人机协同研发：别把AI当超级博士后，先搞定评价闭环

上周跟一个做新材料的团队吃饭。他们吐槽，算力买了不少，模型也训了，结果实验排队排到三个月后。

你看，这就是人机协同研发最尴尬的地方——算法跑得飞快，实验台还在原地踏步。中间那段路，没人修。

先别把AI当“超级博士后”

现在一聊科研AI，很多人脑子里就是：给个大模型，读文献、提假设、设计实验、写论文，一条龙。真挺诱人。可你到实验室蹲两天就明白，科研里最值钱的东西，往往不是“知道答案”，而是“知道该问什么”。

AI擅长的，是在高维空间里找模式。比如AlphaFold把蛋白质结构预测往前推了一大截，GNoME这种工作能在候选材料里做大规模筛选，A-Lab那套机器人平台也能在有限条件下连续跑实验。这些成果很硬。但它们背后都有人——有人定目标，有人洗数据，有人判断哪个结果值得追。

换句话说，人机协同研发不是让AI替科学家拍板，而是把“穷举、筛选、记录、复盘”这些脏活累活分给机器，把人留给判断和提问。这事儿听着不酷。但它管用。

真正难的是“评价函数”

我见过不少AI for Science项目，模型指标刷得漂亮，一上实验就露馅。为什么？因为科研没有像下棋那样的胜负判定。你让模型生成100个候选分子，它说这100个都有希望。然后呢？谁来判断先做哪个？

这就是人机协同研发里最容易被低估的一环：评价体系。说得直白点，没有可计算、可实验验证的评价函数，AI生成再多候选，也只是在给实验员增加工作量。

材料研发里，可以用形成能、带隙、稳定性做代理指标；药物发现里，可以用活性、选择性、毒性预测做初筛。但这些指标跟真实实验之间，永远有偏差。你得有人盯着偏差，得用主动学习、贝叶斯优化这类方法，把实验反馈再喂回去。闭环一旦跑起来，机器才不是“一次性生成器”，而是能跟着实验数据调整策略的协作者。

不过话说回来，闭环不是画个流程图就完了。实验记录得标准化，负样本得留下来，失败数据不能随手扔。很多团队嘴上说数据重要，硬盘里全是命名混乱的Excel。这个坑，真挺要命。

从“人指挥机器”到“人机互相找茬”

早期的自动化实验平台，基本是人写好脚本，机器照着跑。现在往前一步，是机器人平台加AI调度：AI根据上一轮结果，决定下一轮做哪个配方、哪个温度、哪个浓度。人不再盯着每一步，而是盯整体方向和异常。

这听起来像“自动驾驶实验室”，对吧？但别急着吹全自动。真实研发里，异常值往往最值钱。一个看起来失败的实验，可能藏着新现象。机器按目标函数跑，容易把“意外”当噪声过滤掉。所以人机协同研发的关键设计，是让人能随时介入，给机器“踩刹车”，也给意外留入口。

我比较看好的一种模式是“互相找茬”：人提出假设，AI找反例、查文献、设计验证实验；实验跑完，人复盘，AI再更新模型。两边都不装权威。科学家别把AI当算命先生，AI也别把科学家当标注工。

组织上的坑，比模型里的坑还深

说个扎心的事实：很多AI科研项目不是死在算法上，是死在协作上。算法团队在云端调参，实验团队在另一栋楼排队，数据在第三个硬盘里躺着。大家开会都点头，回去各干各的。最后模型很漂亮，实验复现不了。

人机协同研发要落地，得把三件事打通：数据、实验、评价。数据要能让模型读得懂，实验要能让机器接得上，评价要能让两边都认。听起来像废话，做起来全是细节。比如实验记录里“少量”“适当”“加热至澄清”这种词，机器怎么处理？得有人把它变成结构化参数。再比如大模型写文献综述，幻觉一出来，年轻学生真敢信。得有审核机制。

行业里现在有个好苗头：越来越多团队把机器人平台、主动学习、领域知识图谱放在一个闭环里跑，不再追求“一个大模型解决所有问题”。这是好事。科研本来就不是端到端一键生成。

所以我现在看一个人机协同研发项目，先问三件事：数据能不能闭环？评价能不能落地？人愿不愿意改习惯？这三个问题答不上来，模型参数再大也白搭。