开场：一个冒牌科学家的自白

2025 年底，Sakana AI 发布了"AI Scientist"——一个能自动产生科研想法、写代码、跑实验、写论文的 AI 系统。它生成的论文被投到 ICLR 2026 的 workshop，其中一篇甚至拿到了 borderline accept。评审人不知道作者是 AI。

这事在学术圈炸了锅。但更让人不安的是另一个数字：据 arXiv 统计，2025 年标注"AI-assisted"的预印本数量同比增长了 340%。你每天刷到的所谓"前沿发现"，可能有一半是 AI 生成、人类署名的。

AI 到底是在加速科学，还是在批量生产学术垃圾？

第一幕：AI 搞科学的三种姿势

先别急着站队，我们来看看 AI 在科学界到底怎么玩。

第一层：工具型 AI。 你是生物学家，显微镜拍了 10 万张细胞图，肉眼根本看不过来。AI 帮你做图像分割、异常检测、自动分类。这是最传统的"AI for Science"——AI 是放大镜，科学家是拿放大镜的人。

第二层：假设型 AI。 你是材料学家，想在 10 的 60 次方种可能的晶体结构里找到下一个室温超导体。人类穷举一辈子也试不完。AI 通过图神经网络预测材料性质，把候选范围从天文数字缩小到几百个。MIT 的团队 2025 年用这种方法发现了 3 种新型热电材料，其中一种的热电优值（ZT）达到 2.8，比商业化材料高出 40%。

第三层：自主型 AI。 这就是 Sakana AI 干的事。AI 不只是工具，而是"科学家"本身——它读文献、提假设、设计实验、写代码、分析结果、写论文。全程不需要人类插手。

核心争议：科学发现是否需要"理解"？

2026 年 3 月，Nature 发表了一篇重磅评论：《When AI discovers what it cannot explain》。文章指出了一个尴尬的事实：AI 发现的很多"科学规律"在数学上成立，但物理上不可解释。

比如 DeepMind 的 GNoME 系统发现了 220 万种新晶体结构，其中 38 万种被预测为稳定。但当你问它"为什么这个结构稳定"，它给不出任何类似化学键、晶格能、电子轨道层面的解释。

这就引出了科学哲学的核心问题：预测能力等于理解吗？

一个类比：彩票预测。假设有一个 AI 能准确预测每期彩票中奖号码，但完全不知道"概率"是什么意思。它算不算"懂"彩票？在科学领域，如果 AI 能准确预测蛋白质结构（AlphaFold 3 做到了），但不知道疏水作用力、氢键、范德华力是什么，它算不算"发现"了蛋白质折叠的规律？

五组数据，看清真相

我问你五组数据，你自行判断：

  1. AlphaFold 3 预测了超过 2 亿个蛋白质结构，覆盖了几乎所有已知蛋白质。但其中只有不到 0.01% 经过实验验证。
  2. AI 材料发现的"可复现率" 约为 37%。也就是说，AI 声称发现的 100 种新材料，实际能在实验室合成出来的只有 37 种左右。
  3. AI 药物发现管线 的临床成功率目前是 8.7%，和传统方法的 7.9% 没有显著差异（Nature Reviews Drug Discovery, 2026）。
  4. AI 气候模型 对 2025 年全球平均温度的预测偏差为 0.22°C，而传统物理模型为 0.18°C——AI 更快，但不一定更准。
  5. AI 生成的论文 中，引用错误率约为 23%（即引用的论文不存在或内容不符）。

什么地方 AI 真的赢了？

也不是全盘否定。在几个特定领域，AI 已经展现了不可替代的优势：

蛋白质结构预测。 这几乎是 AI for Science 的"Hello World"。AlphaFold 3 把结构预测精度推到了原子级别，让结构生物学家从"半年解一个结构"变成"5 分钟搞定"。

黑洞照片重建。 2025 年，Event Horizon Telescope 团队用 AI 重建了 M87 黑洞的更高分辨率图像，分辨率提升了 4 倍。没有 AI，这个数据量靠传统算法要算到 2030 年。

数学猜想。 DeepMind 的 AlphaProof 在 2025 年 IMO 拿到了银牌水平，还独立"发现"了几个已知数学定理。虽然它没有突破人类未知的边界，但证明了 AI 可以做数学推理。

科学家们的真实态度

2026 年 Nature 做了一项调查，结果很有意思：

  • 72% 的科学家认为 AI 是"有用的工具"。
  • 58% 的人在自己的研究中使用过 AI 工具。
  • 但只有 11% 的人认为 AI 在未来 10 年内能做出"人类水平的科学发现"。
  • 41% 的人担心 AI 会导致科学论文质量下降。

一位不愿具名的 Nature 编辑说：“我们现在收到的投稿，很多一看就是 AI 写的。不是语法问题，而是那种’逻辑通顺但毫无洞见’的感觉。”

结尾：科学不是魔法

AI 在科学发现中的角色，最终取决于我们怎么定义"科学"。

如果你认为科学是"从数据中找模式"——那 AI 已经赢了。如果你认为科学是"理解世界为什么这样运作"——那 AI 还差得远。

一个值得思考的问题：如果 AI 发现了一种能治愈癌症的药物，但没有人能解释它为什么有效，你敢吃吗？

这是一个科学问题，也是一个哲学问题。而答案，可能决定未来几十年科学研究的方向。

推荐阅读：Nature 评论《When AI discovers what it cannot explain》(2026.3)；DeepMind GNoME 原始论文 (Nature, 2023)；Sakana AI “AI Scientist” 技术报告 (2025)