自动化科研时代，我们该做什么

简要思考自动化科研工作流程可能如何重塑科学实践，以及我们能做些什么，让自己的工作保持务实、有用和诚实。

这是我重建个人网站后的第一篇文章。 我有意让它保持简短，想法也还未完全成形：它记录了我最近的一些思考。

我反复思考的问题

• 自动化科研工作流程能否改变我们选择问题的方式，而不只是回答问题的方式？
• 在这一过渡阶段，我们在实践、伦理和职业发展方面应该做些什么？
• 在人工智能时代，我们如何定位自己：工具开发者、工具使用者、评审者、实地研究者、理论研究者，还是在这些角色之间沟通转译的人？
• 在21世纪，当“产出”变得廉价时，什么工作仍然有意义？

全自动科研工作流程示例：Sakana AI 的 AI-Scientist-v2。

科研的意义，不是让科研变得没有意义。
我们的使命，是在一个领域发展的每个阶段，诚实地找到自己的位置。

科学研究的本质，是将未知转化为可靠的知识。 在实践中，这是一个由人开展的过程：在已有知识的基础上，提出新颖、合理且有用的论断。

大多数领域仍然遵循相似的循环：

• 研究文献与背景
• 找到值得提出的问题
• 提出假设（或构建描述可能真实情况的模型）
• 设计实验或观测，并收集证据
• 分析、解释并得出结论
• 撰写论文、代码或实验记录，并发表或评审
• 交流、反思并迭代

现在问问自己：今天，哪些环节你能比人工智能做得更好？在学会与人工智能有效协作后，哪些环节你又能做得更好？

我目前的答案是：品味和判断力仍然最为重要。 这不仅是“科研品味”，也包括感知不同受众的需求与重视之处，并在他们之间沟通转译的能力。

我喜欢用以下框架来理解：

• 面向同行（P）： 作出严谨且经得起审视的贡献
• 面向企业（B）： 构建可靠、能创造可衡量价值的系统
• 面向客户或用户（C）： 提供减少使用阻力、契合实际工作流程的解决方案
• 面向人（H）： 带来意义、信任与方向感

自动化可能取代许多科研过程，但“什么才算优秀的科研”并非一成不变。 这一标准会随时间变化，也会成为人工智能训练中不断变化的目标。 这正是我们应该学会立足的地方：定义目标、更新标准，并诚实地面对取舍。

要让工作有意义，我们仍然需要在每个阶段、每种角色中把基本功做好。 可以用一个简单的比喻来说明：

作为谋士：掌握战略方向。
人工智能可以围绕一个目标优化流程，但无法决定长期的最终目标。

作为将军：将战略转化为可行的战术。
人工智能可以帮助细化步骤，但仍然需要人将宏观目标转化为可执行的计划。

作为士兵：有纪律地执行。
作为研究者，为自己的领域建立可靠的工作流程，是一件紧迫且切身相关的事：没有人比你更了解你所面临的约束。