AI疯狂输出猜想，科学家已经忙不过来了！谷歌重磅报告，揭露AI for Science残酷真相

调研637位科学家后， 谷歌 带来了一份最真实的AI4S一线使用报告。 近日，谷歌 DeepMind携手麻省理工学院未来技术实验室发布了一篇名为 《 科学中的人工智能：早期洞察 》 （AI in Science: Early Insights）的研究报告。 研究使用了Google旗下AI与经济研究项目ATLAS（Activity, Task, Landscape, and Adoption Study）的数据。 ATLAS通过分析约1500万次经过去标识化处理的Gemini交互，追踪全球不同职业中AI的实际使用情况；而这份科学专题研究，又进一步结合了专业科学AI模型数据库，以及对美国和英国637名活跃科学家的调查。 报告通过调研显示，AI4S已经不是AlphaFold一个明星案例的故事了。 研究团队一共梳理出了2690个专业科学AI模型，覆盖83%的科学子领域；如果剔除教学、行政等任务，约24.3%的实质科研任务已经存在专业AI模型覆盖。 报告 给出了不少有趣的数据，例如近一半的受访科学家每天都会使用AI；AI每周可为科学家节省近7小时等…… 然而最值得注意的真相还是以下两点： ver ification tax（验证税 ） 正在 吃掉相当大一部分的时间红利、 AI解放出的这些时间并没有能完全变成生产力。 在那些认为AI确实节省了时间的受访科学家中，89%反而会拿出超过10%的已节省时间来检查AI输出，46%会拿出超过25%的节省时间。 此外， 假设积压（untested hypothesis backlog）开始大量 出现， 约41%的受访科学家表示，他们手中未验证假设的积压正在增加。 报告指出， AI加速“生成假设”和“计算预测”的速度，可能已经远快于物理实验设施执行实验并验证这些假设的速度，也快于科学家自己验证AI输出的速度。 谷歌、OpenAI、 Anthropic的共识 AI4S下半场在实验室 在谷歌发布报告的同期，另一家AI巨头 Anthropic 直接在行动上响应了这一观点。 该公司被爆出在旧金山设立了一个湿 实验室，探索让 Claude 直接指挥实验室里的机器人单元，在有限人工介入的情况下完成实验。 在今年八月，该公司曾 高调宣布发布 模型硬件标准 （ Model Hardware Standard ，简称 MHS ），将AI和硬件设备之间的通信统一成一套通用语言。 并成功将将一项原本需要耗费数周的成像实验，硬生生压缩到了1天之内。 在相关采访中，Anthropic生命科学负责人 Eric Kauderer-Abrams明确表示 “我们认为，要真正做生物学，最终的检验仍然得在真实实验室里，而且在未来一段时间内都会如此。” 其实早在2024年，Anthropic CEO Dario Amodei就曾谈过他对AI4S的看法并指出，AI应用于生物学面临的核心限制之一，是“物理世界的速度”（ the speed of the physical world ）。 培养细胞需要数天甚至数周，动物实验需要数月，人体实验更可能持续数年，而再聪明的AI，也无法直接让现实世界按GPU的速度运行。 另一家AI巨头OpenAI也在向同样的方向布局，早在今年二月就与合成生物学公司 Ginkgo Bioworks 合作， 将 GPT‑5 接入实验室，由机器人完成实验操作并反馈数据。 结果显示， GPT-5 仅用三轮实验，就刷新了低成本无细胞蛋白合成的 SOTA ： 蛋白生产成本降低 40% ，试剂成本降低 57% ，还开发出多款新型反应体系。 OpenAI又与AI4S企业Molecule.one合作，再次将GPT‑5.4接入化学实验室，由智能体和机器人完成实验操作并反馈数据。 最终在AI的改进下，将反应平均产率飙升到 25.2%， 而且产率超过30%的反应比例从15.6%翻倍到了37.5%。 —The End— 特别