当AI开始自己做科研：大学老师该站在哪一边？
你可能已经用AI改论文、做课件，但如果有一天AI能自己提出问题、设计实验、甚至写出完整论文，作为高校教师，我们的核心价值会变成什么？先从一个真实实验说起：有人编造了一种不存在的疾病”比克索尼马尼亚”并写成预印本，结果不仅多个主流AI系统信以为真，连依赖AI的人类研究者也开始传播这个假病 [1]。这个略带荒诞的案例，戳破了两种极端认知：AI既不是能替代所有科学家的万能神，也不是只会造句的玩具——它正以一种连续的、梯度式的方式，渗透进科研的每一个环节。
从”工具”到”同事”：AI在科研里的四个身份
要谈AI对大学科研和教学的影响，先得搞清楚：我们现在说的”AI做科研”，到底指的是哪一种AI？
一篇2026年的综述论文 Quo Vadis? Scientific Discovery in the Age of Artificial Intelligence 提出了一个很实用的分类框架：它不按算法门派划分，而是按AI在科研中的自主性高低，把科研AI分成了四个连续的层级 [1]。
最底层是专用科研AI（Specialized Scientific AI），也就是我们最熟悉的那种：为特定任务量身定做，比如预测蛋白质结构的AlphaFold、做量子化学计算的专用模型。它就像实验室里的高级仪器，你给它输入，它给你输出，不会自己决定做什么实验。
往上一层是科研AI助手（Scientific AI Assistant），比如帮你润色论文的工具、帮你检索文献的数据库助手。它能理解自然语言指令，处理一些开放性任务，但主动权完全在你手里——你不问，它不会主动干活。
再往上是科研AI智能体（Scientific AI Agent），这是最近两年爆发的新类别。你给它一个目标，比如”调研一下黄斑变性的最新药物靶点”，它能自己拆解任务：读几百篇论文、整理证据、提出假设、甚至设计验证方案 [1]。前面提到的Robin系统就是这类，它分析数百篇论文只需要30分钟，而人类科学家估计要花294小时 [1]。到这一层，AI已经有点像初级研究员了。
最顶层是混合AI实验系统（Hybrid AI Experimental System），也就是AI不仅在电脑里算，还能直接操控物理设备做实验。比如ChemAgents机器人化学家，能自己完成100次自动化实验，还发现了新的五元金属高熵催化剂 [1]。到这一步，AI已经从”动脑”延伸到了”动手”。
当然，实际情况比这个分层更复杂——很多系统是混合的，而且层级之间没有明确的分界线。但这个框架能帮我们跳出”AI能不能做科研”的二元争论，转而问一个更具体的问题：在你自己的研究和教学里，AI现在走到了哪一层？
真进展还是吹牛皮？AI在各学科的真实边界
光有分类还不够，我们得知道：这些AI在真实的学科里，到底能干到什么程度？
形式科学（数学和计算机科学）是AI进展最快的领域。AlphaProof Nexus结合大模型和Lean形式化工具，已经能自主解决多个埃尔德什（Erdős）级别的公开数学问题 [1]。原因很简单：数学的规则是明确的，对错有客观标准，AI和问题的结构能紧密耦合，自然容易出成果。
物理、化学、材料科学次之。AI在分子模拟、材料筛选这类”高维搜索”问题上表现突出，前面提到的机器人化学家发现新催化剂就是例子 [1]。但一旦涉及需要深层物理直觉的基础问题，AI的表现就大打折扣。
生命科学是目前AI应用最热闹、也最有实际价值的领域。除了大家熟悉的AlphaFold，Recursion平台推进的家族性腺瘤性息肉病候选药已经进入1B/2期临床 [1]。但论文作者也特别指出：AlphaFold的创造者自己估计，它只让结构生物学的效率提升了5-10%，而且这个估计还没有系统的指标支撑 [1]——换句话说，媒体宣传的”颠覆”和实际科研效率的提升之间，还有相当大的距离。
社会科学和行为科学的情况最特殊。AI在这里既是工具也是研究对象：一方面，你可以用AI分析文本、做实验模拟；另一方面，AI本身的行为就是社会科学要研究的新现象 [1]。而且社会科学的问题往往涉及价值判断和语境理解，AI的表现波动很大。
