首页>要闻
有了AI，科研能力会退化吗？
来源： 2026-10-14 21:51
当AI越来越深地介入科研，一个问题吵得越来越热：人的科研能力，会不会因此退化？
几位一线科研人现身说法，观点“针锋相对”——当然，争的不是“用不用AI”，而是：哪些交给AI，哪些必须留给人？

北京亦庄一家机器人4S店内，人工智能全骨科手术机器人在进行手术演示。新华社发

用AI做科研，人会不会变懒？
正方：会。把思考权全交出去，独立能力必然退化。
“分界线不在于是否使用AI，而在于把什么交给AI。”中国矿业大学〔北京〕机械与电气工程学院教授叶涛直言，文献初筛、代码辅助、数据整理，可以在人工复核下交给AI；候选算法、候选方案，也可让AI帮忙产生。但“为什么研究这个问题”“真正的科学问题是什么”“为什么选这条路线”“实验究竟能证明什么”“结果为什么可信”“最终应该相信什么”，不能完全交出去。他认为，这是科研人员必须承担的“认知责任”。
“如果科研人员把问题定义、因果推理和学术判断一并外包给AI，长期看，独立思考能力必然存在退化风险。”在他看来，AI不会让所有人整体变强或变弱，而会加剧分化：有人效率高却独立能力低；有人自己定义问题，让AI提供候选，再让AI攻击自己的结论，思考反而更深。
反方：不会。AI在进化，而人驾驭AI的能力也在进化。
“AI不是对人的科研能力的替代，更不会导致能力退化。”福建医科大学药学院副院长陈晓乐认为，AI推动的是科研能力迭代升级。
他举例，天然多肽发现过去主要靠“活性追踪+逐级分离”，拿到一条纯度达标、结构明确的活性肽，快则数周，慢则数月。AI辅助虚拟筛选融入后，可在早期预判哪些组分、序列值得重点攻关，实现研究资源精准配置。
但他强调，科研判断绝不能建立在“黑箱”式结论上，工具要可复现、可回溯、有算法依据。“工具在进化，科研能力的定义也在进化。这不是退步，而是新时代科研人员的必然适配与主动进化。”

2026世界人工智能大会上，参观者在参观一节点服务器样机。新华社发

让AI想选题，人还会提问吗？
正方：会。AI能凑选题，人却不会丢掉问题意识。
“AI给出的框架结构完整、措辞周全，但细读发现，很多‘创新点’是对已有工作的排列组合，缺少对工程实际的深入体察。”西北农林科技大学水利与建筑工程学院副教授罗滔说，真正有价值的问题，往往来自现场，包括一处异常裂缝、一组不合常理的监测数据。这些“不对劲”的信号，只有在坝上、在试验台前反复观察和思考才能捕捉到。他认为，AI擅长在已知中寻找关联，却不具备结合领域经验与理论框架进行创造性思考的能力。
“如果研究者把‘提出问题’这一最关键的认知环节也交给算法，科研就可能沦为‘数据驱动的知识搬运’。”他提醒，问题意识的退化是渐进的、隐蔽的，“真正定义一个科学家的，从来不是他擅长使用什么工具，而是他追问了什么问题”。
反方：不会。AI越会反问，人越能思考出新问题。
“大模型不是替我解决问题，而是随时对话的‘科研帮手’。”中国科学院大学博士生导师陈曦说，它帮自己看见思维盲区，有时还会冒出新的科研点。
配准精度上不去，他会继续追问：“如果误差不是随机的，而是系统偏差呢？”AI顺着假设列出切片顺序、成像畸变、染色差异、机械漂移等可能来源，提醒他不能只盯配准算法本身。问着问着，就可能冒出新想法：能不能把局部配准放进全局一致性框架？能不能利用跨层几何约束抑制误差累积？“这些念头未必都对，但可能成为新的科研点。”陈曦强调，当然AI可能虚构文献、遗漏条件，任何由AI激发的想法，最终都必须回到实验和数据中检验。“真正难的，是不断确认：我们有没有问对问题？有没有掉进局部最优？”

观众在第23届中国-东盟博览会上了解多语言AI透明屏。新华社发

AI给的答案，人该不该相信？
正方：不应该。习惯采信AI，审辨判断会萎缩。
“当AI的输出越来越像正确答案，人是否还会审辨和判断，还是已经习惯不假思索地采信？”中国计量科学研究院几何量所研究员缪东晶的担忧很直接。已有论文被查出大量AI虚构参考文献，虚假引文率攀升。AI正以越来越快的速度批量生产真假结论，甄别真伪、修正错误、整合洞见的重担落在人类身上。
他说，判断力本质上是人拥有AI所没有的上下文——靠长期动手积累，因此能够识别看起来正确、实际上行不通的东西。“一旦习惯直接采信AI输出，不再亲自走一遍数据核查、逻辑推演的完整路径，上下文便会萎缩，最先受损的是‘感知哪里可能有错’的能力。”他强调，验证不能省略，要成为固定工序。“答案如潮，审辨如堤——审辨不失，方能使AI发挥更大价值。”
反方：应该，但不够。AI正在重写科研底层逻辑。
“AI带来的已经不是‘算得快一点’，而是正在从根子上改变我们做科研的方式。”中国科学院高能物理研究所特聘青年研究员张正德说，大科学装置数据规模达到PB甚至EB量级，仅靠增加人力和算力已难突破瓶颈。为此，他们搭建高能AI平台，推动AI成为可复用、可共享的新型科研基础设施。在高能同步辐射光源上，X射线吸收谱三维结构的解析时间，从数小时缩短到秒级。散裂中子源智能体融合大模型、专家知识和专业精修软件，能自主调整参数和策略，形成“决策—执行—评估”循环，精修结果达到人类专家水平，效率提升约5倍。
“科研人员从逐步执行和协调具体任务，转向把握研究方向、设定物理约束、在关键环节作出判断。”他认为，AI正在倒逼我们把过去藏在经验里、说不清楚的东西显性化，变成模型、规则和约束，推动科研流程闭环迭代、研究方式人机协同、科研体系平台化组织。

河北雄安城市计算中心。新华社发

三组交锋，指向同一追问：
哪些问题该交给AI？
哪些能力必须留给人？
你觉得呢？

来源 光明日报全媒体

热点新闻
    推荐新闻
    早安象山 | 双塔映蓝海，帆影入清光