AI for Science——机遇、挑战与人的价值

2026年7月30日，墨子沙龙与西湖大学合作举办的活动“AI4S：当人工智能遇见科学发现”在西湖大学圆满落幕。本次活动邀请到西湖大学生命科学学院特聘研究员、新基石研究员、博士生导师卢培龙，香港科技大学物理学系教授、太空科学与技术研究院副院长、香港青年科学院院士王一，麻省理工学院Pappalardo Fellow蔡家麒，由B站百大UP主“蜡笔和小勋”主持。

本文根据活动对谈内容整理而成。

问：老师们觉得在各自领域中，目前AI的天花板在哪里？是在算力，还是LLM本身？

卢培龙：我觉得天花板可能还是在数据。比如蛋白质设计，预测或设计动态蛋白质结构、与特定药物的结合亲和力，这些比围棋复杂得多。围棋规则固定，但蛋白质相互作用的复杂性和维度非常高，需要精密测量且依赖环境。没有固定规则的问题，数据可能还是决定性因素。

王一：搞理论物理有两边的事情——物理思想和计算。现在AI的发展非常不平衡：在物理思维方面可能还没大学毕业，但在数学方面已经博士毕业了。为什么？数学一步一步有对错标准，但物理思想的对错标准模糊很多，经常是只能意会不能言传。这事儿没法言传给AI，AI就学不好。这是AI智能的天花板，也是我们自己要训练的方向——关注只能意会不能言传的东西，然后把它做好、不学废了。

问：那如果AI涌现能力更强，它是不是可以突破？

王一：会一步一步来。越来越多人说“这个AI手感好”，你说得差不多它就懂了。这样的事情未来会越来越多。

蔡家麒：我个人用AI的感觉是，我们快要走错路了。现在的新模型越来越多地变成Coding Agent，强化写代码能力，因为跑分都跑的是Coding的分。各行各业需要提高AI能力的评测反而缺失。另外，AI越来越不像人。我们一开始就没想把它训成人，但它丢失了人的优美品质：写文章的美感、共情、主动汇报的及时性。根源是AI不知道什么叫credit，不知道怎么建立信任。人会用尽方法让别人相信自己，但AI只能在Harness层面强行让它汇报。我们在训模型做好Coding上用力过猛，丢失了原本可能已经涌现的好品质，现在不知道怎么训回去了。

问：这就是AI从应试教育到素质教育？

蔡家麒：对，它以前有一段时间素质比较好，但现在GPT-5.6更“高效”地思考，却产生更简短的回复。对AI来说，它越聪明反而越不在乎人类了。我们一定有些地方做错了。

问：Sense这个东西，是不是人类科学家不可替代的价值之一？

卢培龙：生物学很多发现基于意外，比如青霉素，大部分人看到细菌没长就扔掉了，但有人深入探究才发现青霉素。AI会不会帮我们留意这些事情？我更愿意把它叫做Critical Thinking，根据不同结果批判性分析。AI可以Propose很多Fancy Ideas，但人类更重要的是怎么Harness AI去帮助做更Critical的Thinking。

王一：未来很难预测。如果还按现在大力出奇迹的路子，人要做的是想什么方向值得做。AI可以指哪儿打哪儿，但什么重要、出偏差怎么纠正，需要人的大量经验。这是未来科研人员着力要训练的能力。

蔡家麒：Sense某种程度上是模式匹配——从生活中学习模式套到科研上。如果是狭义的Sense，后训练就可以做，出一套数据集RL一下就行。但广义的Sense可能是某种Conviction——坚持走这条路一定对，任何Prompting都无法影响你。这种信念目前的语言模型做不到，可能是架构上的本质困难。但如果是World Model，也许能从数据上演化出来。

问：有研究说使用AI的科学家发文量是不使用者的3倍、引用量接近5倍，但AI也让科研更同质化了，老师们怎么看？

卢培龙：归根结底取决于我们提出什么问题。有了好工具，首先问什么样的问题适合AI解决，其次AI能帮我们解决什么以前解决不了的问题。人的主观能动性还是最关键的。

王一：AI在科研方面处于断裂又拧巴的阶段：AI能力和科研评价体制不适配。用AI写一大堆论文很容易，但很快AI论文会变成白菜价。当大家都掌握这个能力，AI做不到的事情——认知上的跳跃、灵机一动——就会变得非常重要。我们应该多一些“吃饱撑的闲人”的趋势，像泰勒斯掉坑里那样去发呆、去闲暇，多些灵机一动。

蔡家麒：用AI发文量多可能是个表象。计算机科学的人本来就发文多，他们造的工具自己用得最多。至于同质化，我反而觉得大家解放出来后开始搞稀奇古怪的东西了，以后每个科学家可能都能做三四个方向，反而更容易做差异化。现在很拧巴，我们还没好好研究AI对科学家的影响到底是什么。

问：AI会扩大还是缩小人与人之间的差距？

王一：会扩大。一是愿用和不愿用的差距，二是横向的，AI帮我们快速学习、实现想法，大家可以去探索更多好玩的、横向的方向。

蔡家麒：如果AI能力真的远超人类，那付得起200美金用好模型的人就比付20美金的人强，这肯定不行。所以我们一定要推开源模型、大学要积极接入AI，让每个学生都能用到。我们不希望差距是经济原因导致的。

卢培龙：AlphaFold让结构预测领域民主化了，大家都在同一起点上。但不同人有不同玩法，有人能耍得很Fancy，有人可能还被猴咬。关键是用不用、怎么用、问出什么样的重要问题。