AI 正在成为研究仪器：它既预测实验，也执行实验

7月11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 以及各领域顶级期刊。

AI 正在成为研究仪器：它既预测实验，也执行实验

对社会科学家而言，本周最引人注目的结果以最令人不安的方式带来启发。Ashwini Ashokkumar、Luke Hewitt、Isaias Ghezae 和 Robb Willer 在 Nature 上汇集了 70 项预注册的、全国代表性的调查实验，覆盖 105,165 名美国被试中的 476 个处理效应，并让 GPT-4 模拟具有代表性的美国样本对每一项刺激的反应。模型预测的处理效应与真实处理效应的相关系数达到 r = 0.85，追平乃至超过了人类专家预测小组。关键在于，对那些不可能泄漏进训练数据的未发表研究，模型准确度依然保持（r = 0.90），尽管其倾向于高估效应量。Nature 的一篇配套评论主张审慎地使用大语言模型，在正式施测之前对研究设计进行筛选与预检验。

如果第一篇论文展示的是 AI 预测实验，第二篇论文展示的则是 AI 亲自运行实验。在 Science 上，Kexin Huang 及其同事介绍了 Biomni，一个通用的生物医学智能体：其行动发现组件从 25 个领域的数千篇出版物中挖掘工具、数据库与实验方案，构建出一个统一环境，使智能体能够在其中自主执行多种研究任务。两篇论文放在一起，勾勒出一条连续谱：一个能够低成本预测哪些假设值得检验的模型，衔接一个能够承担部分检验工作的智能体，从而压缩从想法到证据之间的循环。

**为何重要：** 一种能在你收集数据之前预测结果的研究工具，对研究优先级排序、分析推进和设计压力测试确实有用；但它同样构成一种诱惑，让人跳过那些棘手而意外的、足以推翻既有预期的实证工作。r = 0.85 这一标题数字是对成熟调查范式的平均；而你的领域最需要回答的问题，往往正是大语言模型最无话可说的那类问题。用这些工具决定该做什么，而将它们当作跳过实验的替代品；同时，任何“模拟被试”都只能视为假设生成器，绝不能当作数据。

本周更多动态

“人味化”工具能抹去 AI 文本的痕迹

Nature 报道了一类“人味化”（humanizer）工具：它们对 AI 生成的文本进行改写与风格重塑，专门用于击败期刊和高校所依赖的检测器。对研究者和编辑而言，这场军备竞赛关系重大：它侵蚀基于检测的学术诚信检查，把负担推回披露规范、来源追溯与信任。对任何指望用自动化 AI 文本检测来把守投稿的人而言，这篇文章是一次必要的现实提醒。

[阅读 Nature 原文（7月7日）→](https://doi.org/10.1038/d41586-026-02105-3)

我们正在变成“反向半人马”吗？

在 Science 对 Cory Doctorow《The Reverse Centaur's Guide to Life After AI》的书评中，Tim Wu 阐发了全书的核心忧虑：所谓“反向半人马”，是指被降格为给自动化系统喂料并收拾残局的工作者，而非被技术增强的人。对于正在权衡如何把 AI 纳入研究与教学流程的学者而言，这是一个尖锐的提醒：真正决定谁掌握主导权的，是人机分工的设计，而非模型本身的原始能力。

[阅读 Science 原文（7月9日）→](https://doi.org/10.1126/science.aei9754)

细胞的基础模型

研究者提出了通用细胞嵌入（Universal Cell Embedding, UCE），一个通过自监督学习在大型单细胞数据语料上训练的基础模型，能将多种类型与物种的细胞置于同一表征空间。与语言模型嵌入类似，它致力于成为其他分析可以据以构建的通用底座，为社会与行为科学家提供了一个具体范例：文本之外的“基础模型”可以是什么样子。

[阅读 Nature 原文（7月8日）→](https://doi.org/10.1038/s41586-026-10689-z)

建在存储芯片里的神经网络

Science 报道了一个直接在计算机存储芯片内实现的人工神经网络，即“以物理方式在存储中计算”，能够实时高精度重建人类皮层活动模式。通过在数据所在之处完成计算，这类神经形态硬件有望大幅提升 AI 的能效；随着大模型的算力与电力成本不断攀升，这一问题日益受到关注。

[阅读 Science 原文（7月2日）→](https://doi.org/10.1126/science.aei8090)

人形机器人向手术迈出第一步

一项 Nature 可行性研究报告了人形机器人执行外科手术任务的早期体内试验。这是一次渐进但具体的探索，检验通用机器人平台（而非定制的手术设备）能否在活体中完成操作。它提醒我们：推动仓储与实验室自动化的同一场具身智能浪潮，正在进入可靠性门槛高得多的临床场景。

[阅读 Nature 原文（7月8日）→](https://doi.org/10.1038/s41586-026-10796-x)

本周内容到此为止。欢迎将本文转发给还在往 ChatGPT 里粘贴数据的同行，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