近期 AI 解决了很多搁置了数十年的数学难题，也有许多科学家正研究所谓的“AI 全自动科研流水线”（在学术上被称为“端到端科学系统”，简称 ETES）。

简单来说，AI 可以自己提出假设、控制机器人或者在电脑里做实验、自己分析数据，最后甚至连论文都直接写好，直接达到顶刊的发表水平。

很多科学家都觉得人类即将迎来创新大爆炸的时代，但『Science』杂志对此表示了担忧。

『Science』认为，科学的进步，更像是大自然里的“达尔文进化论”。

它需要成千上万个科学家各自为战，提出各种千奇百怪的想法，大家互相批评、验证、竞争，最后留下那些真正经得起考验的结论。

科学之所以能自我纠错并发现新知识，靠的就是这种“各自为战”的独立性。如果把科研完全交给AI，科学的底层结构可能会被彻底改变。

这些 AI 往往都是基于少数几个大模型底座开发的，喂给它们的数据也是高度重叠的。这就好比看似有几百个大脑在思考，但它们其实共享着同一套底层逻辑。

结果就是：全自动的 AI 科研系统会产出海量的论文，可研究方向会变得越来越同质化。系统内部看似热闹非凡，实际上却失去了真正相互竞争、相互独立的科研视角。

此外，AI 的强项是“组合式创新” —— 它能把现有的海量知识像拼乐高一样，拼出前所未有的新形状。

但人类科学史上那些真正惊天动地的伟大发现（比如相对论、量子力学），往往不是旧知识的重新组合，而是彻底推翻过去的假设，打破原有的框架。

科学哲学家卡尔·波普尔曾打过一个比方：世界上的系统分为“钟表”和“云朵”。

钟表是可以拆开的，你可以把每一个齿轮都打磨到最完美，再拼回去。但云朵是复杂多变的，你没法通过优化每一颗水滴来控制一朵云。

AI 流水线就像是在修钟表，试图把提出假设、做实验、写论文的每一步都优化到极致。但科学发现本身是一朵云，过度追求每一步的效率，反而会破坏整个科学系统的生命力。

『Science』并不是要抵制 AI 参与科研，只是它更倡导保留人类科学系统里那些看似“低效”的环节。比如，必须刻意保持不同研究路径的独立性，甚至要人为限制 AI 产出论文的速度，保留那些耗时费力的同行评议和重复实验。

如果任由 AI 用绝对理性的工程效率取代了科学原本的演化过程，人类失去的将不仅是某些具体的科研成果，更是人类探索未知世界的核心能力。