AI科学时代:技术理性与认知边界丨上篇

作者 | 邵 青  教育管理学博士、旅美学者、企业家

AI科学时代正在到来，因为真正的变化已经发生，AI正在进入科学发现的内部。模型开始参与提出假设、设计实验、分析基因组、推理蛋白结构、筛选药物分子、重组科研文献，甚至参与研究路线的生成。AI已经从提高效率的工具，逐渐进入科学方法本身。

过去，人类用技术延伸体力，用机器放大生产，用计算机提高运算，用互联网连接信息。今天，AI开始触及人类更核心的能力，即认识世界、提出问题、组织证据、生成解释、寻找路径。由此带来的冲击，不能只放在产业竞争、公司估值或就业替代的层面理解。AI科学时代真正提出的问题，是技术理性正在走向何处，人类又该怎样理解自己的认知边界。

所谓技术理性，并不是一般意义上的技术进步，也不是简单的工具效率。技术理性是一种认识世界和改造世界的方式。它相信复杂现象可以被拆解，现实对象可以被测量，自然过程可以被建模，问题可以被计算，路径可以被优化。现代科学、现代工业、现代医学和现代管理，几乎都建立在这一逻辑之上。

技术理性的伟大，在于它不可把预知的世界变得可以把握。疾病可以被诊断，分子可以被设计，机器可以被控制，航天器可以被送入深空，生命过程可以被不断逼近和解释。没有技术理性，人类就无法从经验世界走向现代科学，也无法从手工文明走向工业文明。对技术理性保持警惕，并不意味着拒绝技术。恰恰因为现代文明离不开技术理性，人类才必须更清楚地意识到它的力量和限度。

在这条线索中，科学发现的组织方式正在改变。蛋白质结构被模型预测，基因网络被算法推演，药物分子被系统筛选，科研文献被大模型重组，实验路径也开始由智能体参与设计。自然世界正在被重新翻译成数据、参数、向量、结构、概率和模型。过去，科学主要是人类面对自然提出问题；今天，科学越来越成为人类与模型共同组织世界的过程。

这种变化最容易在生命科学中被看见。生命曾经是现代科学中最顽强、最复杂、最难被完全形式化的对象。蛋白质折叠、细胞调控、基因表达、疾病进展、药物反应，都充满层级、反馈和偶然性。今天，AI正在把这些复杂过程纳入可计算、可预测、可设计的模型空间。蛋白质不再只是实验室中的对象，也成为模型空间中的结构；药物发现不再只是经验和试错，也越来越依赖大规模筛选、模拟和生成；科学假设不再只来自研究者的直觉，也可能来自模型发现的隐藏连接。

这当然是人类理性的巨大胜利。AI带来的科学红利是真实的。蛋白质结构预测、药物筛选、材料设计、数学研究和复杂系统模拟，都可能因此加速。问题在于，当技术理性过于成功，人类很容易把方法误认为世界本身；当模型表现得足够强大，人类很容易忘记模型之外还有现实。AI尤其放大了这种倾向。AI擅长把世界变成问题，把问题变成模型，把模型变成优化任务。只要目标明确，AI可以快速搜索、计算、组合和生成。AI的力量来自冷静，也来自简化。

问题是，世界并不总是一个可以被完整建模的对象。生命不是纯粹的分子拼图，社会不是单纯的变量系统，人也不是一组可预测的行为数据。模型可以逼近世界，却不能替代世界；算法可以处理变量，却不能穷尽现实；系统可以给出最优方案，却不能自行判断这种“最优”是否值得追求。

所谓认知边界，指的是任何认识工具都有自己的有效范围。承认这种边界，并不是反对科学，也不是贬低AI。显微镜让人类看见细胞，却不能回答生命的意义；望远镜让人类看见星空，却不能决定人类应当如何生活；AI让人类看见更复杂的结构和可能性，却不能替人类承担目的、意义和责任。

AI科学时代最容易忽略的，正是这种边界。一个模型可以预测蛋白质结构，但模型不能直接回答一种治疗方案在真实病人身上的全部后果。一个系统可以给出最优实验设计，但系统并不知道这个设计背后牵涉的生命风险、伦理约束和现实后果。一个大模型可以生成流畅解释，却未必真正理解问题为何重要。技术理性擅长回答“怎样做”，却不擅长回答“为什么值得这样做”。

