随着人工智能技术的不断进步，它已经在科学探索的前沿占据了核心位置。2024 年诺贝尔化学奖与物理学奖的五位得奖者身上有一个显著的共同特征：他们都借助了 AI 的力量。事实上，AI 作为一项革新科学的力量，受到了许多科学家甚至是诺贝尔奖评审委员会的高度评价。

正如其中一位获奖者所言，AI 在加速科学发现方面的能力，是“人类历史上最具变革性的技术之一”。然而，这一转变究竟对科学意味着什么？

AI 正在重塑科学领域

AI 承诺可以帮助科学家以更低的成本、更快的速度完成更多的工作。但与此同时，它也引发了新的关注点。如果科学家们过快地拥抱 AI，那么科学可能会变得难以被大众理解，从而失去公众的信任，进而无法有效地满足社会的实际需求。

理解的错觉

专家们已经识别出了至少三种影响 AI 使用者认知的错觉。首先是“解释深度的错觉”。即便像 AlphaFold 这样优秀的蛋白质结构预测工具在预测方面表现出色，但这并不意味着它能够全面解释背后的科学原理。在神经科学领域，已经发现那些专为优化预测而设计的 AI 模型，可能会误导我们对基础神经生物学机制的认识。

其次是“探索广度的错觉”。科学家们往往认为自己在探索性研究中调查了所有可能的假设，但实际上，他们仅仅是在检验那些可以通过 AI 验证的有限假设集。

最后则是“客观性的错觉”。有些科学家或许会认为 AI 模型是无偏见的，或是能够解释所有人类的偏见。然而，实际上每一个 AI 模型都会不可避免地反映出其训练数据及开发者意图中存在的偏见。

更便宜、更快的科学

AI 之所以在科学领域越来越受欢迎，部分原因在于它有望以更低的成本、更快的速度产出更多的成果。比如，Sakana AI Labs 开发的“AI 科学家”机器就是一个极端的例子。该公司设想开发出一套“完全由 AI 驱动的自动化科学发现系统”，将每个想法转变为完整的学术论文，仅需花费 15 美元。不过，批评家们警告说，这样的系统可能会导致“无尽的科学垃圾”涌现。

为了实现科学的“加速”，我们是否真的希望进入这样一个时代：通过几次点击就能生成一篇研究论文？这可能会进一步加重已经不堪重负的同行评议体系，并用毫无意义和价值的论文淹没整个科学界。

缺乏上下文

尽管目前公众对科学和科学家的信任水平相对较高，但这种信任并不是理所当然的。信任是复杂且脆弱的。正如新冠疫情所揭示的那样，“相信科学”的呼吁有时是不够的，因为科学证据和计算模型通常是争论的对象，它们常常是不完整的，并且允许有不同的解释。

然而，面对气候变化、生物多样性损失以及社会不平等这类需要专家判断的公共政策问题，世界依然面临着挑战。这些判断必须基于特定的情况，并汇集来自不同领域的观点，通过本地文化和价值观加以解读。

根据国际科学理事会去年发布的一份报告，为了重建公众对科学的信任，科学必须认识到细微差别和背景的重要性。让 AI 塑造科学的未来可能会损害这一领域的进步。

科学的新社会契约

当 21 世纪初到来时，人们提出了一个新的社会契约的概念。根据这一契约，科学家们将以公共资金为支撑，将其才能聚焦于当今最紧迫的问题上。其目标是支持社会向更加生态健康、经济可行和社会公平的方向发展。

AI 的兴起不仅为科学家们提供了履行社会责任的机会，还为激活这一契约创造了条件。然而，科学界首先必须解决一些关于 AI 使用的关键问题。例如，科学中使用 AI 是否会成为一种可能损害公共资助研究完整性的“外包”行为？应该如何处理这一问题？

另外，如何对待 AI 日益增长的环境足迹？更重要的是，在将 AI 融入研究流程的过程中，如何保持与社会期望的一致性？

在确立这一社会契约之前就试图用 AI 来彻底改变科学的做法，可能会导致本末倒置。如果我们不从多元化的视角和领域出发，让 AI 来决定研究的优先级，那么可能会导致与社会实际需求的脱节，并导致资源分配不当。

科学应当为整个社会带来福祉。因此，科学家们需要在其实践社群和研究的利益相关者之间开展严肃的对话，讨论 AI 的未来。这些讨论应处理新社会契约的不同维度，同时体现共同的目标和价值观。

现在是时候积极地探索 AI 为科学开启的各种未来可能性，并制定出负责任地利用这些可能性的标准和指南。