研究的工业化：论AI驱动的科学及其后果

人工智能正从研究工具转变为研究循环中的自主参与者，这标志着科学研究的工业化：知识、方法与判断从嵌入研究者转向分解、自动化并监督的管道模型。美国能源部的Genesis任务是当前最雄心勃勃的实例，该转变引发了七个核心问题，包括科学能力代际传递的削弱、AI生成理论的日益不透明等。

这改变了科学知识生产的基本方式：传统工匠式的、依赖研究者个人技艺与经验的模式，正被可分解、可自动化、可监督的流水线模式替代，影响科研能力传承、知识透明度、同行评审机制及全球研究生态。

AI作为自主参与者，使研究步骤从问题提出、实验设计到结论生成均可被分解、自动化并加以监督，类似工业流水线，形成闭环管道。该机制导致科学议程可能被政治和工业行为体捕获，且闭环管道中系统误差可能叠加。

• AI生成理论的日益不透明性将如何影响科学可重复性与信任？
• 洪水般的机器生成产出如何冲击现有同行评审体系？
• AI是否具备实现范式转移级发现的能力？证据不足时如何评估？
• 全球研究社区的结构性两级分化如何避免走向不可通约的层级？