù)、模型、算力、實驗、智能體和協(xié)作社區(qū)的全套基礎設施。目前，星河啟智科學智能開放平臺已匯聚400多個科學模型與工具、22PB(千萬億字節(jié))的高價值數(shù)據(jù)以及5億篇文獻專利，科學家無需深究技術(shù)細節(jié)，就能調(diào)用前沿模型開展研究。

　　我們還推出了以“大圣”為載體的科研智能體系統(tǒng)。它能理解科學問題，輔助完成從文獻分析、假設生成到實驗驗證的全流程任務。近期，“大圣”上線了自定義實驗室功能，科學家可以根據(jù)自己的研究方向，搭建專屬工具鏈。

　　平臺的第二重作用是促進跨學科、跨地域、跨領域融合。傳統(tǒng)科研中，不同學科的數(shù)據(jù)、模型和方法往往互不相通，協(xié)作困難。星河啟智科學智能開放平臺通過統(tǒng)一的模型倉庫和數(shù)據(jù)基礎設施，讓不同領域的成果能夠被共享、復用和組合。

　　更深層看，平臺扮演著科學智能生態(tài)的樞紐角色。它把科學家、AI工程師和產(chǎn)業(yè)力量連接在一起，讓數(shù)據(jù)和方法在體系內(nèi)流動復用，使創(chuàng)新從單點突破走向系統(tǒng)化加速，為AI驅(qū)動的科研范式變革提供可持續(xù)的制度支持。

　　5 怎樣建好并用好智能平臺？

　　鼓勵開放共享，彌合產(chǎn)研鴻溝

　　北京中關村學院院長、中關村人工智能研究院理事長劉鐵巖：平臺多，不等于夠用、好用，更不等于真有用。去年，中關村學院調(diào)研了北京30多家材料企業(yè)，梳理出100項“卡脖子”問題。調(diào)研發(fā)現(xiàn)，用當前主流科學智能技術(shù)，只有20%的問題有望得到解決。剩下的，因為企業(yè)數(shù)字化程度低、數(shù)據(jù)缺失、算法精度不夠，暫時無解。這讓我們清醒地看到：“AI賦能科研”不能只喊口號、搭平臺，基礎設施欠賬、技術(shù)局限、產(chǎn)研鴻溝等都真實存在。

　　再說科學智能體和智能工具的開放共享。表面看這是技術(shù)問題，深層次看，其實不是沒有手段打通，而是缺乏打通的動力。一個機構(gòu)為什么要把自己的數(shù)據(jù)、平臺開放出來？如果這個問題沒有制度性回答，“開放共享”就只能停留在倡議層面。

　　要破局，建議從三方面入手：一是大力推動產(chǎn)業(yè)數(shù)字化，以產(chǎn)業(yè)真需求牽引科學研究方向?？蒲胁荒芡Ａ粼凇跋妊芯?，再轉(zhuǎn)化”的模式，要讓產(chǎn)業(yè)反饋進入研究循環(huán)，補上“最后一公里”。二是構(gòu)建開放共享的鼓勵機制，讓共享在一定程度上成為被認定的科研貢獻，比如可以作為立項和結(jié)題的條件，建立類似論文引用的計量體系等。三是由公共力量率先搭建跨學科協(xié)作的底層基礎設施?？茖W智能體和智能工具的用戶，專業(yè)性強且分散于各學科。由于市場體量不足，因此可考慮國家戰(zhàn)略投入先行，再逐步引入市場機制。

　　總之，打通數(shù)據(jù)和智能體接口是表層，重構(gòu)激勵機制是中層，讓科研真正面向國家需求、面向產(chǎn)業(yè)真問題才是根本。

　　鏈接

　　“第一作者必須是AI”的征文引熱議

　　“第一作者必須是AI?！?025年，華東師范大學發(fā)布的一則征文通知，在學術(shù)界激起千層浪。這場要求以AI作為科研論文寫作主體的社會實驗，以近乎“極限測試”的方式，引導我們直面一個問題：當AI深度介入知識生產(chǎn)，AI輔助寫作的倫理邊界在哪里，學術(shù)研究的底線該劃在哪里？

　　“我們希望通過這樣的方式，研究AI寫作的公眾接受度、技術(shù)可行性、質(zhì)量科學性和學術(shù)規(guī)范?！睂嶒灠l(fā)起人、華東師范大學終身教授袁振國說。

　　征文發(fā)布后，爭議也隨之而來。支持者認為這是AI時代學術(shù)規(guī)范的“破冰實驗”，反對者則憂心這是人類在科研中的“主動退位”?！爱斍罢撐牡腁I滲透率較高，很多學生用AI輔助寫作卻不敢標注，這種‘地下狀態(tài)’才是對學術(shù)規(guī)范的更大破壞。”華東師范大學智能教育實驗室主任張治表示，“與其視而不見，不如正面回應?！?/p>

　　實驗收集了820篇“AI一作”研究論文。評審發(fā)現(xiàn)，AI在選題策劃、大綱生成、數(shù)據(jù)分析、文獻速讀與邏輯梳理等方面展現(xiàn)出較好的能力。但局限同樣不容忽視：大模型擅長在已有數(shù)據(jù)中進行“碎片重組、跨域遷移”，能夠生成“似真”的創(chuàng)新文本，卻缺乏真正的創(chuàng)造欲與價值判斷。

　　“基于這樣的底層邏輯，AI在科研寫作中的合理應用場景，還是應該集中于非核心的環(huán)節(jié)。”張治表示，在論文寫作中，人類應當承擔問題提出者、工具選擇者、指令設計者與質(zhì)量把關者的角色。

　　“AI的使用底線，本質(zhì)上是學術(shù)誠信與責任歸屬的底線。原創(chuàng)性底線不可突破，透明性底線必須堅守——所有AI使用行為均應完整披露，需在論文中明確說明工具名稱、應用范圍及人工審核過程。此外，責任歸屬底線不容模糊，無論AI參與程度深淺，人類作者都應對最終成果負全部責任。”張治說。

　　這場實驗的意義或許不在于得出結(jié)論，而在于推動形成一個共識：當論文寫作中，人類與AI的協(xié)同成為一種新的現(xiàn)象，唯有善用AI賦能、堅守學術(shù)誠信，方能守護學術(shù)研究的本真價值。

　　“人類使用AI輔助論文寫作，絕非讓渡主體性，而是探索一種全新的科研分工，即讓AI去處理數(shù)據(jù)的廣度，讓人類來守住思想的深度與價值的溫度。”北京大學副校長初曉波說。

　　(人民日報記者丁雅誦采訪整理)