这里有一个很反直觉的规律：越”硬”的科学，AI越容易在局部环节替代人；越”软”的科学，AI越难独立产出可靠成果，但也越容易被用来”水”论文。 毕竟，数学定理错了一眼就能看出来，而一篇社会科学论文的论点是否站得住脚，本来就没有绝对标准。
幻觉、数据墙与自欺：为什么AI还成不了真正的科学家
看到这里你可能会问：既然AI进展这么快，是不是再过几年就没人类科学家什么事了？
恰恰相反，这篇综述用了很大篇幅讲AI的局限，而且这些局限不是”再堆点算力就能解决”的小问题，而是带有根本性的 [1]。
第一个局限是幻觉（Hallucination），也就是AI会一本正经地胡说八道。开头那个虚构疾病的实验就是最好的例子：AI不仅自己信了，还能”引证”出一堆不存在的研究来支撑它 [1]。更麻烦的是，现在的AI没法区分哪些信息是可靠的，哪些是垃圾——它本质上是在统计”哪些话听起来像真的”，而不是判断”哪些话确实是真的”。2024年的一篇评论也指出，当前AI系统普遍缺乏可重复性、透明度和对机制的理解，很多时候不符合科学方法的基本要求 [8]。
第二个局限是数据墙（Data Wall）。AI的知识来自训练数据，而训练数据主要是已发表的开放获取文献。这带来两个问题：一是AI会继承现有文献里的所有错误、偏倚和不可复现的结果 [1]；二是真正前沿的、有价值的知识很多藏在付费期刊、企业内部数据和未发表的实验记录里，AI碰不到。这就意味着，AI越依赖现有文献，就越难做出真正颠覆性的发现——因为颠覆性的发现往往是推翻现有共识的。
第三个局限可以叫自欺（Self-Deception）：现在的AI系统普遍缺乏准确的自我评估能力。它不知道自己什么时候是对的，什么时候是在瞎猜 [1]。它会把自己编出来的东西当成事实，会高估自己想法的新颖性，会犯很低级的编码错误，实验设计也常常不严谨。更要命的是，基准测试里的好成绩，到了真实的复杂科研场景里往往会缩水——论文里明确指出，“基准测试表现不等于真实科研能力”，而且前沿模型在端到端科研任务上已经出现了性能平台和缩放收益递减 [1]。
这三个问题加在一起，就解释了为什么我们看到那么多”AI重大突破”的新闻，但真正改变科学面貌的成果却没那么多：AI擅长在给定规则下做高效搜索，但不擅长判断什么问题值得研究、什么证据值得相信、什么结论才算可靠。而这些，恰恰是科学研究最核心的能力。
从OECD框架到今天：我们对AI科研的认知走了多远
AI在科研中的角色变化这么快，我们对它的理解跟上了吗？
其实早在2023年，OECD就提出过一个评估AI驱动科学自动化的框架，当时的核心思路是：科学的目标是构建能预测现实世界的模型，所以AI科研系统的好坏，就看它预测实验结果的能力有多强 [6]。这个框架很朴素，把AI当成了”更好的建模工具”。
到了2024年，CERN的一个主题演讲把讨论推进了一步。演讲者提出，AI对科学的影响要从两个维度看：一方面，AI确实能提高生产力、降低成本，但也可能生产出大量琐碎甚至无关的”科研垃圾”；另一方面，AI可能促进跨学科的远距离合作，但也可能改变科研的组织方式 [7]。这时候大家已经意识到，问题不只是”AI能不能做科研”，而是”AI会把科研变成什么样”。
到了2026年这篇综述，认知又进了一步：它不再把AI当成一个外部工具，而是把它放在科研系统的内部，讨论人机之间的认知分工（Division of Cognitive Labour） [1]。也就是说，问题已经从”AI能帮我们做什么”变成了”哪些事该让人做，哪些事该让AI做，我们怎么重新分配认知劳动”。
三年三步：从”评估工具”到”反思影响”，再到”重构分工”。这个认知升级的速度，其实一点不比AI技术的发展慢。
人机认知分工：高校教师的不可替代性在哪里？
说了这么多AI科研的事，最后得回到我们自己的身份：作为高校教师，在这个AI越来越能干的时代，我们的不可替代性到底在哪里？
先看科研端。既然AI的强项是高效处理信息、执行明确任务，而弱项是判断价值、评估可靠性、提出真正新颖的问题，那么人类研究者的核心角色自然就向这几个方向集中：提出好问题、判断什么值得研究、设计研究的整体框架、验证AI输出的可靠性、把碎片化的发现整合成有意义的知识 [1]。换句话说，过去我们既要当”侦探”又要当”法官”，现在AI帮我们干了大部分侦探的活，我们得更专注于法官的角色——判断证据是否可靠，结论是否站得住脚。
