AI 已能自主设计实验，但验证仍在实验台

7月6日

欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及商学领域的顶级期刊。

AI 已能自主设计实验，但验证仍在实验台

过去两年，研究者获得的 AI 还只能总结论文、起草代码。本月，Nature 聚焦了更具雄心的进展：能够运行完整科学推理闭环的 AI 系统。Olivier Elemento 在一篇 News & Views 评论文章中介绍了两个独立开发的系统，即 Google DeepMind 的 Co-Scientist 与 FutureHouse 的 Robin：它们生成假设、设计实验加以检验、解读结果，并依据发现修正假设。其设计目标是成为参与发现循环每一步的合作者，而非被动等待提示词的聊天机器人。相关基础工作已发表于 Nature 研究栏目，其中包括《Accelerating scientific discovery with Co-Scientist》。

这一定位框架与能力本身同样重要。Nature 的一篇配套文章《AI 工具能加速思考，但证据仍来自实验台》强调，此类智能体的定位是为科学家赋能，让人类研究者保持主导：它们可以压缩研究中缓慢的认知环节，例如梳理文献、寻找可信的机制、勾勒实验设计；但一个假设的价值，最终取决于检验它的湿实验或实地数据。瓶颈只是发生了转移。当 AI 能在一夜之间提出一百个有前景的实验方案时，稀缺资源便成了实验台时间、试剂、人类被试，以及判断哪些想法值得付出成本去验证的眼光。

**为何重要：** 对社会科学家、商学学者和营销研究者而言，这一教训的适用范围远超生物医学。智能体 AI 正开始将研究的构思与设计阶段自动化，而这正是许多人视为创造性核心的部分；与此同时，验证环节依然牢牢掌握在人类手中。这重新划定了学者创造价值的位置：生成候选假设的价值在下降，选择值得追求的假设、设计可信的检验、防范大量看似合理却未经证实的论断，价值在上升。最终胜出的实验室和院系，未必是生成假设最多的那些，而是最快检验正确假设的那些。

本周更多动态

人能否被训练识别 AI 生成的面孔？

AI 生成的面孔如今已几乎与真实照片难以区分，对信息完整性与安全的威胁持续升级。算法检测器虽然存在，但既不透明也不稳健。这项 PNAS 研究转而追问：人本身能否被训练得善于察觉合成面孔的破绽？这是对自动化深度伪造检测的人类中心式补充，在图像信任支撑着研究、新闻与证据的任何场合都至关重要。

[阅读 PNAS 原文（6月29日）→](https://doi.org/10.1073/pnas.2602122123)

深度学习解读公司财报的言外之意

公司 10-K 文件中的管理层讨论与分析（MD&A）部分，是透视企业财务健康、经营状况与前景的叙事窗口，但难以规模化分析。这篇 MIS Quarterly 论文开发了一种基于文本的深度学习方法，通过阅读这些披露文件来理解公司动态，展示了现代自然语言处理如何将非结构化的企业文本转化为对金融、会计与信息系统研究有用的信号。

[阅读 MIS Quarterly 原文（5月22日）→](https://doi.org/10.25300/misq/2026/19345)

引导运营决策的神经网络

在这篇 Management Science 论文中，研究者提出了用于数据驱动随机优化的深度神经网络：利用历史协变量、决策与成本数据，网络学习预测目标价值如何随决策变化，再用这一预测器选择更优的决策。它为把机器学习嵌入运营决策提供了具体范例，从而避免把预测与优化当作彼此割裂的步骤来处理。

[阅读 Management Science 原文（6月15日）→](https://doi.org/10.1287/mnsc.2023.04141)

当竞价者是学习智能体，广告收入会怎样

拍卖理论预测一价与二价拍卖的收入等价，但这一结论依赖的假设在真实广告市场中会松动。这篇 Information Systems Research 研究考察了在由学习智能体执行竞价时，一价与二价展示广告拍卖各自的收入表现，为平台与广告主提供了更贴近现实的认识：向一价拍卖的转型究竟如何影响发布商的收入。

[阅读 Information Systems Research 原文（6月15日）→](https://doi.org/10.1287/isre.2025.2160)

可进化的 AI 是达尔文式的威胁吗？一场 PNAS 论战

在一场观点鲜明的 PNAS 交锋中，Maarten Boudry 主张，能够进化的 AI 仍处于“驯化”状态，尚未构成真正的达尔文式威胁。Müller、Steels 和 Szathmáry 则回应称，可进化 AI 的风险过于重大，不能交由直觉裁决。这场往来为研究者如何推理乃至争论长期 AI 风险提供了一个简明样本，这一主题本身已成为独立的研究领域。

[阅读 PNAS 原文（7月2日）→](https://doi.org/10.1073/pnas.2617785123)

本周内容到此为止。欢迎将本文转发给还在往聊天机器人里粘贴文本的同行，也欢迎访问 gaiforresearch.com，探索适用于您自身研究的 AI 工具。

AI 科研动态速览