科研成果的“暴力破解”时代：AI做实验，人类干嘛？

AI一天，科研十年

上周跟一个做药物研发的朋友聊天，他跟我说，他们团队用AI筛分子，三天找到了过去三年都没搞定的先导化合物。三天，对，你没看错。我第一反应是：你丫在逗我？可是他把数据甩过来，我沉默了。这他妈就是现实。科研成果，这个曾经依赖天才灵光一闪的东西，正在被算法硬生生弄成流水线。

AlphaFold2、GNoME……这些名字你可能刷到过，但未必理解它们有多离谱。就说AlphaFold2吧，2021年一出来，结构生物学界直接地震。以前解析一个蛋白质结构，博士生五年能搞定一个就谢天谢地了。现在？动动鼠标，分分钟。我有个搞晶体学的师兄，看到新闻那天，喝了一晚上闷酒，念叨着“白干了”。哎，也不全是白干——至少过去的经验能用来验证AI是不是抽风了。

然后是GNoME，去年DeepMind甩出来的。它一口气预测了220万种新材料结构，还说其中38万种稳定到能合成。什么概念？人类几百年攒下来的已知材料，大概也就20万种，它用几个月就翻了十倍。 这已经不是什么弯道超车，这是直接换赛道。

还有MIT那个叫Halicin的抗生素，名字够科幻吧？出自《2001太空漫游》的HAL。他们把几百万个分子扔给AI，它挑出这一个，能干掉那些连万古霉素都扛不住的超级细菌。实验验证了，确实管用。那会儿我兴奋得半夜给朋友发链接，结果他冷冷回我：急啥，从分子到药，没十年下不来。好吧，现实总在泼冷水。

那些被颠覆的常识

搞科研的人，过去靠什么吃饭？提出假设，设计实验，小心翼翼验证。就算运气好，也像在雾里摸索。可AI不跟你玩这套。它直接暴力计算，从海量数据里硬挖相关性，什么物理规律、化学直觉，它都不在乎，只认模式。这就好比考试的时候，你不用弄懂原理，背完题库就能拿满分，气不气人？

但我越来越觉得，这未必全是好事。因为AI给出来的答案，经常是“知其然，不知其所以然”。比如GNoME预测的那些晶体，好多计算上完美，但实验室里烧不出来，或者费半天劲烧出来了，根本不稳。你问AI为什么，它也只能摊手。于是我们陷入一种尴尬：科研成果噌噌暴涨，可解释的鸿沟也越拉越大。

说实话，有时候读那些AI辅助的论文，心里发虚。审稿人怕是也头大——图表花里胡哨，数据量大得吓人，但有没有人真能重复？去年《自然》有篇文章就吐槽，超过60%的生物医学论文用了AI，可复现出来的连一半都不到。 这趋势再演下去，科研会不会变成一种黑箱游戏？搞不好以后毕业答辩，学生直接说：老师，这个结论是AI给的，我也不懂，但p值很美。

狂欢下的冷思考

还有一个更阴暗的角落：造假。以前编数据还得会点数学，现在用ChatGPT随手能生成一篇看起来像模像样的论文，图表公式都给你配齐。去年不是闹过一桩吗？某开放获取期刊里，有篇讲可再生能源的文章，引言部分居然留着“作为一个人工智能，我认为……”——想笑又笑不出来。

数据污染就更要命了。AI吃进去的是人类喂的数据，要是数据里本来就藏着偏见或错误，它只会成倍放大。比如材料科学里，有人发现GNoME预测的一堆材料其实违反了基本热力学定律。这还算好的，至少能揪出来。万一是那种看着合理、实则错误的结论，流到下游应用里，后果想都不敢想。

那普通科研狗怎么办？我一个师弟，刚上博二，天天焦虑。他正做的课题，年初被人用AI三天跑完了，还用他梦寐以求的角度发了顶刊。他跟我说，感觉自己像在用算盘跟计算机比赛。我能理解那种无助感。可是，换个角度，如果脏活累活AI都能干了，人是不是该去做点更“人”的事情？比如问更好的问题，设计更巧妙的验证，或者干脆去质疑这个一味追求产出的体系。

扯远了。回到那个朋友，他后来跟我说，那先导化合物过了两个月还是黄了——体内毒性太大。你看，AI就算再快，也绕不开现实世界的复杂。科研成果的定义，是不是也该变变了？不再比谁快谁多，而是比谁更经得起推敲。

哎，写到这儿突然不知道该怎么收尾。可能本来就不该有什么结论。我只确定，这个时代，没人能再抱着老黄历了。