在现代历史的大部分时间里，发现的步伐一直受到人类消化、分析以及利用现有知识的能力的限制。然而，人工智能（AI）正在改变这一状况。无论是在学术界、政府机构还是企业中，研究人员都需要花费大量时间来阅读文献、进行实验、分析数据、发表研究成果，并申请资金支持。只有当这些研究成果被广泛传播后，其他研究人员才能在此基础上继续进行研究，或者从中发现新的研究方向。AI有潜力加速这一过程的每一个环节。像 Claude、ChatGPT 和 Gemini 这样的生成式 AI 系统能够快速识别数据中的模式、发现各种关联，甚至提出新的想法。虽然它们能够模拟人类的智能行为，但这种假象具有误导性——AI 并不能替代人类的科学判断力。AI 的真正优势在于它能够以人类无法企及的规模和速度处理信息。知识发现的瓶颈不仅在于人类的注意力，还在于探索有前景的研究想法所需的资金。研究资金通常通过美国国立卫生研究院（NIH）和美国国家科学基金会（NSF）等政府机构的竞争性拨款来获得，这些拨款催生了许多改变社会的研究成果和产品。在知识发现领域，AI 最有价值的角色可能是作为数字顾问和合作伙伴：研究人员可以请求 AI 总结相关文献、提出实验设计方案、质疑现有的研究假设，甚至为研究思路提供扩展建议。AI 降低了在决定是否对某个研究方向进行投资之前进行探索的成本。事实上，AI 对社会的真正贡献可能并不在于它直接提供具体的答案，而在于它帮助研究人员更高效地提出和探索更多的问题。在“生成各种可能性”与“判断哪些可能性值得进一步研究”之间，存在着重要的区别。

目前，人类仍然需要决定应该研究哪些问题，以及人工智能生成的答案是否正确。人工智能可能会通过伪造数据、提供错误的引用或错误的解释来“欺骗”人类；这些错误看似有理有据（因为它们往往来自看似可信的来源），因此很容易被人们接受。如果研究人员对相关科学原理缺乏深入的理解，就可能无法发现这些错误。正因为如此，现阶段的人工智能并不会取代研究人员的工作，而是会改变研究人员的工作方式，以及他们培训下一代研究人员使用人工智能的方法。例如，国际象棋大师们现在会与人工智能系统进行对弈并从中学习；这并没有让这些顶尖棋手失去竞争力，反而为他们提供了提升技能的机会。人工智能同样可以为研究人员和知识发现提供帮助，但其潜在影响可能会更加深远。如果人工智能能够提升研究效率，它或许能加速新药物、新材料和工程解决方案的发现过程，帮助研究人员分析那些原本需要多年时间才能处理的大型数据集。事实上，人工智能已经在胰腺疾病研究领域取得了显著进展，甚至发现了能够在癌症诊断前三年就发现病情的方法。此外，人工智能还被用来为数学家保罗·埃尔德斯（Paul Erdos）于1946年提出的一个未解数学猜想提供反例；最近，人工智能还成功解决了纳维-斯托克斯方程（Navier-Stokes equations）中的相关问题。然而，这种高效率也带来了一些新的挑战：当人工智能大大简化了研究论文的撰写、科研经费申请以及技术分析的流程时，单纯的数量上的产出反而变得不再那么有意义了。如果所有人都变得极其高效，那么实际上可能没有人真正达到高效的状态。这将迫使大学重新评估他们评价研究人员的标准。

当人工智能大幅提高研究产出量时，学术机构再也不能仅以研究数量的多少来衡量研究质量。未来的重点将转向研究想法的原创性、研究发现的重要性以及研究成果的实际影响力。联邦研究机构也将面临类似的挑战：如果人工智能能够快速生成高质量的研究提案，那些负责使用纳税人资金进行投资的政府机构可能会收到大量申请，而这些申请仅靠增加审稿人数是无法全部处理的。因此，资金分配机制需要更加重视那些具有创新性、高风险的研究项目，而非那些适合由人工智能完成的、缺乏创新性的研究。科学期刊同样面临挑战：人工智能辅助撰写的论文数量激增可能会让传统的同行评审系统不堪重负。为了应对这一挑战，人工智能必须成为辅助工具，帮助编辑筛选投稿内容；不过，人类在发现细微错误以及判断研究是否具有实际价值方面仍然起着至关重要的作用。或许最具有深远影响的变化，将源于人工智能在知识传播方面的潜力：人工智能首先帮助研究人员发现新的知识，这些新知识随后会成为不断扩展的科学文献体系的一部分；未来的人工智能还可以利用这些知识来进一步指导研究人员进行新的探索。这一转变不会一蹴而就，也不会完全取代人类研究人员的角色，但它会改变人类与知识发现之间的关系。随着人工智能在处理现有知识方面的能力不断提高，研究人员或许能够将更多时间投入到探索未知领域的工作中。因此，知识本身可能不再仅仅是信息本身，更重要的是学会判断哪些问题值得被提出。谢尔顿·H·雅各布森（Sheldon H. Jacobson）博士是伊利诺伊大学厄巴纳-香槟分校的计算机科学教授。

丹尼尔·索洛博士是俄亥俄州克利夫兰市凯斯西储大学的运营学教授。