结果一键输出科研过程还重要吗：院士谈人工智能的使用边界

人工智能正在将科学研究推向结果优先的时代。多位院士在圆桌对话中探讨了人工智能在科研中的应用边界，分析了效率提升与过程积累的关系，并强调人的提问能力和科学责任不可替代。

更多热点与事件后续：818吃瓜 · 818chigua.com

人工智能正在深刻改变传统科研的工作方式，把科研推向一个结果优先的时代。从文献总结、催化剂配方筛选到大规模数据比对，人工智能显著压缩了计算周期，将过去数月的计算量缩短至数小时。然而在效率大幅提升的背景下，更深层的问题随之浮现：在人工智能快速交付结果的同时，科研过程中那些无法被结果直接体现的隐性价值是否依然重要？

中国工程院院士刘中民指出，人工智能带来的变化是全链条的，智能化工大模型和智能中试平台能够按需生成真实工况数据，让科研人员从重复劳动中释放出来。但他同时强调，人工智能目前改变的仍然是效率和路径，让科研人员去提出更有意义的科学问题。中国科学院院士沈树忠认为，科研正在从靠个人经验推断走向利用大规模数据训练总结规律，但高质量的数据依然来自人类长期的科学实践。中国工程院院士罗先刚则表示，人工智能的优先输出模式需要被给定明确的目标函数，它改变的是科研的执行层，尚未触及提问层。

在科研过程中，探索未知与追求结果确定性并不矛盾。沈树忠提出，科学研究既要重视过程，也必须对结果进行严格验证，因为科学问题和研究思路是在长期实践中形成的。罗先刚指出，对于探索性和原创性研究，不能用必须一次成功来考核追责，悬链线光学的突破就来自十年间反复的试错。科研的核心目的是在过程中积累提出更好问题的能力，这种能力无法外包。

关于人工智能只交付最终结果可能丢失的隐性价值，刘中民认为人才是能理解结果正确性的主体，若人工智能只从好结果中学习可能会带来缺陷。沈树忠表示许多意外发现来自长期的实验探索和失败复盘。罗先刚谈到，丢失的是与不确定共处的经验，研究者缺失了推理链条中最具训练价值的部分，而对实验异常的警觉与物理自洽的理解正是人类思维的独特优势。

在应用场景的划分上，专家认为目标明确、路径清晰的验证性任务和工程攻关可以信任人工智能，而新物理机理的提出和跨学科的问题提炼必须由人主导。面向未来，科研评价体系和人才培养亟需改革。刘中民建议培育复合型人才并重视方法创新，沈树忠强调野外观察和实验验证不可替代，罗先刚则坚持在人才培养层面注重过程优先，把心力留给那些尚未解决的问题。

相关话题：结果一键输出科研过程还重要吗

参考来源：中新网滚动热点（来源发布于 2026-10-26）。本文根据公开资料整理，结合相关背景提供阅读与观察。