科学家如何用编程“玩转”科研：先行者分享实战经验

本文以气候研究员Zeke Hausfather开发‘热螺旋动画’（thermal helix）为引子，生动展示了AI辅助编程——即所谓‘氛围编程’（vibe coding）——在自然科学领域的实际应用。这种新方式不依赖传统编码技能，用户只需用自然语言向AI工具（如GitHub Copilot、Claude Code、Gemini Code Assist等）提出需求，AI即可自动生成可视化图表、数据处理流程或完整应用程序。文中采访了多位背景各异的科研人员：零基础的分子生物学家Rosemarie Wilton借助AI独立完成废水病毒数据分析；基因组学家Manuel Corpas两天内用AI开发出开源生物信息学工具ClawBio，两周获5000次下载；理论物理学家Tim Hobbs将AI当作高效‘虚拟研究生’，快速试错多种数学建模方案；分析化学家Jesse Meyer仅用10分钟、4条提示词和2美元就构建出原本需数月开发的蛋白质组学分析流程。文章指出，AI编程显著提升科研速度与创意自由度，使网站搭建、动态仪表盘开发、跨软件自动化等成为可能；但同时也强调其风险：AI可能‘编造事实’（hallucinate）、产生错误代码或隐藏逻辑漏洞。因此，所有受访专家一致认为，AI是强大助手而非替代者——关键结果必须人工复核，统计原理与计算逻辑的理解不可被AI取代。文中还简要回顾了人机交互演进史（从打孔卡到高级编程语言，再到自然语言驱动的AI编码），并指出当前AI编码工具虽已接近人类代码质量（如注释清晰、结构规范），但其‘黑箱性’和可靠性仍需持续警惕。