从给出答案到生产知识
人工智能正从整理和表达已有知识，转向提出新的科学结果。一个模型可能交付经过验证的定理、新的化学结构或疾病治疗候选方案，但人类仍可能无法理解它推导这些结果时所走的逻辑路径。答案是否正确、为什么成立、能否迁移到陌生问题，是三个不同的问题。科学进展不只涉及获得更多答案，也涉及人类能否理解答案的来由和适用范围。
科学问题为人工智能训练提供了相对明确的反馈。文案是否有说服力往往取决于主观判断；数学证明则可以按逻辑规则逐步检查。模型尝试复杂证明时，违反逻辑的步骤会被判定失败，强化学习可以据此调整推理过程。科学研究中可检验的目标有助于训练模型形成更可靠的推理能力；同时，人工智能也能帮助研究者处理更复杂的问题。
大型技术公司进入基础研究，一方面可能看重药物研发带来的商业收入，另一方面也希望借助重要成果和大型项目吸引高水平人才。除此之外，科学问题还有训练层面的价值：它们能提供相对客观的反馈。营销文案好不好，通常没有数学证明那样明确的判定标准；数学和部分科学问题则可以把模型的步骤与规则对照，指出推导在哪一步出错。模型因此不只是预测一个听起来合理的下一句话，而是必须满足可检验的要求。
这并不意味着系统已经进入完全自主、不断自我改进的循环。研究者仍需设定参数、设计模型架构并选择研究问题，还要建设和运行大型计算设施。前沿通用模型的算力投入很高，小型高校实验室难以独自承担，科学研究资源因而越来越集中在能够提供基础设施的少数大型机构手中。
正确性、解释与知识迁移
科学结果可以从三个层次评估：结果是否正确，能否解释它为什么成立，以及相关理解能否迁移到新的情境。形式化验证能够确认数学定理或某个结构是否满足明确规则，却无法自动给出便于人类使用的概念。如果一种治疗方案确实在临床试验中有效，不应仅仅因为模型的推导路径难以解释就拒绝它；准确而有用的预测对社会有实际价值。与此同时，单个结果的实用性和科学整体是否进步，仍是两个需要分别考察的问题。复杂问题的研究过程也会催生新的工具和思维方法；例如，微积分最初为理解行星运动提供了数学工具，后来其应用远超最初的问题。
如果只确认某条规则有效，却不理解它的机制和边界，就难以判断它在什么条件下会失效，也难以将理解带到物理学、工程学或其他陌生问题中。数学对象可以在规则体系内证明，生物系统则必须面对真实细胞中的复杂变化。因此，模拟结果符合模型内部规则，并不等于现实世界已经证实。
生物研究从观察走向设计
人工智能模型 EVO2 展示了序列分析能力扩展后的研究方式。该模型使用来自十万多个物种的 DNA 数据进行训练，能够分析最长约一百万个碱基对的生物序列。较早的序列模型更像一本词典，一次读取一个遗传“词语”或一小段片段，容易错过更长范围的上下文。EVO2 可以利用大量进化历史学习生物序列之间的“语法”，识别远处的序列变化如何共同影响蛋白质结构和实际功能。一个位置的改变，可能需要另一个相距很远的位置同步变化，否则整个结构就会失效。长序列建模让系统能够处理更大范围的关联，而不只是逐个判断短片段。模型由此可以提出设计层面的改动，例如在序列中调整一处，同时考虑远端位置是否需要配合，以免破坏蛋白质结构。它提供的是基于所学模式生成候选方案的能力，并不意味着每一种设计都能在真实生物体内发挥预期功能。研究人员据此提出新的蛋白质设计或药物候选物，其中一些可能并不存在于自然界。
“虚拟细胞”则是用计算模型预测细胞对疾病或治疗的反应，以便先在模拟环境中比较假设、安排后续实验。这种方式可以帮助研究人员筛选实验优先级，但模拟本身不能证明生物效果。人工智能提出的候选药物仍需经过实验室研究、动物模型和临床试验，才能判断是否有效、安全并适用于治疗。为了说明筛选压力，可以设想模型在一个星期二下午生成一万个看起来很有希望的化合物；研究者的工作就不再是从零产生想法，而是从这万个候选中判断哪三个值得投入五年时间和数百万美元进行现实实验。这个例子表达的是选择任务的规模和成本，不代表每个项目都会产生同样数量、周期或经费。要选出优先验证的少数候选，需要结合可行性、预期价值、已有证据和实验条件作判断。模型生成的可能方案越多，研究人员越需要决定哪些方案值得投入有限的实验资源；现实世界中的判断能力不会消失，而会成为筛选过程的关键瓶颈。
