有了AI，人的科研能力是否会退化

深夜的实验室里，一位研究蛋白质的科学家没有马上动手做实验，而是先敲开一个AI对话框：“帮我想想，这个结构可能有什么问题？”几秒钟后，屏幕上跳出几个假设。这一幕，正在全世界的实验室里反复上演。 于是，一个新的争论热闹起来：有了AI，人的科研能力会不会退化？ 这样的恐慌，人类其实经历过好几次。上世纪七十年代，电子计算器走进课堂，不少老师惊呼“学生再也不会算数了”；后来GPS普及，有人断言“人类要丧失认路能力”；搜索引擎一来，“记性好”忽然变得不那么值钱。每一次工具升级，都伴随着同一句台词：“人的能力要退化了。”结果呢？能力并没有蒸发，而是换了赛道——从“算得快”转向“会建模”，从“记得多”转向“会提问”。 再看一个更有说服力的例子。蛋白质是生命的“零件”，它的形状决定了它能干什么。过去，科学家用冷冻电镜、X射线衍射一点点测结构，一个博士做几年才啃下一个。2020年，DeepMind公司的AlphaFold2在国际蛋白质结构预测评估竞赛中，把预测精度推到了接近实验的水平；到2022年，它已经预测出超过2亿种蛋白质的结构。2024年，诺贝尔化学奖颁给了与蛋白质结构预测和设计相关的成果。可请注意一个细节：AI给出的是“答案”，而提出什么问题、怎么设计算法、结果可不可信，仍然由人来判断。 那担忧就完全没有道理吗？也不是。心理学里有个词叫“认知卸载”——把本该由大脑承担的活，交给外部工具去做。卸载本身不是坏事，但如果连“读文献、提假设、设计对照实验”这些核心训练都外包出去，那就像运动员全程坐缆车上山，腿力永远练不出来。科研能力不是天生的，它是在一次次“自己先想一遍”里长出来的。 另一派观点同样值得听：科学家的时间极其有限，把查资料、跑数据、写代码这些重复劳动交给AI，人就能腾出精力去做真正需要创造力的部分。就像画家不必自己磨颜料，他省下的力气，用来画画。 真正危险的可能不是“AI会思考”，而是“人不再思考”。AI有个著名的毛病叫“幻觉”——它会用非常自信的语气，说出完全错误的内容。一个不会判断的人，配上会胡说八道的AI，是灾难组合；一个会判断的人，配上强大的AI，才是超级组合。 所以，答案不取决于AI有多强，而取决于你用它的姿势。把AI当“陪练”，而不是“代打”：先自己写一遍思路，再让它挑毛病；先自己算一遍，再让它检查；遇到它的结论，多问一句“你凭什么这么说”。练习的苦，AI替你吃不了。 最后留一个问题给你——如果明天所有AI同时消失，你还剩下多少真本事？