怎么自己开拼三张房卡房间-
【央视新闻客户端】
借助AI输出科研思路 ，好点子算谁的？
“过去招研究助理时，我会比较看重编程能力和执行效率。现在AI把这部分能力的门槛大幅降低了。 ”中国农业大学经济管理学院教授朱晨说 。今年春节前后 ，她搭建了自己的科研智能体系统 ，将经济学实证研究的流程拆解为7个环节，交由不同的AI代理分别执行 。
变化是显著的。朱晨发现，智能体可以基于本地数据库自动生成候选研究问题 。在她记录的14次运行中 ，系统共生成79个候选问题 ，87%符合变量存在 、研究设计与数据结构匹配 、计量方法可行这三个基本条件 。“从形式上来说过关了。”她评价道 。
但“过关 ”离“出色 ”还有多远？
一位长期关注中国宏观经济政策与微观基础领域的研究者，几乎浏览了苏黎世大学Yanagizawa-Drott团队公开的全部200余篇AI生成论文 。他的评价相当克制：“只有极少数选题具备继续推进的价值 ，大多数只是刚入门的研究生水平。如果送到我手里 ，我会直接拒掉 。”
问题在于分析深度 。以经济学常用的双重差分方法为例，这位研究者指出 ，一篇成熟的实证论文不仅要完成基准回归 ，还需进行平行趋势检验、敏感性分析和异质性处理效应分析。但在目前公开的AI生成论文中，这些关键步骤“往往缺失 ，或者只是形式性地出现 ” 。
这指向了一个更深层的问题：当选题本身都可以由算法生成时 ，科研的原创性到底从哪里来？
华大集团首席研究员徐讯将生命科学领域的AI能力分为五个级别 。他判断，当前AI处于L3阶段——“它能完成发现 ，却不能自主提出原始问题 ，而提问仍是人类不可替代的核心价值。 ”在他看来，AI可以基于现有知识做组合与推理，但真正的科学问题 ，那些需要跳出已知框架 、指向未知的追问 ，仍必须由人来完成。
西安交通大学网络空间安全学院教授栾浩认为，大模型本质上是一个知识搜索器 。与传统关键词搜索不一样的地方在于 ，它能理解搜索词的意思 ，然后在已有的知识库里进行精准语义检索 。这意味着，AI能做的是“精准全面地检索人类现有的知识库” ，而“怎么去获取人类未掌握的新知识 ，大模型无法代劳”。在他看来，有时AI给出的思路看似很新 ，“其实并非创造 ，是有其他人提供过相关的思路，被它录入到自己的知识库了 ” 。
清华大学化学系副教授马冬昕的实践感受印证了这一点 。她把AI称为“一个拥有大量跨学科知识 ，会聆听 、爱分享、随叫随到的好朋友 ” ，但坚持认为课题选择不能完全交给AI。“AI会给出一系列参考文献，旁征博引地给出分析 。但限于现有技术水平，难免出现谬误 。必须追溯原始文献 ，独立自主且具有批判性地思考。”马冬昕说 。
她特别提到 ，和AI探讨科学问题本身就有价值——当AI“文不对题 ”时，恰恰促使她更清晰地提炼问题 ，“这个思考的过程 ，本身就可以帮助我理清思路 ” 。
借助AI开展实验分析，若出错谁担责？
构想落地 ，进入实验与分析。这是科研最“硬核”的环节 ，也是AI介入最深入 、风险最隐蔽的环节 。
中国科学院自动化研究所研究员李林静观察到，科研智能体已经能够完成“文献研读 、实验规划、参数迭代 、结果分析的闭环自主科研流程 ” 。在北京大学干细胞研究中心 ，一套占地6平方米的智能平台能独立完成从指尖采血到干细胞培育的120多个步骤 ，实验误差从最高10%降至1%以下。
效率令人振奋，但隐患同样真实。
谷歌旗下DeepMind曾用AI预测出220万种新的晶体结构 ，其中38万种被判定为“稳定 ” 。然而 ，得到实验验证的不到0.2% 。中国工程院院士李国杰将这一现象概括为：AI产生了海量“看似合理”的假说，绝大多数无法被验证，导致科研资源被浪费在低优先级选项上。
“看似合理 ”四个字 ，精准击中了许多一线研究者的焦虑 。
中国科学院空天信息创新研究
