随着人工智能技术加速渗透至各个领域，科研人员和政策制定者越来越多地尝试利用基于科学数据训练的模型来回答科学问题。在这一背景下，“人工智能能否最终取代科学家”的讨论不断出现。

2025年11月24日，美国特朗普政府签署行政命令，宣布启动“创世纪任务”（Genesis Project）。根据该命令，该计划拟在联邦科学数据集基础上构建并训练一系列AI代理，用于“测试新假设、自动化研究流程并加速科学突破”。

目前，这类被称为“AI科学家”的系统在实践中的表现并不一致。一方面，AI能够处理规模庞大、结构复杂的数据集，并从中识别出人类研究者难以察觉的细微关联。另一方面，这些系统在常识推理方面存在明显不足，可能给出与现实条件不符或与研究目标关联有限的实验建议。

有观点认为，人工智能可以在科学研究流程中承担越来越多的任务，甚至推动科学走向自动化。但从科学史和科学哲学的角度看，这一设想存在诸多限制。一名长期研究科学历史与概念基础的哲学学者指出，认为AI系统能够在不依赖人类、甚至优于人类的前提下“从事科学”，在理论和实践层面都存在问题。

依赖人类知识体系的AI模型

该学者强调，当前的AI模型并非直接从现实世界中“自发学习”，而是必须在由人类设计者构建的框架内运行。模型所依托的数字“世界”——即用于训练和测试算法的数据集——由人类科学家采集、整理和标注。如果缺少人类对这些数据世界的搭建和监督，AI难以在科学研究中取得实质性突破。

蛋白质结构预测模型 AlphaFold 被视为这一点的典型案例。其开发者因相关工作获得2024年诺贝尔化学奖。AlphaFold 能够推断人体细胞中蛋白质的三维结构。由于大量生物功能依赖蛋白质，这一能力被认为有望加快药物设计、疾病机理研究以及其他生物医学领域的进展。

不过，从知识生产的角度看，AlphaFold 的作用主要在于显著提升了对既有信息的分析效率，而非直接生成关于蛋白质、疾病或药物的新理论。该模型高度依赖一个由人类长期积累而成的庞大蛋白质结构数据库。

哲学家 Emily Sullivan 指出，要成为有效的科学工具，AI模型必须与既有经验知识保持紧密联系。也就是说，模型的预测需要建立在研究人员已经掌握的自然世界知识之上。这种联系的强度，一方面取决于某一研究领域已有知识的丰富程度，另一方面取决于模型开发者能否将高度技术化的科学概念和逻辑原则准确转化为代码。

在这一框架下，如果没有人类科学家在蛋白质结构领域长期积累的理论与方法论基础，AlphaFold 难以取得目前的成果。即便模型在技术上表现出色，其输出也只有在嵌入人类构建的知识体系后，才可能被视为科学进步的一部分。

科学具有独特的人类与社会属性

该学者进一步指出，人类科学家在研究过程中的作用，并不仅限于为AI模型提供合理的设计和扎实的知识基础。科学之所以被视为一种创造性活动，其合法性与权威性，与人类的能力、价值观和生活方式密切相关，而这些又植根于人类特有的思维、情感和行为方式。

在这一视角下，科学发现不仅是“有证据支持的理论”，也是多代科学家在共同规范和知识诚信要求下协作的结果。不同研究者带来的多元兴趣和视角，共同塑造了科学问题的提出方式和解决路径。科学成果通常并非单一“天才”的孤立产物，而是长期集体实践的结晶。

DNA 双螺旋结构的提出常被用作例证。最初提出这一结构假设时，并不存在可以直接验证的实证测试手段，该假设在很大程度上依赖于受过严格训练的专家的推理能力。从19世纪末期看似带有推测色彩的设想，到1953年获得诺贝尔奖的相关发现，中间经历了近一个世纪的技术演进和多代科学家的持续工作。

从这一过程可以看出，科学是一项高度社会化的事业。科学共同体内部持续进行观点交流与争论，不同解释并不总能被完全调和。多位科学哲学家曾指出，科学家群体更接近一个拥有自身规范和实践传统的“部落”，而非被动接收信息的个体集合。科学知识的形成，并非简单记录“事实”的累积，而是通过熟练实践、论证与辩论，以及在社会与政治价值影响下形成的共识标准共同塑造。

AI工具与科学家的关系

在上述背景下，该学者认为，AI系统的计算能力可以在科学研究中发挥重要作用，但其使用方式需要保持谨慎。

在科学界广泛参与和监督的前提下，“创世纪任务”这类大型项目有可能为研究人员提供有益工具。经过良好设计和严格训练的AI系统，可以在一定程度上简化甚至加快科学探究中偏机械化的环节，例如整合既有研究成果、辅助实验设计、优化数据收集流程以及为理论构建提供参考。

不过，如果相关项目的目标被设定为取代人类科学家，或试图将科学过程完全自动化，该学者认为，这种做法将使科学活动被简化为自身的“漫画式”版本。作为关于自然世界的权威知识来源，科学在根本上依赖于人类共同生活的现实，包括共享的目标、经验与期望。

在这一立场下，人工智能被视为可以提升研究效率的工具，而非能够独立承担科学实践全部内涵的主体。

作者：Alessandra Buccella，纽约州立大学奥尔巴尼分校哲学助理教授。本文根据其在 The Conversation 发表的文章整理。原文链接：https://theconversation.com/ai-cannot-automate-science-a-philosopher-explains-the-uniquely-human-aspects-of-doing-research-272477