前言

看来，科学家的饭碗也要被AI给抢了！

谁敢想，以后做实验、发论文可能都不用真人科学家了。

最近，西湖大学搞出的AI科学家，只用两周时间，就干完了人类科学家需要花三年才能完成的科研项目。

这可不是简单的辅助，而是从定目标到做实验全都不用管。

看来这回，该担心抢工作的不只是流水线工人了。

“知识迷信”：AI想当科学家，最难跨过的坎儿

可能有人觉得，AI不就是计算快、知识多嘛，让它搞科研肯定厉害，但其实这事儿没那么简单。

创造一个聪明的AI和创造一个能推动科学进步的“科学家”，完全是两码事，这里头还最大的难关，有个说法叫“知识迷信”。

打个比方，这就像咱们人，一旦认准了个老理儿，就很难改变，AI也一样，甚至更固执。

传统的AI，把它学过的东西都当成绝对正确的真理，拼命维护，不懂得变通，而现在让它去发现新知识、挑战旧理论，那可太难了，这样的AI，更像一个死记硬背的“好学生”，不像个敢于打破常规的“科学家”。

真正的科学进步，往往不是靠往旧知识里添砖加瓦，而是需要“范式革命”，科学哲学家托马斯·库恩说过，这就好比以前大家都认为地球是宇宙中心，所有天文观测都绕着这个理论修修补补。

但当问题多到补不过来的时候，哥白尼的“日心说”就带来了天文学的革命，后来的发现，都是在“日心说”这个新框架下进行的了，而打破旧框架，是最难的一步，现在这个叫DeepScientist的AI，据说就能迈出这一步。

DeepScientist 开源界面

它凭啥叫“科学家”？关键在于不迷信、只信实验！

那么，这个DeepScientist有啥不一样，能配得上“科学家”这个名号呢？关键就在于，它的“脑子”设计得不一样，天生就是个“权威反叛者”。

第一，它没有“圣经”，知识随时能推翻。

普通AI有个固定的知识库，像本不能怀疑的圣经，但DeepScientist的知识是活的、临时的，一部分是从网上抓的最新论文，另一部分是自己独家的“实验记忆本”，里面记满了每次尝试的成功和失败，最重要的是在它眼里，哪怕是最顶尖期刊发表的成果，也不是绝对真理，它生来的目标就是去超越这些“最高水平”。

第二，它只认实验数据，不认“想当然”。

不管一个想法听起来多美妙，推理多完美，在DeepScientist这儿都不算数，它信的是科学最根本的原则：拿证据说话。

它的工作是个严密的死循环：提出想法 -> 自动写代码实现 -> 实际运行测试 -> 记录结果 -> 根据结果决定下一步。

实验成功了，就算和所有旧理论都对不上，它也认；实验失败了，理论再漂亮也扔掉，这就避免了人类科学家常犯的毛病——总是不自觉地找证据证明自己是对的，而忽略了反面证据。

第三，它把失败当宝贝，还能自己打自己的脸。

它的“实验记忆本”里，失败记录比成功记录还宝贵。哪次代码崩溃了，哪个方法效果差，全都记得清清楚楚，这些失败就成了它的“避坑指南”，下次探索就能主动绕开。更绝的是，它连自己刚弄出来的东西都敢否定。

要是自己写的代码跑不通，它会启动调试程序，像老程序员一样自我检讨：“是不是我这行代码写错了？”甚至怀疑：“会不会我最开始的那个想法就根本不对头？”这种连自己都敢怀疑、能推翻自己的能力，才是它最像科学家的地方。

实战见真章：两周颠覆一个领域，新思路让人惊叹

光说不练假把式，这AI到底做了啥研究呢？说来也接地气，就是研究怎么更准确地判断一篇文章到底是人写的还是AI写的。

在它出手前，人类科学家已经在这个领域忙活了三年，想尽办法把判断准确率从低到高，提升到了80分左右（AUROC分数0.8），但大家主要的思路也只是从语文角度分析，比如看用词习惯、语法结构对不对。

但DeepScientist“看”了这些成果后，觉得这条路快走到头了,因为AI现在写得越来越像人，在词汇、语法这些表面特征上很难区分了，它灵光一现想了个新招：为什么不把一段文字看成一段“信号”呢？ 这就像音频师听声音，不是听歌词唱啥，而是听声音里有没有杂音。

它发现，人写文章就像说话，有起伏有跳跃，有时还会用点生僻词，搞点小意外，而AI求稳，总挑最保险、最普通的词用，所以人类文章的信号“波动”大，AI的信号则“平稳”得多。

另外，人写文章是边想边写，会回头修改，这个过程也在“信号”里留下了痕迹。DeepScientist就据此设计了一个叫“时序熵特征提取器”的算法，抓住了这个关键差别。

结果短短两周，它自己设计、编程、测试，迭代了三代算法，不仅把判断准确率提升了将近8%，检测速度还快了一倍，人类花了三年积累的成果，它用一套全新的思路，两周就超越了。

Findings Memory 的工作机制

结语

看到这儿，您可能最关心的还是：科学家这碗饭，还吃得稳吗？

答案是，喜忧参半。未来，那些主要做重复性试错工作、缺乏创新思维的科研人员，压力肯定会越来越大，AI在效率和排除偏见方面，优势太明显了。

但是，对于那些最优秀的科学家来说，AI不是取代，而是超级助手。

科学家们可以从海量繁琐的试错中解放出来，把精力集中在最核心、最需要人类智慧的地方：比如，提出那个真正关键的、有价值的好问题，把握大的科研方向，进行深度的战略思考。

而DeepScientist再厉害，目前也还是一个强大的“问题解决者”，而那个最初的、开创性的“问题”本身，还需要人类来提出。

所以，未来的科研，很可能是一幅人类智慧与机器效率完美结合的新图景：人类负责“仰望星空”，指明方向；AI负责“脚踏实地”，高效探索。

这要求我们不断学习，提升自己提出问题和战略思考的能力，这样才能和AI科学家成为最佳搭档，而不是被它取代。