大模型抢跑、AI幻觉冲击科研生态：诺奖、图灵奖得主共议人机协作秩序重构

“某种程度上，我也算半个AI（人工智能）科学家，因为我用ChatGPT、DeepSeek、Claude来写Python，然后用这些Python程序解释我的实验、实现实验自动化。”2010年诺贝尔物理学奖得主、石墨烯发现者安德烈·海姆在第二届国际人工智能科学家大会（ICAIS 2026）上分享道。

大会现场 图片来源：主办方提供

由北京中关村学院、中关村人工智能研究院、清华大学、西湖大学共同主办的ICAIS 2026，10月19日在北京落下帷幕。为期两天半的大会汇聚多位诺贝尔奖、图灵奖得主与中外院士。

《每日经济新闻》记者现场注意到，与会科学家们高度认可AI为科学探索带来巨大改变，但也纷纷直言，当AI变革科研范式、拓展科学发现的边界，AI幻觉、大模型公司抢跑科研成果发布等问题正给科学界造成全新困扰。

国际顶刊Nature总编辑玛格达莱娜·斯基珀表示，今年夏天Nature曾发表社论呼吁AI公司与研究界加强合作，建立更有意义的参与规则。她认为，透明度和开放实践对科学探索十分关键，需要明确人与AI工具在研究中的贡献归属，同时科学家应成为结果的最终负责人，“科学归根到底是一项人类事业”。

尽管AI发展也遭受冲击，但与会科学家们对于AI参与科学探索、改变世界的未来依然抱有信心。2021年图灵奖得主杰克·唐加拉表示，AI已经经历并走出寒冬——那个疯狂炒作、没有兑现期望、经费与科研活动低迷的阶段，如今是AI的黄金年代，未来会有让人担忧的阶段，但终会被跨越。

从帮手、工具到同事，AI进入科研全周期

2013年诺贝尔化学奖得主迈克尔·莱维特在大会主旨演讲中分享道，目前他的全部工作都离不开AI，甚至连休假日也天天使用AI。从2020年开始使用ChatGPT到如今使用大约6个智能体处理不同任务，他表示，自己的工作方式已经发生了质变，AI从一个帮手、助理升级成了他的同事：AI正在把“做科学”的成本大幅压低，让失败变便宜，让想法更快得到验证，从而使诺奖级研究更依赖好问题、验证能力和人机协同组织。

他提到的AlphaFold案例被多个参会科学家提及，这一由谷歌DeepMind开发的人工智能系统能根据氨基酸序列预测蛋白质结构，解决了困扰生物学界数十年的问题，其创造者德米斯·哈萨比斯与约翰·江珀被授予2024年诺贝尔化学奖。同年获得同一奖项的生物化学家、计算生物学家戴维·贝克同样结合AI技术在人工设计蛋白质方面作出重大突破。

“我是一名老派的化学家，成长于稀缺时代，现在想拥抱AI。所以我们创造了‘AIMATRY’——一个交叉AI与材料、化学的领域，它关乎为特定性质设计材料。”2025年诺贝尔化学奖得主奥马尔·亚吉在大会主旨演讲中提出，人类正从研究材料少、可分析数据少、预测可能性的计算能力少的“稀缺时代”进入“丰裕时代”，如今AI可以生成数以百万计的可能性，可能性数量不再是限制因素，真正稀缺的是“提出关键问题”和“从海量可能性中做选择”的能力。

他以材料领域为例，说明实验室生成化合物研究已经从“制造—测量—学习—再制造”变为“生成—选择—制造—测量—学习—再生成”，对于科学家来说，在AI生成后作出正确选择的能力变得至关重要，“选择科学，即‘我们如何决定什么应该被想象、制造、测试、开发并最终使用’的系统性研究将会成为Ametry的智识核心”。

国际顶刊Nature总编辑玛格达莱娜·斯基珀在大会主旨演讲中表示，生成式AI已几乎触及研究周期的每个环节，从探索知识图谱到构思解决方案、研究方向，到展开研究、撰写论文、做演示传播研究成果，再到同行评审和科研评价，AI工具都在发挥作用。

迈克尔·莱维特则预测，到2056年，使用AI智能体的年轻科学家一年可能完成他这一代科学家一生的工作量；甚至这仅约30倍扩展还不够快，未来因子会更大。

大模型公司抢跑科研成果发布，开放科学实践受损

AI极大赋能科研探索，但科学家们并未回避AI的风险和负面效应。

玛格达莱娜·斯基珀指出，AI幻觉这一固有问题在科研领域可能表现为虚构引用、污染科学文献，损害知识获取的可信度。她提到，arXiv（面向公众的电子预印本系统，旨在促进科研成果交流共享）近期正限制单个作者可存入的预印本数量，以免被AI生成的垃圾内容淹没；一些期刊也在考虑限制单个作者的投稿量。

“AI系统太容易产生幻觉了。”2021年图灵奖得主杰克·唐加拉在大会圆桌论坛上同样强调，当下科学探索者更需要扎实的知识基础与验证能力，以理解AI返回的答案、判断结果是否合理。“AI带来机遇，也伴随冲击，部分岗位会随之消失。但世界永远需要能够读懂 AI 行为、评估其输出质量的人。”杰克·唐加拉表示。

