人工智能（AI）对科研领域的席卷，正从数学、计算机等领域快速向材料、生物、医药等学科蔓延。当AI能倍增探索的广度与速度、降低试错成本，就代表它能洞悉科学背后的机理吗？一线科研工作者反复提醒，批判性思维与科学思辨是人类科研路上不能“外包”的功课。
AI做“同事”，科研能跑多快
北京中关村学院、中关村人工智能研究院研究员、博士生导师李承平的工作电脑上，同时打开8个工作项目，执行者全是AI智能体。
“AI增加了我们探索未知的底气。”李承平说，过去由于时间、精力有限，只能深耕一两个科研方向，很多有趣的想法来不及去尝试，如今有了智能体，仿佛多了一群能思考、调研、推进工作的助手，可并行推进多个方向。“智能体有时凌晨三四点还在帮我调整工作细节。”
清华大学冷原子量子计算实验室里，最近迎来一位不知疲倦的“AI实验工程师”——“白泽”智能体原子量子计算实验平台。科研人员用自然语言下达实验目标，便可交由AI自主完成流程规划、参数调节、数据采集、故障排查全链条工作。
清华大学物理系博士后、“白泽”平台的开发者张韬介绍，智能体落地后，能够让科研人员得以把宝贵时间转移到物理构想、方案设计与科学思辨上，推动量子科学探索向前迈进。
顶尖科学家同样成为AI的深度使用者。“我可怜的电脑日夜运行，我不得不给它买一个冷却器。”2013年诺贝尔化学奖得主迈克尔·莱维特坦言，自己近几年来每天都在使用AI，“人工智能不取代探索，而是倍增探索，让探索变得更快、更广、更便宜。”
遇事问AI，科研基本功会退化吗
积极拥抱AI的同时，李承平也鼓励学生使用AI。不过，这位坦言自己“九成拥抱AI、七八成信任AI”的青年学者，也有担忧——要警惕科研基本功因AI的熟练应用而退化。
“学生坦诚地告诉我，假如要准备在课堂上做文献分享，只要跟AI聊上几句，AI就把PPT做出来了，还能把PPT展示配套的讲稿都写好。”李承平担心学生们长期浸泡在被AI总结过的“二手知识”中，有些内容可能是错的，有的可能带着训练数据里的偏见，“如果同学们对这些照单全收，科研的根基就虚了。”
因此，她一边放手让学生用AI，一边守着几条“笨办法”：研究生的文献分享不再采用念PPT这样的形式，而是进行集体品读和头脑风暴——逐篇谈哪一部分真正有启发、哪处写法值得借鉴、哪个结论让人存疑，再围绕各自课题提出自己的新问题。“AI可负责进行论文筛选、推送新文献，但关键论文必须回到原文自己一手研读。”
这种对“二手知识”的警惕，并不限于文献阅读。张韬认为，不少科研人员使用AI时容易形成一种认知误区：看到AI输出完整结果，便默认已吃透底层原理。实际上，看懂现成答案和从零动手完成整个研究，所带来的认知深度截然不同。即便模型预测实验结果准确度很高，也不代表洞悉内在科学机理。科研人员必须仔细核查模型推理逻辑与结论的适用边界，不能直接全盘接纳。
中国科学院北京纳米能源与系统研究所研究员孙其君提醒，要避免陷入AI工具过度依赖陷阱。他认为，AI目前并不具备真正的原创思辨能力，长期交由AI完成课题构思、数据分析，科研人员独立推演、试错开拓的能力会逐步弱化，还会造成研究思路同质化，出现成果数量增长、颠覆性创新萎缩的局面。
AI接管执行，科研人靠什么立足
“执行”层面的科研工作正被AI接管，那么，科研人员靠什么安身立命？
作为顶尖科学家，迈克尔·莱维特给出了自己的答案：“问题比想法更重要。当AI让‘做事’变得成本低廉，提出好问题就成了关键。年轻人在持续提问的同时，学会承担风险，保持思辨精神并加以核实，将成为科研人员的核心能力。”
在李承平的博士生课堂上，传授知识的同时，辩论也是重要环节。“无论和老师辩论，还是与AI辩论，培养的都是AI时代科研工作者的核心能力——批判性思维。”在她看来，AI时代，提问、判断与担责的能力，将成为科研人员的安身立命之本。判别哪些方向是更具建设性意义的、哪些是博眼球的追热点式研究，并作出正确的选择，这种“科研品味”是科研工作者必须持续训练与培养的核心素养。
“工具越便捷，越要叩问自己，研究课题是源于科学本身的价值，还是仅仅因为更容易产出结果。”孙其君认为，AI时代科研的核心将是人机协同、各司其职：AI承担重复、海量、高速的标准化工作，人类牢牢把握创新与思辨的主导权，专注选题创新、逻辑研判、前沿突破，对AI产出做好质疑、审核。
（本文摘自北京日报第6版）
