随着人工智能在越来越多的核心科研任务上达到甚至超越人类研究者的水平，科学界面临两个紧迫问题：人类为什么还要继续从事科学？在继续做科学时又该如何使用AI？Hoda Heidari与Aydin Mohseni在arXiv预印本论文《Why and How to Do Science When AI Is Better at It: A Framework Grounded in Human Understanding and Direction》中提出，第二个问题的答案必须建立在第一个问题之上。
论文的核心论点是：科学不可或缺的目标之一，是形成持久、集体的人类对世界的理解，并且这种理解应服务于人类的目的与价值。作者从这一原则出发，推导出一个包含两个部分的测试，用来判断一项科研任务是否可以委托给AI。
测试的第一部分是人类理解。它要求科学共同体在AI参与研究后，仍然能够解释、辩护和质疑由此产生的主张，并且保留完成这些工作所需的技能。换言之，即便AI能生成结果，人类也必须具备理解、评估和争论这些结果的能力，否则科学知识将失去可检验、可讨论的集体基础。
第二部分是人类方向。它要求关于哪些问题重要、哪些发现意味着什么的判断，始终掌握在负责任的人类手中。AI可以辅助分析，但研究议程的设定和结果意义的诠释不能交由不可问责的系统。
作者将这一测试应用于Contributor Roles Taxonomy（CRediT）所划分的每个研究阶段，并给出各领域可根据自身问题和方法进行调整的建议。该框架与现有AI科研指南的区别有三点。第一，它建立在“科学是为了什么”的论述上，而不是仅依赖科研诚信规范。第二，即使AI表现优于人类研究者，该框架依然成立，并不依赖AI当前的能力局限。第三，它依据每次AI使用对人类理解和人类方向的影响来评判，而不是依据工具类型，并且覆盖研究的各个阶段，包括同行评审和新研究人员的培训。
论文最后讨论了维持科学朝向人类理解与人类方向所需的改革。该文于2026年10月26日提交，属于cs.AI与cs.CY交叉领域，arXiv编号为2610.36116。