这也是哈萨比斯、奥尔特曼和马斯克等关键人物身上呈现出的同一悖论。哈萨比斯更像科学理性的延伸，他从棋类、游戏和神经科学走向AlphaFold和AI科学，身上带着规则感、结构感和科学秩序感。奥尔特曼更像制度与资本之间的调度者，他把前沿科技、硅谷叙事、传统金融、算力供应链和监管博弈编织到同一个系统中。马斯克则代表一种更激烈的工程意志，他试图用火箭、电动车、脑机接口、机器人和AI穿透几乎所有边界。三个人的差异说明，AI时代的技术理性并非单一面孔。它可以表现为科学理性的延展，也可以表现为资本结构的重组，还可以表现为工程意志的“疯狂”。

这三种面孔各有边界。科学理性的边界在于，模型能否承认生命和现实的复杂性；资本调度的边界在于，能否避免把人类未来变成商业闭环；工程意志的边界在于，能否承认并非所有问题都适合被强行突破。哈萨比斯想理解世界，奥尔特曼想组织世界，马斯克想改写世界。三者共同推动AI时代，也共同暴露了技术理性的不同限度。

这种边界同样出现在公共知识领域。Google AI Overviews一类产品正在把搜索结果改写成生成式答案。过去，搜索引擎把来源排列出来，让用户在多个网页之间比较、辨别和判断。今天，AI直接给出结构完整、语气笃定的答案。2026年5月一项研究监测了55,393个趋势查询，发现问题型查询触发AI Overviews的比例达到64.7%，同时有11.0%的原子断言没有得到引用页面支持。这说明生成式搜索已经从信息检索工具，变成知识入口的重组机制。

实验室里的AI科学，与搜索框里的AI答案，看似属于不同世界，其实指向同一个变化：模型正在参与人类认识世界的入口、路径和结构。过去，技术理性主要帮助人类提高效率；今天，技术理性开始替代人类组织知识、排序证据、生成解释、设计研究路线。这个变化远比“AI会不会替代工作”更为深远。工作可以重新分配，技能可以重新学习；一旦判断结构被外包，人的问题意识、怀疑能力和责任感就会慢慢萎缩。

因此，AI科学时代的根本矛盾，并不是技术理性是否有效。技术理性当然有效，而且会继续推动科学向前。真正的问题是，技术理性是否会越过自身边界，是否会从一种强大的方法变成一种排他的世界观。当“可计算”被误认为“可理解”，当“可优化”被误认为“值得追求”，当“模型输出”被误认为“现实本身”，认知边界就会被悄悄抹平。

康德曾提醒人类，认识能力不能吞并道德判断。休谟则提醒我们，理性常常受欲望、激情和利益驱使。放在AI时代，这两个提醒仍有现实意义。模型再大，也无法自动产生价值尺度；算力再强，也不能替人类回答什么是好的生活、什么是值得追求的科学、什么是不能跨越的底线。

AI科学时代不会停下来等待人类想明白。AI会继续进入实验室、医院、学校、企业和公共决策，带来真实的科学红利，也制造新的依赖、新的垄断和新的盲区。AI会帮助人类理解生命，也可能把生命重新压缩成可优化对象；AI会提高发现速度，也会放大错误传播的速度。

问题不在于是否拥抱AI，更重要的是我们能否重新安置技术理性的位置。技术理性应当继续作为人类认识世界的强大工具，而不能变成唯一尺度；模型应当继续帮助人类打开未知，而不能取代人类对现实的判断；AI应当扩展人的认知能力，而不能接管人的目的意识。AI科学时代的悖论就在这里：技术理性越强，人类越需要承认认知边界；模型越能打开世界，人类越不能把世界误认为模型。

这个问题还会进一步延伸。AI科学时代首先重塑的是人类认识世界的方式，随后被重塑的很可能是人本身。当生命被模型化，身体被数据化，行为被预测化，身份被平台化，人的完整性也会面临新的切割。第一层问题是模型能否替代世界，第二层问题则是系统能否替代人。前者关乎认知边界，后者关乎主体资格。

未来的竞争，表面上是模型、算力、数据和产业生态的竞争，深处看仍是判断力的竞争。谁能在技术强光下保持清醒，谁能在模型扩张中守住边界，谁能在效率诱惑中继续追问目的，谁才可能真正理解这个时代。科学需要AI继续向前，但人类也需要在这场加速中重新学会迟疑、追问和判断。真正成熟的AI科学时代，不应以放弃人的判断为代价，更不应以消解人的完整性为代价。

参考文献：

Chan Zuckerberg Biohub. (2026, May 27). Biohub releases a world model of protein biology.

Google. (2026, May 19). New AI tools for the future of science. Google Blog.

OpenAI. (2026, April 16). Introducing GPT-Rosalind for life sciences research.

Xu, H., Iqbal, U., & Montgomery, J. M. (2026). Measuring Google AI Overviews: Activation, source quality, claim fidelity, and publisher impact. arXiv.