当机器接管科学：人类如何面对“不可理解”的进步
2026年10月6日，OpenAI 集中发布了700多篇学术论文，宣布解决或推进了困扰学界数十年的372个难题。这一事件彻底颠覆了数学界，也迫使整个科学界直面一个现实：我们正在进入一个机器理解宇宙、而人类可能无法理解机器的时代。
核心矛盾由此诞生：如何在不牺牲人类理解力的情况下，推进科学进步？
1. 从公理证明到重塑经验科学
数学之所以成为 AI 展现科研潜力的前沿，是因为数学证明基于公理而非实验经验，理论上可以被机械化验证。但 AI 的渗透远不止于纯数学：
- 经验科学加速：从优化天气预报、预测数百万种潜在新材料，到辅助控制核聚变实验。
- 生物学范式转移：从获得诺贝尔奖的蛋白质结构预测，到设计抗旱作物、研发靶向噬菌体，再到构建全细胞计算模型。
- 数字生命演进：如果生命能够完全在计算机中建模（in silico），DNA 将变成像大模型 Token 一样可任意编辑的“代码”，彻底颠覆生命科学的底层规则。
2. 学界的恐慌与抗拒：“没有苦思，何谈理解？”
面对冲击，包括由900多位学者组成的“人类数学协会”在内的许多科学家深感不安。他们的核心主张在于：数学的价值不在于答案本身，而在于求解过程带来的认知跃迁。
让 AI 批量输出正确却晦涩难懂的证明，如同直接给学生提供作业答案。但在知识生产面前，这种诉求带有一定的“行会保护主义”色彩：
- 知识的探索属于全人类，学术界的旧有等级机制并非不可动摇。
- 科学史上，“重结果轻机制”屡见不鲜——就像人们并不完全了解扑热息痛的作用机理，却不妨碍它成为有效药物。
3. 真正的危机：失控的权力与“人类宠物化”
科技巨头重金投入科学研究，并非出于纯粹的利他主义，而是因为科学解题能力是模型通用智能跃迁的关键。一旦模型开始自我迭代，并借助人形机器人或实验室自动化系统直接操控物理现实，科研垄断就将成形。
这带来了深层的社会与治理危机：
- 盲目买单的风险：若无人理解机器到底在做什么，继续投入算力与资源将极其危险。
- 主体性的丧失：如果人类在所有重大决策上都只能依赖机器的答案，即使模型完全“对齐”，人类最终也会退化为机器的“宠物”。
4. 应对之道：重塑“以人为本”的科学范式
在机器科学时代，必须确立新的运行规则：
- 人必须在回路中（Human-in-the-Loop）：算力、实验室等核心资源的分配，必须由具备专业判断能力的人类科学家主导和监督。哪怕这会拖慢研究节奏，也是守住控制权的必要代价。
- 学术评价体系重组：引导模型、验证机器结论、将其转化为人类可理解的知识并传授，应当获得同等的学术地位、晋升机会和资金支持。
- 敦促 AI 实验室遵守规范：顶尖机构必须接受同行评审，公开研究方法与代码，履行科研公民的责任。
英国皇家学会的座右铭是 “Nullius in verba”（勿轻信任何人之言）。面对由算法和机器主导的科学新纪元，这种怀疑与审慎的验证精神，比以往任何时候都更加不可或缺。