摘要：《细胞》杂志最近刊登了一则足以改写科研史的消息：一个名叫“AICo-scientist”的人工智能系统，在只有有限信息的情况下，独立破解了困扰微生物学界十年的难题。

《细胞》杂志最近刊登了一则足以改写科研史的消息：一个名叫“AICo-scientist”的人工智能系统，在只有有限信息的情况下，独立破解了困扰微生物学界十年的难题。

它提出的关于细菌基因转移机制的假说，和人类研究人员耗时数年做实验得出的结果完全一致。

这件事得从一个生物学谜题说起，有一种叫噬菌体诱导染色体岛（cf-PICIs）的遗传元件，能在亲缘关系很远的细菌之间精准传播。

人类科学家琢磨了十年，才通过实验摸清它的传播机制。

本来想直接把答案告诉AI，后来发现那样没法测试AI真实能力，研究团队就换了个思路，只给AI一页背景材料和几篇公开文献，关键的实验数据和结论全藏了起来，就是想看看AI能不能靠自己的逻辑推理找到答案。

AI花了两天时间分析，最后交出了一份报告，里面有五个按可能性排序的假说。

排第一的“衣壳-尾部相互作用”假说，还拿到了1777的高分，正好命中了实验验证的核心机制，这个结果挺让人意外的。

AI的推理过程很有章法，它先发现cf-PICIs能自己造蛋白质外壳，却没有感染新细菌需要的尾部结构。

基于这一点，AI推断这种遗传元件肯定有“通用接口”，能和不同噬菌体的尾部结合，形成能感染细菌的杂交颗粒。

人类科学家之前找到的“万能转接头”蛋白和“连接蛋白”，就是AI预测的分子基础。

更巧的是，AI还给出了验证方案，比如用冷冻电镜看结构细节、通过基因突变验证关键位点，这些方案和研究团队正在做的工作一模一样。

除了核心假说，AI还提了四个备选方向，覆盖了从分子机制到生态学意义的研究框架。

其中“接合转移”机制的想法，还让研究团队有了新的研究思路，这倒是超出了不少人的预期。

为了看看这个AI到底有多特别，研究团队把同一个问题发给了其他顶尖AI模型，像OpenAI的o1、Gemini2.0Pro这些。

结果很明显，没有一个模型能达到AICo-scientist的分析深度，如此看来，AICo-scientist的独特架构是关键。

它里面有不同“角色”，有的负责提想法，有的负责挑毛病，还有的负责查资料、优化假说，通过内部不断“辩论”来完善结论，这种“慢思考”模式让它能从多个角度看问题。

AI最让人佩服的地方，是它能跳出人类的认知局限。

人类研究人员一开始总觉得，cf-PICIs要成功传播，肯定得形成完整的感染性颗粒。

这种固有想法让他们走了不少弯路，直到后来才意识到，可能产生的只是没有尾部的“半成品”。

但AI没有这种思维包袱，它不被经典模型束缚，把“产生无尾颗粒”和“产生完整颗粒”当成平等的可能性来分析，凭着这种“局外人视角”很快找到了关键。

AICo-scientist的突破，意味着科研模式可能要变天了。

以后研究人员或许不用再花大量时间想假说、设计实验，而是专注于提出问题和判断AI的建议，AI来负责生成创新假说和实验方案，这样能大大提高科研效率。

但问题也随之而来，AI能生成大量假说，怎么筛选出有价值的就成了难题，传统的实验验证又贵又慢，怕是跟不上AI的速度。

还有知识产权和署名权的问题，要是核心想法来自AI，现有的学术评价体系该怎么调整？总不能还按以前的规矩来。

而且AI的推理过程像个“黑箱”，虽然答案准，但它是怎么想出来的，很多时候说不清楚。

万一AI是靠虚假关联得出结论，而不是真实的因果关系，那麻烦就大了。

所以，让AI的推理过程更透明，是接下来要解决的重要问题。

毫无疑问，AI不会取代人类研究人员，人类的直觉、好奇心和洞察力，是AI目前还没法比的。

未来的科研，应该是人类和AI互相配合，人类提出有深度的问题，AI提供创新思路，一起推动科学进步。

我们现在正处在这场科研变革的起点，能见证这样的变化，还是挺有意义的。

来源：法之生活一点号