生成式人工智能(AI)开启了撰写论文、甚至协助评审的时代。在研究领域,AI生成的参考文献被引用于正式论文,AI撰写的评审意见送达研究人员,这些现象已不再令人陌生。


许多人都在问,AI能否取代科学家。然而,当下重要的并不是AI的能力。在谈论AI之前,我们有必要先回顾科学是如何发展至今的。


科学哲学家Karl Popper曾说:“科学的发展依靠的不是‘证实’,而是‘证伪(falsification)’。”无论有多少实验支持某个理论,都无法证明它是永恒的真理。相反,只要出现一个可重复验证的反例,就可能推翻既有理论。

实验室内,人类科学家与人工智能共同审阅论文的场景。ChatGPT生成图片

实验室内,人类科学家与人工智能共同审阅论文的场景。ChatGPT生成图片

View original image

因此,科学并不是一门不断创造正确答案的学问,而是一个不断质疑、检验出错可能性,并暂时接受经受住考验的解释的过程。因此,科学常被称为数据的学问,但更准确地说,它更接近一门“信任的学问”。


科学得以向前发展,离不开这样的信任:相信研究人员会如实记录实验结果,相信评审人员会不受利益关系影响地审阅论文,也相信其他研究人员会重复同一实验、验证其结果。


论文是向世人公布研究成果的最重要途径。但一篇论文并不意味着科学就此完成。只有经过其他研究人员的验证与重复实验,相关成果才能真正确立为新知识。


AI正在改变这一结构。生成式AI大幅缩短了查找文献、撰写摘要和起草论文所需的时间。事实上,2025年发表的一项研究分析了2010年至2024年间超过1500万篇生物医学论文摘要,发现自ChatGPT问世后,生成式AI常用的措辞在论文中急剧增加。研究团队还提出,2024年发表的科学论文中,至少有13.5%可能留下了AI辅助写作的痕迹。


然而,论文越多,越重要的就不是生产,而是验证。2023年,全球撤稿论文数量超过1万篇,创下历史新高;主要国际学术出版商也表示,AI时代论文验证的负担正在急剧加重。AI让论文写得更快,却没有同步提升阅读和验证论文的速度。如今全球学术界最担忧的也不是AI本身,而是无法应对这一局面的验证体系。


AI生成的虚假参考文献被纳入正式论文,而能够验证激增稿件的研究人员却日益不足。AI虽能减轻研究人员的负担,却也给科学数百年来维持的验证体系带来了新的压力。


那么,AI最终会取代科学家吗?


英国科学家兼哲学家Michael Polanyi曾说:“我们知道的比我们能说出来的更多(We know more than we can tell)。”这意味着,科学家的直觉、经验以及在失败中积累的知识,并不能仅凭论文或公式全部阐释清楚。优秀的研究者并非只是掌握大量数据的人,而是能够凭直觉判断该质疑什么、哪些结果异常,以及何时应该抛弃既有常识的人。


科幻小说《银河系漫游指南》中有一个著名场景,正是这一观点的象征:超级计算机经过750万年的计算,给出了宇宙终极答案——数字“42”。作者Douglas Adams表示,他选择这个数字是因为它“平平无奇、毫无意义”,意在营造荒诞幽默;但后来的科学家和程序员对此做出了别出心裁的解读。他们指出,在计算机ASCII码中,数字42对应星号(*),而星号在编程中常被用作“可以代表任何事物”的通配符,于是进一步解读为:“答案要由我们自己填入。”


然而,小说中提出问题的人物并不知道这个答案的含义。要理解答案,就必须先知道“终极问题”究竟是什么。这种尖锐的讽刺直指当下的AI时代。生成式AI无论多么精密、快速地生成答案(数据),读懂数据所蕴含的背景,并追问“这真的是最佳答案吗?”,进而探索新的方向,终究是人类的责任。AI可以阅读数千万篇论文、整合出答案,但很难说它已经学会了提出新问题的能力。


Newton看到苹果落下,便思索“它为什么会向下落”;Einstein则设想“如果沿着光前进,世界看起来会是什么样”。伟大的发现总是始于问题,而非答案。推动科学发展的,并非写论文最快的存在,而是那些始终不放弃最重要的问题、并对答案加以验证的人。



AI学习数据。但科学并不是一个信任数据的系统,而是一个信任验证数据的人们的系统。只要这种信任得以维持,AI就能成为出色的研究工具。然而,一旦这种信任崩塌,再多的论文和数据也无法继续推动科学前进。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点