一分钟读论文：《AI科学家：科学未来由AI自主发现》

伦敦国王学院与卡尔斯鲁厄理工学院的论文《Towards end-to-end automation of AI research》（发表于 Nature）显示：AI 正从科研工具转变为自主发现者，可独立完成从选题到论文发表的全流程，但研究同时指出未来主导模式是先进的人机协作，而非 AI 完全替代人类科学家。

从工具到自主发现者

传统科研中 AI 仅作为计算工具，帮助处理数据、运行模拟。这篇论文的 AI 科学家系统展示了完整链路：独立识别未解决的科学问题；自动搜索并分析相关文献；规划实验方案，调用设备运行模拟或真实实验；用统计方法解读数据、验证或否定假设；最后撰写完整论文。

Nature 2026 年 3 月 25 日发布的这套系统能基于现有知识库生成原创性假设，规划包括所需设备与步骤在内的具体实验流程，自动调用实验设备运行模拟或真实实验。更关键的信号来自同行评审：Scientific American 2026 年 3 月 27 日报道，首篇完全由 AI 撰写的科学论文《AI 在材料科学中的应用》已通过评审，其论证符合学术规范、提出了新的研究方法、结果可被其他研究者复现，对材料科学领域有实质推进。这被视为 AI 的产出首次获得学术界正式认可，意味着 AI 的科研贡献不再只是辅助性质的边角工作。

效率差距有多大

AI 科学家相比人类科研模式的量化对比（论文给出的任务耗时）：

• 文献综述：人类 1 至 2 周，AI 1 至 2 小时
• 实验设计：人类 1 至 3 个月，AI 1 至 2 天
• 数据分析：人类 2 至 6 周，AI 1 至 3 天
• 论文撰写：人类 1 至 3 个月，AI 2 至 5 天
• 重复实验：人类数周，AI 数小时

此外 AI 可 7×24 小时不间断工作，可同时分析数千篇论文，在复杂数据中发现人类难以察觉的关联，并轻松融合不同学科的知识。实验周期由此从数月缩短到数天，迭代速度的差距比单项任务的耗时差距更值得关注。

人机协作仍是主导模式

论文同时划出了能力边界：AI 对科学现象本质的理解深度不足，突破性发现往往需要非线性思维跳跃，涉及伦理的研究更需要人类判断。因此研究给出的路径是分工明确的人机协作——人类科学家提出宏观方向与伦理边界，AI 负责数据处理、假设生成与实验执行，人类负责审查并验证 AI 的发现。

落地上还有四个挑战：复杂模型的黑箱性质与科学发现要求的因果解释存在张力；高质量验证依赖人类专家，专家资源可能成为瓶颈；AI 生成的形式化陈述能否忠实反映原始意图需要独立验证；如何区分 AI 是在模拟思考还是真正理解，仍无判定方法。

按论文的节奏，未来 1 至 2 年人机协作成为主流，3 至 5 年 AI 自主处理常规研究、人类专注突破性探索，5 至 10 年 AI 可能在特定领域实现完全自主发现。站内文章《AI 共同研究员时代来了》记录了同一趋势下 AI 参与科研分工的最新进展。

References

• Towards end-to-end automation of AI research (Nature)
• Scientific American 报道