为什么没有人类参与，人工智能就做不好科学研究

本文围绕人工智能在科学研究中的角色展开深入讨论，核心观点是：AI正成为强大的‘科研协作者’，但绝非人类科学家的替代者。文章以两篇发表于《自然》杂志的研究为例——一是旧金山非营利实验室FutureHouse开发的AI系统Robin，针对干性年龄相关性黄斑变性寻找治疗方案；二是谷歌团队研发的Co-Scientist系统，用于老药新用治疗白血病、发现肝纤维化靶点，并成功独立提出细菌抗生素耐药基因共现现象的合理假说（与人类科学家十年探索结论一致）。两个项目均采用‘多智能体协同’架构：AI自动检索文献、生成假设、筛选分子、设计实验方案，但所有湿实验均由人类完成，结果再反馈给AI分析迭代。研究显示，AI可将整体研发周期缩短200倍。然而，文章强调这背后离不开人类的关键作用：从初始问题定义、实验操作、优先级判断，到持续监督AI输出（尤其防范‘幻觉’和数据误用）。作者进一步指出，完全自主的AI研究员尚不现实——不仅因技术上需大量智能体深度协同、长期专注与高效协作，更因科学本质依赖人类独有的能力：数十年积累的领域直觉、从失败中提炼的经验、跨学科联想、好奇心驱动的‘意外发现’、伦理权衡，以及对下一代科研人员的言传身教。最后，文章呼吁理性看待AI hype：既不应因悲观论调放弃探索AI赋能科研的潜力，也不应被宣传裹挟而忽视人类不可替代的价值；科研资助、出版与机构政策亟需适应这一新范式，始终牢记——科学进步的终极主体，仍是人。