隨著人工智慧在越來越多的核心科研任務上達到甚至超越人類研究者的水平，科學介面臨兩個緊迫問題：人類為什麼還要繼續從事科學？在繼續做科學時又該如何使用AI？Hoda Heidari與Aydin Mohseni在arXiv預印本論文《Why and How to Do Science When AI Is Better at It: A Framework Grounded in Human Understanding and Direction》中提出，第二個問題的答案必須建立在第一個問題之上。
論文的核心論點是：科學不可或缺的目標之一，是形成持久、集體的人類對世界的理解，並且這種理解應服務於人類的目的與價值。作者從這一原則出發，推匯出一個包含兩個部分的測試，用來判斷一項科研任務是否可以委託給AI。
測試的第一部分是人類理解。它要求科學共同體在AI參與研究後，仍然能夠解釋、辯護和質疑由此產生的主張，並且保留完成這些工作所需的技能。換言之，即便AI能生成結果，人類也必須具備理解、評估和爭論這些結果的能力，否則科學知識將失去可檢驗、可討論的集體基礎。
第二部分是人類方向。它要求關於哪些問題重要、哪些發現意味著什麼的判斷，始終掌握在負責任的人類手中。AI可以輔助分析，但研究議程的設定和結果意義的詮釋不能交由不可問責的系統。
作者將這一測試應用於Contributor Roles Taxonomy（CRediT）所劃分的每個研究階段，並給出各領域可根據自身問題和方法進行調整的建議。該框架與現有AI科研指南的區別有三點。第一，它建立在“科學是為了什麼”的論述上，而不是僅依賴科研誠信規範。第二，即使AI表現優於人類研究者，該框架依然成立，並不依賴AI當前的能力侷限。第三，它依據每次AI使用對人類理解和人類方向的影響來評判，而不是依據工具型別，並且覆蓋研究的各個階段，包括同行評審和新研究人員的培訓。
論文最後討論了維持科學朝向人類理解與人類方向所需的改革。該文於2026年10月26日提交，屬於cs.AI與cs.CY交叉領域，arXiv編號為2610.36116。