AI科学家来了: 它能做实验、写论文, 但它能取代真正的科学家吗?

一种新型人工智能正在悄悄改变实验室的运作方式。

它不只是回答问题或生成文本，而是能够自主解读实验数据、设计分析方案、协调多个子任务并输出研究结论，整个过程几乎不需要人类插手。这种被称为“代理型人工智能”的技术，正在生物医学研究领域引发一场关于科学家未来角色的真实讨论。

Cedars-Sinai医疗中心计算生物医学系主任杰森·摩尔博士是这场讨论的核心声音之一。他在最新发表于《自然生物技术》的论文中系统梳理了代理型AI的现状与走向，并给出了一个既乐观又审慎的判断：这项技术将彻底改变科学研究的效率，但它不太可能真正取代人类科学家，至少目前不会。

一支跑在计算机里的研究团队

要理解代理型AI为什么不同寻常，得先理解它的工作方式。

传统的AI工具更像是一个高效的助手，你问它问题，它给出答案。代理型AI的逻辑完全不同，它更像是一支自我组织的研究团队：系统内部有多个专注于不同子任务的AI模块，它们相互协调、分工合作，共同推进一个复杂的研究目标。

摩尔把这种模式称为“计算机团队科学”，类比的是真实科研团队的协作方式，从生理学专家到数据分析师，从研究设计者到论文写作者，代理型AI试图在计算机内部复现这整套分工体系。

这不是纸面上的概念。摩尔表示，他实验室的研究人员已经能够借助代理型AI，在几天内完成原本需要数月才能完成的复杂软件工程和计算机编程项目。对于一个想法永远多于执行能力的研究者来说，这种效率提升是实质性的，他坦言代理型AI让他得以探索更多此前根本没有时间触碰的科学问题。

这种生产力的跃升，在当前的医疗研究环境下意义尤为突出。随着科研经费收紧、实验室运营成本持续攀升，能够用更小的团队完成更多工作，已经不仅仅是竞争优势，而是生存能力的问题。

效率可以被复制，但人类做的不只是效率

不过，摩尔对“AI取代科学家”这个论断保持着明显的克制。

他的理由并不是技术层面的局限，而是指向了一些更本质的东西。科学研究不只是数据处理和模式识别，它还需要管理人、建立信任、展现情感共情，以及在面对未知时提出真正有创造力的新假说。这些能力在一个运作良好的研究团队中不可或缺，而它们恰恰是当前AI最难复现的部分。

他说：“我还没有信心人工智能能完全取代我研究实验室里的任何人，也许永远都不会。”这句话来自一个每天都在使用这项技术、并对其能力有深入了解的人，因此分量不轻。

信任问题是另一道实际的障碍。与人类合作者建立信任，人类有几千年积累下来的社会机制可以依赖，但面对数十个同时运行的AI代理，你怎么知道它们各自在做什么？怎么验证它们的输出是准确而非错误的？在生物医学研究这个直接关系人类健康的领域，这个问题不是哲学层面的追问，而是必须解决的工程和伦理问题。

摩尔在论文中还提出了两个更宏观的挑战：其一是伦理护栏，如何确保由AI深度介入的科学研究，在涉及人类受试者时仍然将人的利益放在首位；其二是能源问题，大规模运行代理型AI所需的计算资源消耗巨大，在全球都在讨论碳排放的当下，这是一个无法回避的现实成本。

科学加速时代，人类的位置在哪里

如果代理型AI真的能让每个研究者的产出效率提升十倍乃至百倍，那么科学发现的速度将进入一个全新的量级。

这听起来是纯粹的好事，但它同时带来了一个深层的结构性问题：当大量的执行性工作可以交给AI完成，人类科学家的核心价值究竟应该体现在哪里？

摩尔给出的答案是：创造力、判断力和人文关怀。当AI负责跑数据、写代码、整合文献，人类应该将精力集中在提出更好的问题、做出更有洞察力的判断，以及确保科学研究始终服务于人类福祉这件事本身上。

在他看来，这不是人类被边缘化的过程，而是一次重新定义人类角色的机会，把科学家从大量重复性的技术劳动中解放出来，让他们得以专注于那些真正需要人类智慧的部分。

这个愿景能否实现，取决于研究界、监管机构和技术开发者能否共同建立起足够可靠的验证机制和伦理框架，确保AI产出的科学结果是可信的，而不只是快速的。

摩尔对预测未来保持谨慎，他说这项技术进展得太快，任何具体预测都可能很快被现实推翻。但他确信一点：六个月后，这个领域的面貌将与今天截然不同。

对于科学研究的未来，这既是一个令人兴奋的承诺，也是一个需要认真对待的警示。