玛格达莱娜·斯基珀还提出另一个值得深思的问题：谁是用AI工具做出的发现和创新的实际作者，谁能获得贡献认可？她表示，一些科学家开始远离开放的科学实践，因为他们担心共享数据、使用数据时，若与强大公司提供的商业AI工具互动，可能会被抢先——数学界据称最近已出现这种情况。

今年9月，OpenAI宣布其AI工具用88小时解决了七个“千禧年大奖难题”之一：纳维-斯托克斯方程，随即遭到纽约大学数学家特里斯坦·巴克马斯特“炮轰”。巴克马斯特与Anthropic数学家莱文特·阿尔波格合作使用包括OpenAI Codex和Anthropic Claude在内的AI工具推进相关研究。他于9月8日公开质疑OpenAI在获悉其与合作者技术路线后，利用海量算力抢先跑通形式化证明。

同日，菲尔兹奖得主陶哲轩发文称，“发现一个值得研究的问题”正成为稀缺资源。面对AI抢跑，研究者可能不再愿意分享有潜力的研究方向。9月11日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主发表声明，警告AI快速批量生成数学成果，可能压缩成果验证、方法总结、学术交流和引用前人成果的时间，并引发严重的署名和抄袭问题，使AI发展目标与数学研究目标严重错位。然而，10月6日，OpenAI又一次性公开722篇由其模型生成的数学手稿，声称解决多个长期悬而未决的知名数学难题，再度引发争议。

对此，玛格达莱娜·斯基珀认为，通向这些解答的旅程并没有被探清说明，而“任何科学工作既关乎目的地，也同样关乎旅程”。

数学家马骁则在参与大会圆桌论坛时承认AI确实给数学家带来挑战：AI正在取代数学家的部分能力，AI生成的大量计算、方案、思路、证明等可能错误，需要数学家投入更多精力、更好的组织和工具检验。但他否认AI会给数学界带来寒冬，认为AI反而能大幅扩展数学边界，使数学学科更为繁荣，而这需要数学家快速适应AI时代，并发展更好的方法消化验证AI产出。

值得一提的是，迈克尔·莱维特在同一论坛上被问及类似情况是否会出现在生物学、化学领域时表示，数学界能列出具体待解决问题清单，自然科学界往往面临更模糊的问题，如“地球上的生命如何起源”，这些问题更多依赖实验证据，甚至可能取决于偶然，不像数学那样可依赖理论框架，因此难以被AI批量解决。

他还就AI安全性提出，多样性原则需要进入AI的未来：“我认为获得安全的一种方式是拥有DeepSeek、Kimi、Claude、ChatGPT、Grok等不同模型，即提供模型多样性，就像多样性对生物生存至关重要一样。”与此同时，他还透露自己对于Token（词元）价格上涨的担忧，并指出AI在响应时间上仍需进步。

下一个十年：AGI、ASI与人机共生

AI正在重塑科学界。而在达特茅斯会议提出AI概念七十周年的节点，科学家们对于下一个十年的AI疆域也有自己的想象。

在大会“致敬达特茅斯70年：智能的下一片疆域”高端圆桌论坛上，迈克尔·莱维特表示他对于十年后实现人机和平共生有35%的信心，马骁则给出80%的信心预测：到2036年，AGI（通用人工智能）将通过“把一切归约为数学和编程”实现，并把“AI在没有任何人类参与的情况下建造航天器”作为成功判据。

1994年图灵奖得主罗杰·瑞迪则在主旨演讲中对AGI提出一个可量化标准：能就至少90%的任何主题提问得到正确答案。他还进一步描绘了ASI（超级人工智能）的图景。在他看来，ASI是近乎全知全能、无处不在、控制一切的智能，他把这比作“守护天使”。

“当我们能够确保地球上每个人都拥有一个个人‘守护天使’——能在正确时间以正确语言提供正确信息的AI，我们就知道ASI已经实现了。我们为此目标开发的工具和技术，最终将被证明是人类最重要的发明，使人类迄今取得的一切成就相形见绌。”瑞迪说。但他也强调，人类智慧始终对于有效驾驭AI、负责任地治理AI至关重要，实现这一愿景需要跨学科、跨机构、跨文化和跨世代的合作。

在通往AGI、ASI的道路上，人类的价值在哪里？美国杜克大学医学院神经科学名誉教授、被誉为“脑机接口之父”的米格尔·尼科莱利斯在大会对话环节中分享：“有观点提出，未来十年AI摧毁人类社会的概率为10%，但这一数值缺少严谨的科学推导。我们既不必陷入盲目的恐慌，也不能漠视潜藏风险，应当依托证据与科学方法理性研判。”

“如今，技术在某种程度上甚至成为一种新的信仰，但我们可能忽视了人类本身的价值。恒星和星系存在于宇宙之中，是人类通过观察、求索与思考，为它们命名、探明规律，赋予万物意义。”米格尔·尼科莱利斯说，技术足以重塑未来，但人类独有的创造力、独立判断、情感体验，以及生命本身，永远拥有不可替代的价值。

每日经济新闻