人工智能（AI）对科研领域的席卷，正从数学、计算机等领域快速向材料、生物、医药等学科蔓延。当AI能倍增探索的广度与速度、降低试错成本，就代表它能洞悉科学背后的机理吗？一线科研工作者反复提醒，批判性思维与科学思辨是人类科研路上不能“外包”的功课。
AI做“同事”，科研能跑多快
北京中关村学院、中关村人工智能研究院研究员、博士生导师李承平的工作电脑上，同时打开8个工作项目，执行者全是AI智能体。
“AI增加了我们探索未知的底气。”李承平说，过去由于时间、精力有限，只能深耕一两个科研方向，很多有趣的想法来不及去尝试，如今有了智能体，仿佛多了一群能思考、调研、推进工作的助手，可并行推进多个方向。“智能体有时凌晨三四点还在帮我调整工作细节。”
清华大学冷原子量子计算实验室里，最近迎来一位不知疲倦的“AI实验工程师”——“白泽”智能体原子量子计算实验平台。科研人员用自然语言下达实验目标，便可交由AI自主完成流程规划、参数调节、数据采集、故障排查全链条工作。
清华大学物理系博士后、“白泽”平台的开发者张韬介绍，智能体落地后，能够让科研人员得以把宝贵时间转移到物理构想、方案设计与科学思辨上，推动量子科学探索向前迈进。
顶尖科学家同样成为AI的深度使用者。“我可怜的电脑日夜运行，我不得不给它买一个冷却器。”2013年诺贝尔化学奖得主迈克尔·莱维特坦言，自己近几年来每天都在使用AI，“人工智能不取代探索，而是倍增探索，让探索变得更快、更广、更便宜。”
遇事问AI，科研基本功会退化吗
积极拥抱AI的同时，李承平也鼓励学生使用AI。不过，这位坦言自己“九成拥抱AI、七八成信任AI”的青年学者，也有担忧——要警惕科研基本功因AI的熟练应用而退化。
“学生坦诚地告诉我，假如要准备在课堂上做文献分享，只要跟AI聊上几句，AI就把PPT做出来了，还能把PPT展示配套的讲稿都写好。”李承平担心学生们长期浸泡在被AI总结过的“二手知识”中，有些内容可能是错的，有的可能带着训练数据里的偏见，“如果同学们对这些照单全收，科研的根基就虚了。”
因此，她一边放手让学生用AI，一边守着几条“笨办法”：研究生的文献分享不再采用念PPT这样的形式，而是进行集体品读和头脑风暴——逐篇谈哪一部分真正有启发、哪处写法值得借鉴、哪个结论让人存疑，再围绕各自课题提出自己的新问题。“AI可负责进行论文筛选、推送新文献，但关键论文必须回到原文自己一手研读。”
这种对“二手知识”的警惕，并不限于文献阅读。张韬认为，不少科研人员使用AI时容易形成一种认知误区：看到AI输出完整结果，便默认已吃透底层原理。实际上，看懂现成答案和从零动手完成整个研究，所带来的认知深度截然不同。即便模型预测实验结果准确度很高，也不代表洞悉内在科学机理。科研人员必须仔细核查模型推理逻辑与结论的适用边界，不能直接全盘接纳。
中国科学院北京纳米能源与系统研究所研究员孙其君提醒，要避免陷入AI工具过度依赖陷阱。他认为，AI目前并不具备真正的原创思辨能力，长期交由AI完成课题构思、数据分析，科研人员独立推演、试错开拓的能力会逐步弱化，还会造成研究思路同质化，出现成果数量增长、颠覆性创新萎缩的局面。
AI接管执行，科研人靠什么立足
“执行”层面的科研工作正被AI接管，那么，科研人员靠什么安身立命？
作为顶尖科学家，迈克尔·莱维特给出了自己的答案：“问题比想法更重要。当AI让‘做事’变得成本低廉，提出好问题就成了关键。年轻人在持续提问的同时，学会承担风险，保持思辨精神并加以核实，将成为科研人员的核心能力。”
在李承平的博士生课堂上，传授知识的同时，辩论也是重要环节。“无论和老师辩论，还是与AI辩论，培养的都是AI时代科研工作者的核心能力——批判性思维。”在她看来，AI时代，提问、判断与担责的能力，将成为科研人员的安身立命之本。判别哪些方向是更具建设性意义的、哪些是博眼球的追热点式研究，并作出正确的选择，这种“科研品味”是科研工作者必须持续训练与培养的核心素养。
“工具越便捷，越要叩问自己，研究课题是源于科学本身的价值，还是仅仅因为更容易产出结果。”孙其君认为，AI时代科研的核心将是人机协同、各司其职：AI承担重复、海量、高速的标准化工作，人类牢牢把握创新与思辨的主导权，专注选题创新、逻辑研判、前沿突破，对AI产出做好质疑、审核。
（本文摘自北京日报第6版）
