AI 科学家这个词容易让人误解,好像模型能独立提出假设、设计实验、写出论文。真实情况要朴素得多,也更值得关注。

它现在能做什么?

最成熟的是文献处理:读几百篇论文,提取方法、数据、结论,找出彼此矛盾的地方。这件事人类做要几周,模型几小时。

其次是实验设计与代码:给定目标和约束,生成实验方案、写分析脚本、跑参数扫描。它不判断哪个方向值得做,但能把想清楚的方向执行得很快。

第三是写作与整理:把结果组织成结构化文本。这一环争议最大,因为写作往往被认为是科研的核心。

它不能做什么?

不能判断什么问题重要。选题依赖品味、依赖对领域的直觉、依赖知道谁在关心什么。这些目前还无法从数据里学出来。

不能承担失败。科研大部分时间在失败,模型不会因为一次实验失败而焦虑,也不会因此换一个更大胆的假设。它只会按指令重试。

不能署名负责。论文署名意味着对结论负责,这是社会契约,不是能力问题。

实验室里的真实分工是什么?

比较有效的模式是:人定方向、设约束、判断结果是否有意义;模型做检索、执行、整理。人从执行者变成判断者。

这个转变对研究者其实更难,因为执行有即时反馈,判断没有。很多人会用做实验来逃避想问题,模型恰好剥夺了这个逃避方式。

对年轻研究者意味着什么?

会读文献、会写代码、会做图,这些正在贬值。会提问、会设计对照、会判断什么结果值得追,正在升值。

别把模型当竞争者,把它当实验室里一个不知疲倦但不负责的助手。你用得好,它就放大你的判断;你判断不清,它就放大你的混乱。

最后一句:工具越强,品味越贵。

去论坛讨论

前往 ziyuanagi.com 论坛 参与讨论