2025年10月8日，歐盟聯(lián)合研究中心（JRC）發(fā)布《AI在科學研究中的作用》（The Role of Artificial Intelligence in Scientific Research - A Science for Policy, European Perspective）報告，對AI在科學及科研流程中的作用進行了科學技術分析，旨在通過循證洞察為戰(zhàn)略決策提供指導。報告探討了各類AI技術——尤其是機器學習（ML）、深度學習（DL）和生成式AI——如何重塑從假設提出、成果發(fā)表到學術共同體構建等科研全環(huán)節(jié)。

報告的主要內容概述如下：

1.政策背景

該報告指出，AI正以前所未有的速度重塑科學領域，徹底改變知識生成、實驗設計和成果共享的方式。歐盟已通過《AI法案》等舉措對AI治理進行整體規(guī)劃，該法案通過制定明確的風險分級規(guī)則，確保在歐盟境內使用的AI系統(tǒng)安全可靠、尊重基本權利與價值觀，同時促進可信賴AI的發(fā)展。

在此背景下，加速推動AI在科研領域的負責任應用顯得愈發(fā)重要?！稓W洲科學AI戰(zhàn)略》應運而生，旨在：開發(fā)并完善AI工具與計算基礎設施的獲取渠道；培養(yǎng)和吸引專業(yè)人才；強化氣候變化、健康醫(yī)療及清潔技術等戰(zhàn)略領域的研究。該報告通過實證分析，系統(tǒng)闡述了AI如何變革科研流程、帶來的機遇與挑戰(zhàn)，為政策制定者提供AI對科研誠信、創(chuàng)新生態(tài)及歐盟競爭力的實際影響評估，從而支撐該戰(zhàn)略的落地實施。

2.主要結論

該報告的分析證實，AI在科學研究的每個階段都具有變革性潛力。這些能力使研究人員能夠識別原本可能被忽略的模式與關聯(lián)，從而促進科學突破并拓展跨學科合作。然而，AI的影響并非天然具有積極性——其效果高度取決于部署條件和治理框架。研究結果表明，為確保AI在保障科學嚴謹性的同時充分發(fā)揮潛力，需要在三個主要領域采取政策行動。

首先，研究結果再次證明開放科學原則（包括開放數據、開放模型和開放基礎設施）對促進創(chuàng)新、保障AI驅動研究的可復現性與可信度至關重要。政策支持能拓展并維系這些生態(tài)體系，確保公平可持續(xù)地獲取必要工具。

其次，報告強調了日益嚴峻的計算與數據基礎設施挑戰(zhàn)。盡管AI模型正變得愈發(fā)強大和通用，但其訓練與部署仍需消耗大量資源。這使對高性能計算（HPC）、AI工廠及開放科學數據庫的投資成為確保歐盟保持AI研究領先地位的關鍵。

第三，AI的融合要求科研人員掌握新技能體系。最具影響力的研究往往來自"復合型"角色與團隊——他們將深厚的科學領域專業(yè)知識與AI及數據科學方法相融合。因此政策應聚焦于吸引、培養(yǎng)和留住這類跨學科人才，確保人類專業(yè)知識始終居于科研過程的核心地位。

最終，一個新問題浮出水面：認知漂移風險。這種現象源于人類與機器共同創(chuàng)造知識的過程，其本質是對科學知識有效性標準及生產方式的根本性改變。具體表現為兩種形式：其一，AI技術可能無意間強化既有研究范式，限制探索問題的多樣性；其二，AI技術可能催生科學結論與人類研究者相割裂的文化，導致知識生產脫離人類的監(jiān)督掌控。AI還可能生成虛構信息或"幻覺輸出"，若未被識別，或將扭曲科學認知。

解決這些問題需要制定相應政策，包括提升AI素養(yǎng)、培養(yǎng)批判性思維以及促進跨學科合作，從而確保人類專業(yè)知識始終居于核心地位。歐盟通過主動防范這些風險，既能守護科研過程的完整性，又能增強公眾對科學的信任。

3.主要發(fā)現

AI正通過成為知識生產的協(xié)作伙伴，在科研全流程中提供助力，從而重塑研究范式。它能加速文獻綜述與知識發(fā)現，催生創(chuàng)新性研究假設，支撐更高效精準的實驗設計，并助力處理復雜的多模態(tài)數據集。尤其是AI正在深刻變革以下科研環(huán)節(jié)：

——提出問題與假設構建：AI正從被動工具演變?yōu)?AI協(xié)研科學家"，通過加速文獻分析與識別知識空白，在研究的早期階段提供助力。這一功能催生了新型"跨學科合作"，因為AI工具能整合不同領域的信息，提出新穎且可驗證的假說。在科學研究的全流程中，大語言模型（LLMs）及其他領域專用系統(tǒng)能夠串聯(lián)起先前互不關聯(lián)的概念，但需要人類監(jiān)督以確保有效性，并防止研究偏向已有充分文獻記載的領域。

——–設計與實施實驗：AI實現了實驗設計的自動化、模擬與優(yōu)化，既提升了效率，又催生出"自動駕駛實驗室"。AI工具可生成可執(zhí)行實驗代碼，并實時管理復雜儀器。AlphaFold榮獲諾貝爾獎的突破正是AI變革力量的典范，其精準預測蛋白質結構的能力，大幅加速了生物機制假說的驗證進程。這使得科學家能探索更廣闊的實驗領域，但也存在過度簡化現實復雜性的風險。

——收集數據與分析：AI處理超越人類能力極限的海量多模態(tài)數據集，其模式識別能力已促成天文學、基因組學等領域的突破。考古學中的AI增強工具通過分析衛(wèi)星與激光雷達圖像的大規(guī)模數據集，發(fā)現了眾多新的古代遺址?；谶@種分析能力，人工智能還被應用于材料科學領域，催生出名為"逆向材料設計"的新范式，該技術逆轉了從現有數據中分析特性的傳統(tǒng)流程，轉而通過計算生成具有特定目標性能的新材料。這些技術應用可能引發(fā)對數據質量、模型可解釋性以及"黑箱"模型不透明性的擔憂。

——解釋結果與歸納結論：AI驅動的方法能協(xié)助將數據轉化為洞見和形式化理論，但其因果解釋往往缺乏透明度。AI工具可作為保障機制，確保新發(fā)現與現有知識體系一致，從而輔助驗證過程。

——發(fā)表與傳播成果：AI工具正日益廣泛地應用于科技論文寫作，包括文本潤色與摘要生成，既能提升表述清晰度，又能消除語言隔閡。自動化技術雖然輔助了初稿撰寫與數據可視化，但也引發(fā)了關于作者歸屬權、原創(chuàng)性及成果可信度的新思考。

資料來源：

PURIFICATO, E., BILI, D., JUNGNICKEL, R., RUIZ SERRA, V., FABIANI, J. et al., The Role of Artificial Intelligence in Scientific Research——A Science for Policy, European Perspective, https://publications.jrc.ec.europa.eu/repository/handle/JRC143482

[本文為教育部國別和區(qū)域研究基地中國教育科學研究院國際教育研究中心成果]

本文由中國教育科學研究院“教育國際前沿”課題組負責人張永軍整理，編輯劉強。點擊左下角閱讀原文可下載該文獻。