人工智慧會拖慢科學進步嗎？

在AI技術被廣泛宣傳為能治癒癌症、延長人類壽命、甚至殖民火星的時代背景下，一個反直覺的觀點逐漸浮現：AI非但不能加速科學進步，反而可能拖慢它。這篇文章深入探討了這一悖論，並提出了令人深思的論據。

首先，文章揭示了“生產-進步悖論”：儘管自1900年以來科學論文數量增長了500倍，但衡量真正科學進步的指標卻顯示進步速度持平甚至放緩。例如，突破性研究的比例在下降，諾貝爾獎級發現的“年輕化”程度也在降低。這並非因為廉價果實已被摘盡——新領域不斷湧現——而是因為過度生產本身正在扼殺進步：海量論文淹沒了真正新穎的思想，而學者的注意力卻集中於少數高引文獻。

AI的介入可能讓情況更糟。自動化工具使研究者更容易追逐可量化的產出指標（如論文數量），卻忽視了對理解深度和理論創新的追求。更嚴重的是，科學界在軟體工程實踐上遠遠落後於工業界：程式碼審查和版本控制等標準做法在科研中鮮見，而AI生成的程式碼錯誤頻出。一項研究發現，即使許多論文承諾共享程式碼和資料，實際兌現率極低，導致錯誤長期潛伏。

此外，AI建模往往追求預測精度而非理論理解。文章以地心說為例，指出即使預測準確，錯誤的理論也可能因AI提供的“本輪”式修補而延續更久。這種“預測-解釋謬誤”使科研停留在表面，阻礙了真正的正規化革命。

人類理解是科學進步的核心。數學家瑟斯頓的案例表明，當解決問題取代了理解過程，領域可能走向枯萎。AI若繞過理解直接給出答案，就類似於在健身房使用叉車——看似高效，卻削弱了真正的目標。目前許多AI工具的設計導向解決方案而非認知提升，這可能造成一代科學家依賴“黑箱”而喪失深入思考的能力。

文章提出了若干改革方向：個人研究者需提升軟體工程素養；基金和期刊應資助元科學研究，以明確量化“進步”並找出瓶頸；激勵體系必須從“發表或滅亡”轉向獎勵理論創新和問題發現；AI工具開發者應聚焦於質量控制和理解輔助，而非僅僅提高產出速度。

總而言之，AI對科學的影響並非簡單的加速或減速問題，而是關乎如何平衡生產與進步、預測與理解、個體效率與集體智慧。如果科學界不主動調整規範和激勵機制，AI這把雙刃劍可能最終砍向科學進步本身。