为何人工智能系统作为新科学工具的设计者最为有用

所评著作：科学发现的引擎：新方法与新工具如何点燃重大突破 (The Engine of Scientific Discovery: How New Methods and Tools Spark Major Breakthroughs)，Alexander Krauss 著，牛津大学出版社(Oxford University Press, 2026)。

图1：天文学家 Jocelyn Bell Burnell 与 Antony Hewish 借助建于英国剑桥附近的一台射电望远镜发现了脉冲星。

图2：电子显微镜的发明催生了细胞生物学这一领域。

关于重大科学突破(包括人工智能在内)的流行叙述，往往将其描绘为某个孤胆天才或灵光一现的产物。一个典型例子是物理学家阿尔伯特·爱因斯坦(Albert Einstein)关于光、物质与时间的本质的突破——这些成果全部发表于 1905 年，当时他在瑞士专利局担任技术专家。

然而，在《科学发现的引擎》一书中，科学哲学家 Alexander Krauss 对这一观点提出挑战。他认为，科学进步主要通过方法与仪器的发展而实现，这些发展与发明打开了此前无法触及的研究领域。Krauss 依据大量发现实例指出，历史上，电子显微镜、粒子加速器等创新在推动发现方面所起的作用，远大于理论思辨。

更进一步，Krauss 提出，人类科学进步始终由技术进步所定义。他断言，我们不只是"智人"(Homo sapiens，意为"有智慧的人")，更是"方法人"(Homo methodologicus)——一个依靠创造工具来扩展其所能观察、测量和理解之事物的物种，其扩充知识的能力正系于此。

尽管 Krauss 的著作植根于科学史，但它对当下关于人工智能的争论亦具启发意义。在 AI 增强科学的时代，Krauss 的分析为我们理解 AI 工具的潜在影响提供了一份蓝图。

Krauss 的论点建立在对 700 多个重要科学发现历史案例(包括那些后来获得诺贝尔奖的发现)的分析之上。他认为，17 世纪科学革命的标志性突破，并非仅仅源自新想法，而是源自新仪器。显微镜、望远镜等工具打破了人类感知的界限，使全新的世界得以被探索。

每一种工具也不可避免地催生了开发下一种工具所需的条件。以蛋白质(生命的分子机器)研究为例。1924 年，化学家 Theodor Svedberg 研制出超速离心机，这台机器能以极高转速旋转样品，从而分离分子并使之可被分析。

在此基础上，他的学生 Arne Tiselius 于 20 世纪 30 年代初发明了电泳技术，一种利用电场对分子进行分选的技术。

电泳技术成为现代分子生物学的基石，并最终支撑起用于分析和测序 DNA 的技术。

(见图2)

Krauss 认为，更普遍的启示在于，发现很少孤立出现。科学工具扩展了研究者的能力，为那些原本不可能的方法与研究路径开辟了通路。

他指出，约四分之一的科学领域是由使其得以可能的那些方法或仪器所定义的。例如，由物理学家 Ernst Ruska 发明的电子显微镜，不仅提高了放大倍率，更催生了现代细胞生物学。

Krauss 还对科学中的"机缘巧合"给出了令人信服的重新诠释。他认为，那些常被归因于运气的突破，极少是单纯的偶然。物理学家 Wilhelm Röntgen 发现 X 射线，以及天文学家 Jocelyn Bell Burnell 首次探测到脉冲星，之所以可能，皆因仪器——X 射线所需的放电管、脉冲星所需的射电望远镜——揭示了此前不可见的现象。

Krauss 认为，运气眷顾的与其说是"有准备的心灵"，不如说是"有准备的工具"。该书的总体论点既令人振奋，大体上也令人信服。

不过，Krauss 坚持认为科学在本质上具有严格的累积性——每一项发现都建立在前人之上——这一观点有时被夸大了。他认为科学极少抛弃其核心发现，并指出在他所分析的突破中，仅有 1% 被彻底推翻，而"化学领域的重大发现"从未被推翻。然而，元素周期表中那些后来被证伪的所谓"新元素"的发现表明，科学体系是混乱且易受冲击的，并不像 Krauss 所描绘的技术那般完美累积式地前进。已确立的事实与主流理论偶尔也会被撤回。

尽管存在这一小小的过度发挥，Krauss 的框架仍提供了一个有用的透镜，藉此可以审视 AI——这个可以说是我们时代最重要的研究工具。然而，AI 系统与主导 Krauss 科学史叙事的显微镜、望远镜和粒子加速器在一个关键方面有所不同。那些仪器拓展了观测的边界。今天的 AI 系统擅长的是另一项任务：从已有知识中抽取模式。

在今年 1 月发表的一篇 Nature 论文中，我与合著者提出，AI 模型能够通过压缩数据分布来准确而高效地做出预测，从而成为极其强大的综合与推理引擎。AI 系统可以利用已有知识识别统计趋势，往往以超人的速度与规模。但过度使用这些工具有收窄科学探究的风险，因为它们主要加速的是演绎而非发现。

然而，一些最重要的科学进展并非源于演绎，而是源于令人惊讶的结果。与既有预期相矛盾的观测，会迫使科学家构建全新的解释。正如哲学家 Charles Sanders Peirce 所言，意外、反常的瞬间处于溯因推理的核心——即基于观测得出逻辑结论的过程。这类推理使真正全新的假设与领域得以涌现。

若要让 AI 工具从旧数据的整合者转变为新科学领域的开拓者，就必须引导它们去发明、设计并指导科学仪器的发展，培育其探测训练数据之外现象的能力。通过加速创新传感器与研究平台的创制，AI 工具或可再次揭示出令我们惊讶的现实侧面。

《科学发现的引擎》旨在阐释人类科学成就的历史机理，并由此写就了一份将 AI 驱动的科学引向更具成效之方向的"使用说明书"。Krauss 推出了一部挑战范式、研究精深之作，向现代科学家与技术专家发出关键提醒：要换一种方式思考，我们必须首先构建出"换一种方式观察"的工具。

作者： James Evans