人机协同研发：我们到底在“协同”些什么？

那天，我的代码自己跑通了

说实话，从没想过会这样——我盯着屏幕，测试全绿，一行报错都没有。可这代码，一大半不是我一行行敲的。我是个搞生物信息学的，平时写脚本处理测序数据，debug 到凌晨三点是常态。但那天下午，我只是对着 Copilot 用大白话描述了几句需求，它就丢回一个完整的函数，还附带了文档注释。我半信半疑运行，结果……成了。 一时不知道该高兴还是失落。高兴的是，终于不用在正则表达式里打滚了；失落的是，我那个啃了半辈子 Perl 的师兄要是知道，会不会觉得我这博士读得有点水？ 不过话说回来，这种“水”的感觉，在科研圈里蔓延得很快。去年组会上，老板展示了一张图——用 GPT 生成的综述大纲，逻辑清晰，参考文献都是真人写的，连他都说“比我手下的研一新生强”。然后大家都笑了，笑声里有点复杂。 程序员与AI助手在屏幕上共同编写代码的抽象插画

科研不再是一个人的战斗……也不完全是和机器

人机协同研发，这个词儿最近被炒得很热。可掰开来看，到底是谁跟谁协同？以前我们觉得，机器是工具，人是主宰。现在呢，机器开始有点“合作伙伴”的意思了。它能提假设、能读文献、能设计实验——虽然经常给你整出一堆看着牛逼但实际做不出来的方案。 我认识一个做材料计算的团队，他们用深度势能模型预测晶体结构，准确率高得吓人。但有意思的不是这个。是他们后来发现，AI 给出的那些“不合理”预测里，藏着几个未被报道的亚稳态结构。起初大家都当是模型又抽风了，扔一边。后来一个博后无聊跑了下 DFT 验证……我靠，真的稳定。你看，到底是谁在带着谁？ 这让我想起去年 Nature 那篇争议文章，说 AI 在药物发现中预测了 40000 种候选分子，但化学家一合成，几乎全失败。后来深入查原因，是训练数据有系统性偏差——全是已成功发表的分子，失败的那 99% 的实验根本没被记录。机器就这么被教歪了。所以，别急着怪 AI 笨，它只是把我们藏在抽屉里的偏见学得一丝不差。 科学家与AI机器人并肩站在实验室白板前讨论实验方案

当心那些“聪明”陷阱

我有个坏毛病——一旦习惯了 AI 的辅助，就开始变懒。上个月写个生信流水线，让 ChatGPT 给定了参数。它给的结果看起来很专业，解释得头头是道。我懒得去翻手册，直接就用上了。结果跑了三天，发现比对率低得离谱。一查，它把 bowtie2 的 --very-sensitive 参数用在了单细胞数据上，这参数是对群体基因组优化的，会过度过滤嵌合体。我气得想砸键盘。可怨谁呢？怨自己信了那个“聪明”的幻觉。 这就是协同里最大的坑：我们把机器捧得太高，忘了它压根不懂上下文。一个材料学家朋友也吃过亏。他用 AI 推荐的反应条件合成了新材料，表征出来一团糟。后来发现，AI 推荐的条件在文献里有记载，但那篇文献是在无水无氧手套箱操作的，而他的实验室……嗯，手套箱密封条老化半年了。这些隐含条件，数据里根本没有。 所以，人机协同不是“你帮我做了，我啥也不用管”——更像是一种相互督促。你得时刻挑它的刺儿，它也在反过来逼你更精细地思考。比如我现在写提示词，得像教小学生一样把它不懂的领域知识、环境约束全写进去。有时候补全上下文的时间，够我手动写三遍了。可一旦调教好，那个生产力飞跃又是实打实的。 上周和隔壁做计算社会学的老师喝咖啡。他提到一个概念：人机协同正在催生一种新的科研素养——你得学会“引导不确定性”。机器给出的答案不再是确定性的，而是概率性的，甚至带着“创造力”。你要学会对那个概率分布进行判断，而不是对某个答案。这跟我们过去接受的那套“追求唯一真理”的教育背道而驰。想想挺刺激的。

别指望它能替你思考

最后说个事儿。前段时间有篇预印本在推上被骂得很惨。作者用大语言模型生成了整篇论文的文献综述，包括摘要和结论，然后只做了简单润色。审稿人发现，里面引用的好几篇文献根本不存在——模型胡编的，题目和期刊名看着像真的，DOI 点进去是 404。这种“幻觉”在学术伦理上简直是灾难。但怪谁呢？怪工具太好用，还是怪用的人连交叉验证都懒得做？ 协同的前提，是你自己是这个领域的专家。至少得知道哪个环节可能出错，知道怎么去检验。不然，就像闭着眼让人牵你过马路，领你的是个聪明人，可它有时候会凭空想象出路沿。 有意思的是，那些真正用得好的组，往往不是用 AI 来替代思考，而是用它来放大某个特定瓶颈的吞吐量。比如我们隔壁结构生物学实验室，用 AlphaFold 批量预测蛋白折叠，但后续所有功能验证、突变分析，全是人工一条条设计，因为他们知道模型在预测无序区域时有多不靠谱。这种“局部自动化、全局人控”的模式，似乎才是当下最务实的路径。 科学家在电脑前审视AI生成的蛋白质结构预测图 人机协同研发这条路，我们走了也没几年。它不像自动驾驶分 L1 到 L5 那么清晰，更像是在一条没有路灯的乡间小路上，车灯忽然亮了一下，然后又灭了。你摸索着往前开，时不时被坑颠一下。但你知道，它确实能带你去一些走路到不了的地方。 至于最后到底是人领着机器，还是机器领着人——嗯，其实都不重要。重要的是方向盘还在自己手里，而且你得记得看路。