从既往经验来看，人工智能在科研中的角色更像是一个助手，承担了提炼论文摘要、整理数据等任务，科研人员仍掌握着思考的主动权。如今，这一情况发生了改变，一些先进的人工智能模型已经能够进行可靠的自主推理，并与外部交互。这标志着代理式人工智能的兴起：此类系统不仅能响应指令，还能独立进行规划、执行和迭代。不久前发表在《自然》上的论文显示，一类被称为“AI科学家”的人工智能系统已经可以实现从文献综述、构思研究思路，到实验执行和论文撰写的全流程自动化。本报记者围绕与“AI科学家”相似的人工智能系统可以完成哪些科研任务，将会对科研人员以及学术出版和评价体系产生何种影响采访了有关学者。
人工智能自主科研尚难实现
目前，人工智能在科研领域的应用已取得诸多进展。美国密歇根州立大学布罗德商学院教授安贾娜·苏萨拉（Anjana Susarla）在接受本报记者采访时表示，科学基础模型类大型人工智能系统可以基于海量科学文献和实验数据进行预训练。人工智能系统能够显著缩短mRNA疫苗等的研发周期，从数百万个候选序列中筛选出能够最大程度满足需要的基因序列。这极大缩短了获得新科学发现需要的时间。
英国南安普顿大学战略与国际商务教授索林·克拉默（Sorin M. S. Krammer）表示，“AI科学家”系统现已进入第二代版本，推出该系统的日本人工智能研发初创公司Sakana AI称其为“首个实现全自动科学发现的综合性系统”。“AI科学家”可以扫描现有文献、生成假设、编写并执行代码、分析结果并最终产出一篇完整的研究报告。在这一过程中，大部分时间无需人进行干预。“AI科学家”能像初级科学家一样进行推理，即使面对失败也能不断进行修改。
前述论文公布了“AI科学家”的相关详细信息，因为了解人工智能研究助手的工作方式及其局限性，对于评估其对科研可能产生的影响至关重要。经过同行评议，《自然》发表的论文中进一步补充了预印本中关于“AI科学家”系统缺陷的描述，增加了更多伦理考量。“AI科学家”提交的一篇论文在经过同行评议后，成功满足了国际学习表征大会（ICLR）一场研讨会的选用标准，但未能达到主会议的发表门槛。
“AI科学家”并非唯一的此类人工智能研发成果。日行迹智能科技有限公司于2026年2月进行了其全自动科研系统“Fars”的演示，该系统在约417小时内完成了166篇完整的机器学习研究论文。谷歌也推出了一个面向研究论文撰写自动化的多智能体框架工具，该工具可将原始实验日志和粗略笔记转换为可提交的论文。
克拉默认为，经过20年的研究，科研人员已经跨越了一个重要门槛。他说：“尽管人工智能系统在匹配人类顶尖科研成果方面仍有很长的路要走，但自动化的研究时代已悄然到来。”
加拿大滑铁卢大学心理学院教授、智慧与文化实验室主任伊戈尔·格罗斯曼（Igor Grossmann）对本报记者表示，使用“AI科学家”可以减少社会科学部分领域的争议，有助于将其中模糊的叙事理论清晰化，从而使人类科学家更具责任感，使科学更具累积性。但他同时提到，虽然人工智能已经可以部分完成数据审计、内容分析以及同行评议等任务，但这不一定标志着科研完全自动化时代的到来，因为大多数环节仍需要人类科研人员在事实依据或可靠性验证的基础上，对研究过程的每一步进行监督和细致、系统的审核。
苏萨拉也表达了类似的观点。在她看来，现有人工智能系统可以替代人类科学家完成部分任务，如生成假设、解读数据以及构思研究方向，但仍存在人工智能幻觉风险以及缺乏深层语境知识等问题。“距离实现人工智能自主科研的时代还很遥远，科研人员仍需加入评估环节，检验‘AI科学家’如何论证假设。”
增量性贡献超过根本性创新
在克拉默看来，自动科研系统的出现给许多国家的科研体系带来了巨大压力。过去十年中，提交至学术期刊的论文数量的增长速度远超同行评议者的供给，这引发了人们对发表体系“不堪重负”的担忧。如果像Fars这样的系统每年能提交数千篇论文，科研出版基础设施将面临前所未有的数量压力。有些乐观人士认为，随着论文投稿数量持续上升，人工智能可能会促使学术界摆脱对量化指标的依赖，转而关注出版物的影响力或创新性。这也是长期以来科研评价体系的批评者所呼吁的改变。但从悲观的角度看，随着人工智能在科研领域的拓展，其增量性贡献所占比例有可能超过根本性创新，这会导致科研成果质量和原创性受到损害。
