多伦多大学 JoshuaGans 提出「AI 越强,科学研究就越新颖」,这个观点有依据吗?
这个观点有一定依据,但更适合看作一个有条件的趋势判断,而不是“AI 越强,科学就必然越新颖”的定律。
AI 能提高新颖性的一个机制,是扩大研究者可探索的组合空间:它可以帮助整理跨领域文献、提出可检验的假设、生成候选分子或材料、编写分析代码,并更快完成模拟和筛选。过去因检索、计算或试错成本太高而搁置的方向,可能因此变得可做;不同领域的概念和方法也更容易被连接起来。若这些工具降低了探索成本,研究者就能尝试更多、跨度更大的问题,因而有机会产出更少见的新组合。
但“新颖”不等于“重要”或“正确”。生成式模型也可能只是重组已有模式,给出看起来新奇但不可验证、缺少机制解释,甚至与既有知识冲突的假设。若大量团队使用相似模型、相似数据和相同优化目标,研究反而可能集中在热门、易量化的方向,形成同质化。实验能力、数据质量、领域知识、经费与发表激励仍会决定哪些想法能被检验和认可。
因此,AI 是否让科学更有新意,关键不只是模型能力,还在于人们怎样使用它:把它用于拓展候选方向,而不是代替判断;让研究者有时间验证高风险想法;并用可靠实验和透明方法检验结果。比较合理的结论是,AI 有望提高“产生和筛选新想法”的能力,但它对科学新颖性的净影响,要看真实研究是否因此变得更多元、可验证,而不能仅凭模型生成的点子数量来判断。