夜雨聆风
上一期，我们关注了
AI 辅助定理证明与形式化验证
如何改变数学研究
如今，人工智能正在
从“协助推演”进一步走向“协助发现”
它不仅能阅读文献、归纳知识
还开始参与提出假设、设计方案、分析数据
并在实验反馈中持续修正研究路径。
这一趋势被称为
“AI for Science”
向“Agentic Science”的演进
未来科研的核心变化
不是让 AI 替代科学家
而是构建
“人类提出问题，AI 大规模探索，实验与验证体系负责裁决”
的新型科研闭环。
一、科研智能体兴起
AI 开始参与“提出问题”
传统大模型擅长回答已有问题，却不一定能完成真正的科研工作。科学发现通常不是一次问答，而是一个不断循环的过程：阅读文献、发现矛盾、提出假设、设计实验、分析结果，再根据新证据调整方向。
2026年GoogleDeepMind 在《Nature》发表 Co-Scientist 系统，展示了多智能体协作参与科研构思的新路径。该系统不是由单一模型直接给出结论，而是让不同智能体承担假设生成、批判审查、证据检索、方案排序与迭代优化等任务，在“提出、质疑、修正”的循环中形成可检验的研究建议。
这种模式的重要意义在于，AI 的角色正在从“知识检索工具”转向“科研思路的协作者”。研究者可以先给出研究目标、已有证据与现实约束，AI 则帮助识别文献空白、连接跨学科线索、提出多个备选机制，并对不同方案的可行性进行比较。
科研的难点不只是信息不足，更常常是研究者被已有路径限制。多智能体系统通过并行提出不同假设、互相审查，能够为科研人员提供更多可验证的思路空间。
二、从预测到实验
AI 正在接入科学发现闭环
AI 科研能力的提升，离不开专业领域模型的发展。
在生命科学中，AlphaFold 3 已能预测蛋白质、DNA、RNA、小分子、离子等多类生物分子形成复合物时的结构与相互作用。这意味着研究者可以在进入实验室之前，先用计算模型筛选可能有效的分子机制、药物结合方式和生物学路径，大幅压缩前期探索范围。
更值得关注的是，AI 已开始连接实验环节。2026 年《Nature》报道的 Robin 系统，将文献检索、假设生成和实验数据分析纳入同一流程。在针对年龄相关性黄斑变性的研究中，系统提出增强细胞吞噬作用的治疗思路，并在实验反馈循环中识别出值得进一步验证的候选化合物。这意味着，AI 科研不再只是“生成一段看似合理的答案”，而是在逐步形成：
数据输入 → 模型推理 → 科学假设 → 实验验证 → 新数据反馈 → 假设修正 的闭环。
在材料、化学、天文和气候等领域，AI 智能体也开始调用专业软件、控制实验设备、自动处理观测数据。科研效率的提升不再只来自更快的计算，而来自“模型、工具、实验、验证”之间更紧密的协同。
三、真正的前沿，不是自动化
而是可验证性
AI 可以快速提出假设，但提出假设不等于获得科学结论。
数学研究可以通过形式化验证检查每一步推理；生命科学需要实验复现；材料研究需要合成与性能测试；气候研究则需要符合物理规律的长期观测。无论 AI 的推理多么流畅，最终都必须接受证据体系的检验。
这也是 AI 科研与一般内容生成最本质的区别：科研不以“表达是否合理”为标准，而以“结果能否被验证、复现和反驳”为标准。
斯坦福《AI Index Report 2026》指出，当前科研智能体在部分单项任务中表现突出，但在端到端科研流程、复杂工具调用和跨步骤推理中，整体仍明显低于专家水平。因此，AI 更适合作为“高效率的研究协作者”，而不是可以脱离人类监督的“自动科学家”。
未来科研的关键能力，不只是会不会使用 AI，而是能否建立严格的验证机制：明确数据来源、保留推理过程、设计对照实验、识别模型偏差，并让每一个结论都能回到真实世界中接受检验。
四、青年研究者
应具备哪些新能力
面对这一趋势，未来科研人员需要形成新的能力组合。
第一，要夯实专业基础。AI 可以帮助搜索和计算，但无法替代研究者对问题本质、学科语言和实验逻辑的理解。
第二，要具备数据与工具意识。科研人员不仅要会使用模型，还应理解数据质量、变量设计、统计显著性与结果可复现性。
第三，要学会与 AI 协作。高质量科研提问不应只是“给我一个答案”，而应包括研究目标、已知条件、约束边界、对照方案和评价标准。
第四，要坚持证据优先。面对 AI 生成的理论、代码、实验方案或文献结论，研究者都应追问：证据来自哪里？是否存在反例？能否独立复现？是否经过真实实验或严格验证？
未来最有竞争力的研究者，未必是最早使用 AI 的人，而是最早掌握“问题定义、AI 协作与证据验证”完整方法的人。
参考资料
1.Nature：Accelerating scientific dis-covery with Co-Scientist
2. Nature：A multi-agent system for automating scientific discovery（Robin）
3. Nature：AlphaFold 3 分子相互作用预测
Stanford AI Index Report 2026，Science 章节
图文来源 | 数学科学学院学习部
图文排版 | 孙晗宁
审核校对 | 吴昌霖
责任编辑 | 康乐