研究产出增加，探索范围却可能收窄
一项涉及超过4100万篇自然科学论文的研究发现，使用人工智能工具的研究人员发表论文更多、获得的引用也更多；与此同时，研究主题的整体范围缩小了近5%，研究工作之间的交叉联系和相互借鉴减少了22%。个人产出提高，并不必然带来整个科学领域探索面的扩大。
人工智能主要从已有文献和数据中学习，更容易围绕记录充分、模式密集的领域整合信息并形成假设。这提高了在成熟方向上推进研究的效率，也可能使研究资源继续流向容易形成成果的题目。对于尚未充分研究、缺少现成数据的问题，模型较难提供同等程度的提示。导航软件可以让每个人更快到达目的地，但当所有人都使用同一套路线，车流也可能集中到相同的道路上；它会优化已知路线，却不会自动鼓励人们探索没有现成路线的区域。高个人生产力不必然让整个科学生态更丰富，因为许多人可能被带向同一条高效路径。若评价制度本就强调论文数量和发表速度，研究者就可能更少投入时间探索陌生问题。
写作提速后，核验仍需要时间
人工智能降低了撰写结构完整、语言流畅的论文和申请材料的成本，也能帮助非英语母语者表达研究内容。与此同时，审阅方法、核对数据和判断结论仍要投入专家时间，审查能力并未随写作速度一起提升。研究者撰写文章可以快很多，但同行评审仍要由专家花数小时甚至数天阅读方法、判断数据是否支持结论。生产文字的能力已经显著提高，核对论证的能力仍受专家时间限制。流畅、权威的文字还可能掩盖薄弱的研究基础，使读者误把表达质量当成科学质量。
工具可以协助发现文内矛盾、疑似图像处理问题或可疑引用，但研究是否新颖、结论是否重要，仍需要专家结合领域知识判断。人工智能可以参与客观检查，帮助找出可能的错误；它无法仅凭文字判定一项发现是否真正重要，或只是把已有想法重新包装。研究评价若只奖励论文数量，写作效率提升就可能放大原有的数量导向，就像只按每天发出的邮件数量考核员工，会鼓励快速发送而非认真思考。大学的晋升评审和科研资助也需要改变考量重点，让谨慎的重复实验、认真核对结果的工作，以及能够说明知识边界的失败实验都获得认可。要让科学记录保持可靠，评价机制还需重视结果复核、研究过程的验证。没有得到预期结果的实验，如果能说明某条路径为何不可行，也可能提供重要信息。若论文生成能力增长，而核验能力没有同步增长，可靠性不足的主张就可能不断进入科学记录。
人类职责转向设计探究
当人工智能承担更多数据整理、候选生成和文本撰写工作时，仅仅参与流程或批准结果，并不足以构成完整的科学研究。研究者需要选择值得提出的问题，设计能够在现实世界中检验假设的实验，理解所用模型的限制，并为研究成果如何应用承担判断责任。模型产出之后，还要明确实验能回答什么问题、需要哪些对照、结果如何判断成功或失败，以及在模型预测与实验结果冲突时怎样处理。不同任务需要不同的验证设计，不能把形式化证明、模拟和真实生物实验当成可互换的证据。研究者也必须判断结果应用到真实世界可能带来的影响，并为这些判断负责。
人工智能可以使科学答案更丰富，却不能自动保证理解同步增长。衡量科学进展，除了统计论文和答案的数量，还要关注发现是否可靠、能否被理解，以及人类是否仍保有批判和提出问题的能力。
总述
人工智能正加速科学假设的生成、生物序列分析和论文写作，但模拟、形式验证与现实验证各有边界。研究产出提高也可能伴随主题集中和交叉联系减少。科学研究中的人类职责因此转向提出问题、设计验证、识别模型限制，并对应用负责；答案增加本身并不等于理解加深。