围观科学家云集的两场活动，我发现他们都建议“别太依赖AI”

作者｜李楠

微信｜tqkm1510

如果你是一名青年科技工作者，拿到一笔 300 万元的奖金，会用在什么地方？

清华大学的王笑楠老师真的拿到了这样一笔奖金。她准备请国际合作的学生吃辣椒螃蟹，以及给学生买算力——这笔钱必然还有许多其他用武之地，不过从两场科学家云集的新基石科学周公开活动来看，算力和 AI，已经是科研无法回避的存在了。

这两场活动分别是新基石 50²论坛和科学探索奖颁奖典礼。在论坛上，潘建伟、何川等科学家都谈到了 AI。在颁奖典礼前，我们跟拿到科学探索奖的两位青年科技工作者王笑楠、陈远流，也做了一番交流，他们同样聊到了关于 AI 的观察和思考。

科学探索奖由腾讯出资、由科学家主导人才遴选、由新基石科学基金会运营，是目前国内金额最高的青年科技人才资助项目之一，关注基础科学和前沿技术。王笑楠的研究，涉及 AI 驱动的能源化工材料设计。陈远流的研究与智能超精密制造有关。在制造领域，很多研究也都跟 AI 结合起来。

不过，科学家们既谈到了 AI 的帮助，也谈到了对 AI 的忧虑。尤其是，过于依赖 AI 可能让我们的思考与创新能力弱化，几乎成了他们的共识。

当心 AI 弱化思考，“学会提问”很重要

AI 无可争议地在变强。

在今年 3 月之前，沃尔夫化学奖得主何川对 AI 不怎么在意，但 3 月份去圣地亚哥开会的路上，他越想越害怕，“因为人工智能在物理原理上和脑袋的整个进化没有什么区别。”这让他越来越觉得，自己在哪一天也会被替代掉。

而依赖 AI 的强大，可能让人变弱。

中国科学院院士潘建伟引用了其他学者的观察，点出了一个具体的风险：小孩 12 岁之前，大脑的可塑性很大。比如语言，如果 12 岁之前各种语言输入都可以，12 岁之后再去学英语和其他语言就非常困难。在 AI 的帮助下，大脑没有机会受到训练，之后真正需要创新的时候，我们的能力变得特别弱。

他提醒，“AI 给我们带来的是帮助，而不是让大脑变得懒惰之后变蠢。”

何川也提醒，“如果大家一开始用 AI，20 年后还能不能产生一批有创造力的科学家，所有的校长可能都要想这件事。”因为科学家从一批一批人里遴选出来，走过了无数的路，如果一路都是用 AI 的话，怎么样能够积累经验，就成了问题。

浙江大学的陈远流也关注到 AI 对教育与学习的冲击。他在科研上有信心，但“上课这方面感觉自己要失业”。

现在学生遇到不懂的问题，能从各种各样的 AI 工具中找到很好的答案，陈远流认为，老师可能要去接受这种 AI 时代带来的冲击和变化，“以前我们站在讲台上去满堂灌地讲，这种方式很容易被 AI 取代。它可以讲得比你更好，解释问题可以更清楚，还根据不同学生的特点来作出符合他的理解能力的回答。”

这正好对应当下 AI 教育产品的发展趋势。一方面，对话类 AI 工具本身就是百科全书式的老师。另一方面，垂直教育场景的 AI 工具已经可以结合不同年级、不同学科的教学内容，给出更有针对性的教学辅助，比如生成个性化的动态网页或 AI 课程。这种因材施教，是人类老师很难做到的。

而陈远流的担忧不只关于老师，他同样关注 AI 时代学生学习方式上的隐患。“像我孩子写作文，AI 可以特别逼真地仿照孩子的话术写作文，这可能会压缩孩子自我思考的空间。”

过于依赖 AI 会弱化人的思考与创新，几乎成了一致判断。

AI 解题的能力确实是很强，但很多时候，王笑楠希望更年轻的同学们不要依赖于 AI 直接给答案的能力。她指出，虽然 AI 让人能做的事情越来越多，做事速度越来越快，但它让我们整体的知识面在不断地缩小，而这可能是一个比较危险的信号。

不过，科学家们并非让大家不用 AI。陈远流也提到了结合 AI 来学习的一种深层次的好处，那就是，这种学习方式在不断地锻炼人的提问能力——原来的学习是“回答问题”，问题有现成的答案；现在的学习要求则是“定义问题”，提出一些答案未知的问题。

日常的学习，似乎跟科研越来越像了。

那么到底该怎么对待 AI 呢？科学家们的判断大致是：还没有形成思考与提问能力的小朋友、年轻人，需要谨慎，不能完全依赖 AI。在掌握这些能力后，不妨多用用 AI。

AI 改写科研，不过也还有局限

AI 对科研的影响可能比我们想象中复杂。

从日常小事看，潘建伟曾向学生建议，每天早上去《Nature》《Science》这些杂志的官网，看看有什么新的文章出来。最近有学生说，自己已经搞了个小程序，让 AI 每天搜索文章，然后按照重要性排序。

往更重要的科研问题上看，中性原子量子计算的排列，涉及复杂的路线规划。AI 在学习之后，可以在非常短的时间里把原子排好，而这项工作还入选了美国物理学会的年度物理学重要进展。

把目光放得再长远一些，潘建伟提到了 AI 与量子的结合。有一些问题只靠 AI 解决不了，只靠量子计算可能也解决不了，两者结合，可以大幅提高效率。比如要在宇宙里找一个配方，量子计算之后可以告诉你，这个配方在深圳某个房间，然后再用 AI 算一算，就可以很快把它找到。

AI 在科研上的提效，是广泛的，但要带来突破性的科研进展，也不容易。不必神话 AI。

在物理领域，潘建伟认为 AI 很难做出简单的、抽象概念的突破——一方面，AI 的行为建立在“前人”或已有知识的基础上。再者，“AI 不会犯错误”，而犯错误对创新有不可忽视的意义。“人本身有犯错误的能力，这可能是创新很重要的一部分。”

在生命科学方面，何川也提到了 AI 的局限。在担心哪一天自己会被替代掉之后，他想了想，自己“还有 10 年可以做”，因为在生命科学领域不是一个定量的科学，绝大多数的数据和结论并不是很准确，这里面，人的判断非常重要。

这种情况下，何川认为，在生命科学上怎么样能够产生大量高水平、高质量的数据，是最关键的。此外，怎么能够让 AI 产生顶尖科学家的判断力，也很重要。

而在从事 AI+能源化工交叉研究的王笑楠眼中，AI 已经在基础研究领域带来根本性的变化。“比如说，今天我们走进任何一个从事蛋白质研究的实验室，都会先用 AlphaFold 的工具预测它的结构。”

不过，王笑楠既相信 AI 会带来很颠覆的变化，也认为应该慎重思考 AI 伦理问题。在她看来，人们可以用 AI 来设计分子和化学品，让绿色能源有效地转化为电池材料、催化剂等，同时人们也能用 AI 来设计一些剧毒的危险化学品。在这个视角下，如何把控 AI 能力就显得尤为重要。

“特别是在把软件与硬件闭环之后，自动化实验室能把 AI 设计出来的东西直接生产出来，如果 AI 拥有自主意识，可以进行自我进化，那么后果不可想象。”

这种 AI 伦理问题，看起来离我们极为遥远。但 10 年前，大家也很难想到今天 AI 会进入大部分人的日常生活当中。如何在可控范围内用好 AI，本质上与我们每个人息息相关。

我们未必能参与这个问题的解决，但也需要有所注意和思考了。