打开网易新闻 查看精彩图片

大家好,我是talk君。

一个博士生,熬了四年,最有成就感的事是什么?

不是想出了什么惊天的理论。是他终于能独立跑完一整套实验:设计、搭台、调参、处理数据、排除那些莫名其妙的干扰。这套手艺,是导师判断「这小子到底行不行」的底线。

打开网易新闻 查看精彩图片

现在,有人把这条底线给抽走了。

腾讯的首席 AI 科学家姚顺雨,前阵子在未来科学大奖周做了一场演讲。他抛出的东西,比「AI 又能干什么了」要扎心得多:科研里最先被 AI 替代的,不是思考,是做实验。

和你有什么关系

如果你或者你孩子在读研、读博,或者你关心「以后什么样的人算有真本事」,这篇就是写给你的。

因为 AI 动的不是某一台机器,是整个学术圈几百年来认定一个人有没有本事的办法。

1

AI 已经会自己做实验了

姚顺雨到底展示了什么。

他拿「逆向蛋白质折叠」举例。你听不懂没关系,我翻译成大白话:就是你想造一个特定形状的蛋白质,得反推出它的氨基酸序列该怎么排。

AI 怎么干的?先自己提出一串候选序列,再用工具去预测这串序列会折成什么形状,然后拿这个结果跟目标形状对比。不像?那就改方案,再来一遍。

注意,这不是一次性算出个答案。是像人一样,设计、检查、不满意、改、再检查。来回迭代了 17 轮,表现才明显变好。

打开网易新闻 查看精彩图片

你把这 17 轮想象成一个博士生在实验室里的样子就懂了。白天配一版样品,晚上盯着仪器跑,第二天早上发现结果不对,骂一句,回去改配比,下午再来。这一套流程,人走一遍要好几周,AI 走一遍是几十秒。而且它不累,不会因为你骂它就情绪失控,也不会因为连续失败三次就开始怀疑人生。

腾讯已经把这套蛋白质设计模型 HyInv 的权重和代码都公开了。也就是说,谁都能拿去用。

打开网易新闻 查看精彩图片

但姚顺雨自己加了一句实话:这些成果,主要发生在「更容易验证结果」的数字环境里。真实世界的实验,数据够不够、结果怎么验,还是硬骨头。

你看,他没有吹「AI 已经取代科学家了」。他讲的是一件更具体的事:在「提出假设、动手验证、修正方案」这条链上,AI 已经能跑起来了。

2

被替代的是「动手」,不是「动脑」

这才是关键。

我们一提 AI 抢科研饭碗,脑子里冒出来的画面是:AI 比人更聪明,想得更快,所以想出了人想不到的东西。

姚顺雨给的答案不是这个。他说,AI 在科研里替代的,是「动手」那部分。是做实验、跑计算、处理数据、排除干扰这些具体的操作。

为什么这部分最要命?因为在整个科研训练体系里,「动手」一直是验证一个人有没有真本事的最基本方式。

打开网易新闻 查看精彩图片

你怎么证明你不是纸上谈兵?你得自己跑过实验。数据出不来,你得查是哪个环节出了问题;结果有干扰,你得一点点排掉。导师看你行不行,很大程度上看的就是这个:你能不能独立把一件事从想法做到落地。

这套验证办法,用了几百年。现在 AI 把这条链路打断了。

一个博士生,如果让 AI 完成了 80% 的计算和分析,他算不算做了原创研究?他到底学到了什么?

这些问题,姚顺雨自己也没给答案。他把它们抛出来,说这才是真正的挑战。

3

学术圈的「入场券」要重新印了

顺着这个往下想,麻烦就来了。

学术评价体系的根基,一直建立在「动手验证」上。你发一篇论文,同行评审默认你亲自做了那些实验、跑了那些数据。你申请一个学位,答辩委员会默认你掌握了这套研究方法。

可如果 AI 替你跑完了流程,评审该审什么?

打开网易新闻 查看精彩图片

审你想得对不对?可想法也能借 AI 的。审你数据真不真?可数据是 AI 跑出来的,你未必说得清它怎么算的。审你有没有掌握方法?可「掌握方法」这件事本身,正在变得没法用老办法衡量。

这不是某一个学校的麻烦,是全世界学术圈都得面对的麻烦。因为这套「看你做没做实验」的判断办法,是全球通用的。现在它漏风了,可新办法还没影。

姚顺雨用了一个词,叫「品位」。他说,AI 时代最稀缺的科学家能力,是从一堆值得研究的问题里,选出真正该追的那一个。

打开网易新闻 查看精彩图片

注意,这恰好是「动手」之外的东西。不是会不会做实验,是知道该做什么实验。

他还有句话挺有意思:品位本质上是一种「计算式的启发式」,一定可以被学出来。但紧接着他又承认,现阶段要确认品位、选出值得追的问题,还是得靠大量人的判断。

翻译一下:连「品位」这种听起来最玄的东西,理论上都可能被 AI 学走。只是现在还不行。

那在这段「还不行」的窗口期里,人真正还能守住的,就是判断「什么值得做」。

4

真正的冲击,在训练端不在产出端

聊到这儿,我想把这件事跟你看过的那些「AI 大新闻」区分开。

我们以为 AI 对科研最大的冲击,是「更快地发现新知识」。是今天 AI 发现了一个新材料,明天 AI 预测了一个新分子,新闻标题一个比一个炸。

但姚顺雨给出的答案更隐蔽,也更根本:冲击的靶心,不在科研的产出端,在科研的训练端。

产出端的冲击,你看得见。AI 发了篇论文,AI 拿了个什么奖,大家惊呼一声。

训练端的冲击,是悄无声息的。它是一个学生再也不用熬那几个通宵去调一组参数了,是一个导师再也没法用「你跑过实验没有」来判断学生了,是整个学术圈认定「你有没有真本事」的那套老办法,突然失灵了。

姚顺雨自己把这话说得很明白:真正的挑战在社会和组织层面,不在技术层面。

技术能做的,AI 都在做了。难的是,人得重新发明一套办法,去回答一个老问题:这个人,到底行不行?

我们这代人,对「有本事」的想象,很大程度上还停留在「动手能力」上。

会修车的师傅有本事,能做实验的博士有本事,写得一手好代码的工程师有本事。这些本事的共同点是:你得亲手做,做不了假。

AI 正在把「做不了假」这件事,一件一件变成「AI 也能做」。

打开网易新闻 查看精彩图片

这不是说人没用了。是说,人得换个地方证明自己的价值。从「我会做」,挪到「我知道该做什么」。

这话听着轻巧,做起来是要命的。因为「我会做」是可以练的,你熬几年总能上手。可「我知道该做什么」练不出来,它靠的是你见过多少、想过多少、踩过多少坑。前者拼的是勤奋,后者拼的是见识。而见识这东西,恰恰是最难速成的。

对每一个还在念书、还在带学生、还在用老眼光判断「谁有真本事」的人来说,这个挪动,可能比想象中来得更快。

下次你再听到「AI 又攻克了什么难题」的新闻,别急着惊叹。先想想另一个问题:那个难题背后,是不是又少了一个需要人亲手去做的环节。

那些环节,曾经是我们认定一个人有没有本事的全部依据。

关注一刻 talks。我们不追 AI 的炫酷新闻,我们只帮你盯住那些「改变规则」的瞬间。

本文章谨为商业研判,不构成任何投资建议