E5阶段评估延伸论题
各学科的回应（2023–2026）
？AI 进了各个学科之后，真正的瓶颈在哪里？
◇这张网以“AI 进入实验室”为中心重新排布。每一屏都留着几个追问，点开就走进另一个论题。
01/08奖章
2024 年 10 月，诺贝尔物理学奖和化学奖在两天之内先后表彰了与人工神经网络有关的工作，化学奖的一半颁给做出 AlphaFold 的哈萨比斯和江珀。不到两年，震动来到最讲究证明的数学：2026 年 7 月，一位数学家借助 Claude 找到了雅可比猜想在三维及以上情形的反例，公式短得一条帖子就写得下；9 月，OpenAI 宣称用约一万个智能体攻下了纳维–斯托克斯难题。
AI 在科研里至少扮演五种角色：分析工具、预测器、助手、智能体和评审者。越往后，越难验证，责任也越难分派。依赖 AI 不是问题，没有 AI 的环境已经不存在了；同质化才是问题：人人都问 AI 最顺手回答的问题，就会误以为自己探索了所有的可能。
02/08数学
2026 年 4 月，一个二十三岁、没受过专业数学训练的年轻人，一次提问就让 AI 给出了一道悬置约六十年的埃尔德什问题的证明。原始输出“相当糟糕”，要专家筛选才看得懂，却用上了一个人人熟知、没人想到用在这里的公式。到 8 月，埃尔德什问题网站上已有 565 道题标为已解决。数学最早为验证做好了准备：Lean 和 Mathlib 让机器能逐行检查证明。
陶哲轩把解题拆成生成、验证、讲清、消化、写进教科书五个环节，警告 AI 会造成“证明的消化不良”。他的法则是：没有人能恰当解释的证明，即使经过形式化验证，也不完整。四千多人签署了《莱顿宣言》，要求披露工具，功劳与责任归人；七百多人联署反对一场四十小时的“数学马拉松”，活动最后改成为已有的定理寻找新证明、写出讲解。
03/08实验室
AlphaFold 数据库收录了两亿多个蛋白质结构；谷歌的“AI 共同科学家”用大约两天，提出了与帝国理工团队多年未发表的成果相吻合的假说；欧洲中期天气预报中心已让 AI 预报投入业务运行。但“新”字常常说得太快：自动化实验室 A-Lab 宣称合成了 41 种新化合物，2026 年初更正论文，承认“新”只是对预测平台而言；独立科学家判定，AI 科学家 Kosmos 的报告里约五分之一的陈述不准确。
预测可以对照实验，发现却要时间确认。AI 早就有创造性，它缺的不是能力，而是动机：没有个体的欲望与有限性，它擅长集大成，不擅长另辟蹊径。
化学实验室与化学亲和力表。雕版，普雷沃据古西耶，1763 年。 Wellcome Collection · 公有领域
04/08洪水
计算机科学既是 AI 的出产地，也最先被 AI 的产出淹没：NeurIPS 的投稿五年间翻了一倍多；一家检测公司估计，ICLR 2026 约有 21% 的审稿意见完全由 AI 生成；arXiv 要求计算机科学类的综述和立场论文先经同行评议。NeurIPS 2026 立场论文分会凭检测器直接拒稿 178 篇，这种做法我不能同意：该看的是论文本身，而不是它由谁来写。
社会科学更棘手：一个 AI“合成受访者”通过了 99.8% 的注意力检测，还能揣摩研究者的假设、生成“证实”它的数据；换几种提示措辞，几乎任何结论都能变得“显著”。经济学家斯科特·坎宁安说得好：科学的约束，正在从生产端转向评估端。
05/08人文
2026 年 6 月，维苏威挑战赛宣布首次把一整卷赫库兰尼姆古卷虚拟展开、从头读到尾：AI 负责从 X 射线数据里找出墨迹，读出的是什么，仍由纸草学家判读。中文古籍整理走了规模化加众包的路，数千名业余者参与校对；AI 识别历史手稿的错误率，已经低到可以和最好的专家相提并论。
普林斯顿的科学史家伯内特说，工厂式的学术生产率从来不是人文学科的本质。我说得更直接：抱着独家手稿挤牙膏式发一辈子论文的模式，很快会被唾弃；对新技术反应最滞后的，恰恰是人文学者。依赖本来就是技术的宿命，AI 也许比人更善于读书，选书的责任却仍然在人。
1779 年 8 月 8 日夜的维苏威火山喷发。彩色蚀刻版画，法布里斯，1779 年。 Wellcome Collection · 公有领域
06/08门槛
在埃尔德什问题网站的评论区，一位白天在客服公司上班的研究者可以和陶哲轩合作，有没有终身教职、在不在大学都无所谓。可在另一端，一次动用一万个智能体、花费数百万美元的攻关，很少有数学家负担得起；一项覆盖 4130 万篇论文的研究发现，用 AI 的科学家发表的论文是其他人的 3 倍，整个科学的研究主题却收窄了。
先别把传统学术想象成一个平等、低门槛的世界：实验室、门派、学生劳动力，这些旧垄断被 AI 削弱的，比它制造的新集中要多。真正要操心的，是关注面收窄带来的同质化。
07/08规矩
2023 年 1 月，《自然》宣布大语言模型不能署名，《科学》的社论干脆题为《ChatGPT 很好玩，但不是作者》。这一条我完全赞成：署名首先不是名誉而是责任，AI 背不了锅。美国国立卫生研究院禁止评审专家用生成式 AI 撰写评审意见，中国科技部要求不得用它直接生成申报材料，也不得把它列为成果的共同完成人。
三年下来，形成了三条共识：AI 不能署名，使用要披露，评审要保密。第三条要看场合；第二条得说清性质：披露是平台的契约，不是作者的忏悔，最好让它成为过程记录的自然产物。
《哲学汇刊》内页。皇家学会，1665 年起。 Wellcome Collection · 公有领域
08/08迁移
AI 放大了产量，也放大了垃圾；压缩了生成的时间，却没有压缩理解的时间；降低了门槛，也生出新的集中。稀缺的不再是写出来，而是验证、讲清、消化与评价。科学需要新的见证技术和新的作品形态，还要把复核与讲解设计成值得做、也被认可的工作。
2026 年从赫库兰尼姆焦卷里读出的那篇伦理学论著中，有一句残缺的话：“……我们会去探究某件事，但我们不会把握它，如果我们以某种方式偏离了我们自己和我们自己的本性……”机器可以替我们探究，把握却只能是我们自己的事。
E5讨论没有结束
？AI 进了各个学科之后，真正的瓶颈在哪里？
2024 年 10 月，诺贝尔物理学奖和化学奖在两天之内先后表彰了与人工神经网络有关的工作；不到两年，AI 已经在数学家最珍视的地方——证明——掀起风暴。本文是一份截至 2026 年 9 月 30 日的阶段性评估：区分 AI 在科研中的几种角色，逐一考察七个学科领域的反应，并讨论制度与研究者的回应。结论不妨先说：AI 放大了产量，也放大了垃圾；它压缩了从想法到结果的时间，却没有同样压缩验证与理解的时间；它重新分配了谁能参与科研，松动了一些旧的垄断，也在另一端形成新的集中。瓶颈正在从“写出来”迁移到验证、讲清、消化与评价。
深读AI 进入实验室：各学科的回应（2023–2026）约 16,613 字 · 13 个问题 · 131 条出处↗这一页各屏留下的追问，按它们通向的论题排列。
其他论题里问到这里的问题，点开回到提问的那一屏。