再看教学端，这里的变化可能更深刻。现在很多老师担心学生用AI作弊，但更深层的问题是：当AI能随时给出答案的时候，我们教什么、怎么教？
2026年的一项研究提出了一个很有意思的”八模式AI参与分类”，它发现不同的AI使用方式对应完全不同的认知结果：把AI当”神谕”（Oracle）、直接要答案的模式，认知副作用最大；而”验证”（Verification）模式——也就是学生自己先做，再用AI检查——是唯一有正面认知效果的模式 [3]。更值得注意的是，研究还发现了一个巨大的”自评-行为差距”：人们说自己怎么用AI，和他们实际怎么用AI，几乎没有相关性 [3]。这给我们的启示是：与其禁止学生用AI，不如教他们怎么用对模式——把AI从”答案机”变成”校验器”。
另一项关于数学教育的研究也呼应了这个思路：研究者给大语言模型加了一层”教学法价值层”（Pedagogical Value Layer，PVL），通过四层提示架构约束模型，让它不直接给答案，而是通过提问引导学生思考 [5]。结果很成功：AI直接给答案的行为被有效抑制了，学生的推理过程反而被促进了 [5]。你看，AI本身是中性的，关键是我们怎么设计它的角色——是让它替学生学，还是让它帮学生学？
当然，这里面还有很多悬而未决的问题。比如，当AI参与的比例越来越高，论文的作者署名该怎么算？科研的创造力还是不是人类独有的？大学的评价体系，是不是还要按”发表了多少篇论文”来衡量一个学者的水平？这些都不是技术问题，而是制度和认识论层面的根本问题 [1]。
如果你只记住一件事
作为高校教师，我们最核心的价值从来不是知道多少答案——而是知道该问什么问题，知道怎么判断答案靠不靠谱，知道怎么把一个新手也教成会提问、会判断的人。
参考文献
- Quo Vadis? Scientific Discovery in the Age of Artificial Intelligence（arXiv、2026、全文精读）
- Toward Standardized Interactivity: An AI-Enabled Adaptive Speaking Task for Computer-Delivered Large-Scale Assessment（Language Testing、2026、仅摘要）
- The Eight-Mode AI Engagement Typology: Differential Cognitive Signatures and a Self-Report–Behavior Gap（SSRN、2026、仅摘要）
- A Decision-theoretic Framework for Adaptive Tutoring: Grounded Content Generation, Risk-controlled Delivery, and Formal Guarantees（SSRN、2026、仅摘要）
- Design and implementation of a pedagogical layer for large language models for mathematics education（UTE Teaching & techonology Universitas Tarraconsensis、2026、仅摘要）
- A framework for evaluating the AI-driven automation of science（OECD eBooks、2023、仅摘要）
- Keynote: AI in Science: Paradigm shift or a lot more of the same?（Zenodo (CERN European Organization for Nuclear Research)、2024、仅摘要）
- Artificial Intelligence Must Be Made More Scientific（Journal of Chemical Information and Modeling、2024、仅摘要）