当前的“AI科学家”类人工智能系统在很大程度上受限于其训练数据的局限性，它们的“创新”常被质疑为对现有知识的高效重组，而非真正的范式变革。在谈到“AI科学家”是否存在过度依赖历史数据，可能导致将人排除在人类科学探索尚未开拓的前沿之外时，苏萨拉认为，“AI科学家”确实有可能将科研人员困于既定模式中。对“AI科学家”而言，提出突破性的科学论断几乎是不可能甚至可以说是完全无法实现的。但格罗斯曼认为，科研人员的研究模式其实也是如此。主要问题不在于训练数据本身的边界，而在于大多数“AI科学家”都依赖相似的人工智能模型，这严重限制了科学进步和文化演进所需的观点多样性。
造成技能退化与过度依赖
过早地采用人工智能可能会逐渐侵蚀当前严谨的科研文化与科研人员之间的人际关系，韩国基础科学研究所高级研究员洪成浩（Sungho Hong）等人近日在对话网发文称，这首先体现在科研人员核心思维能力的退化上，因为他们越来越多地依赖人工智能完成科研工作。处于职业发展早期阶段的科研人员更容易受到伤害，因为他们正处于培养推理能力的阶段。人工智能流畅、自信且即时的回应很容易被误认为是权威信息，一旦科研人员开始将人工智能输出的内容默认为正确的，对信息进行判断的责任便可能逐渐从科研人员转移到机器身上。
格罗斯曼表示，虽然人工智能犹如一支不知疲倦的科研助理队伍，能够协助进行实证分析、数据交叉验证甚至可能开展大规模的模拟研究，但是，在人工智能的帮助下，任何人都会“感觉”自己可以进行“自主研究”，从而导致研究成果仅关注表面信息，科研人员技能退化、创造力下降，甚至由此可能会令人产生一种错觉——没有人工智能的辅助，就无法开展研究。不过格罗斯曼相信，无论人工智能模型给出何种建议，都是由人类作出最终决定，因此，他并不担心人类的决策和批判性思维会消失。只要人类仍掌握主导权，在关键决策中就会保持一定程度的批判性思维。
在洪成浩等人看来，人工智能提出的说服性论点主要源自其训练数据中的主流观点，这可能会取代更为严谨、耗时且富有创新性的研究方法，并导致过度依赖。科研人员每天与人工智能系统互动，检查计算机代码、修改图表、撰写项目申请文本、澄清科学概念，有时还会寻求个人建议。如果现实中再受到缺乏同事指导、反馈延迟等因素的影响，科研人员对人工智能的依赖会进一步加剧。
对于“AI科学家”能够引发人类科研人员情感上的哪些变化以及是否有可能取代目前科研人员之间的人际关系，格罗斯曼认为，这取决于人们是将人工智能当作工具，还是将其视为真正独立的主体。当科研人员开始信任人工智能助手时，它便不再只是一个简单的工具，而更像一位陪伴者。这种现象也带来了情感依赖的风险，例如，ChatGPT-4退役时，许多用户展现了悲伤的情绪。
保持科研人员与人工智能间的健康关系
“人工智能可能取代办公室或实验室中的人际关系。”洪成浩等人认为，人工智能可随时调用、不带评判、不具有竞争性，对人际关系漠不关心，也不需要维护自尊。它可以适应个人的工作方式，并在不产生社交成本的情况下提供令人安心的保障。而人与人间的关系更为复杂，涉及差别、批评、时间限制、等级制度等，有时还隐藏着其他动机。对处于职业生涯早期的科研人员而言，这些因素尤其令他们感到风险重重。这些科研人员或许有理由更倾向于通过人工智能来验证其想法，而不是向同僚或上级求助。
洪成浩等人表示，科学界若没有反对意见、激烈的争论以及严谨的指导，就无法蓬勃发展。如果人工智能开始取代以上因素，将会威胁到一直以来科学进步的基础。鉴于近期科研人员与人工智能助手合作的紧密度日益上升，青年科研人员应了解依赖人工智能的风险。同时，也需要设立评估标准，以严格测试人工智能在与用户建立界限方面的能力，防止引发过度依赖及其他不健康的互动行为。总的来看，人们要意识到这一点——人工智能将长期存在，因此应该学会尽可能地与其保持健康的关系。
“为了更好地促进人工智能的发展、管理人工智能与科研人员间的合作，人们需要为人工智能提供特定形式的元认知能力，使其能够更加关注知识论上的局限性，并具备情境敏感性。”格罗斯曼解释说，这些是实现有效协作的基础要素，在人工智能与科研人员角色不断变化、知识持续更新以及人们需要协调不同观点时，这显得尤为重要。苏萨拉认为，科研人员将受益于大规模数据集、基础模型以及相关技能培训，在人工智能辅助科研的时代中取得成功。人工智能可以推动科研流程中某些环节的自动化，提升研究的透明度和可重复性，从而增强人们对科学方法的信任。
中国社会科学报记者 王俊美
来源：中国社会科学报
责任编辑：姚晓丹
新媒体编辑：程可心
如需交流可联系我们
热门跟贴