近日，西湖大學(xué)的研究者發(fā)布了一個(gè)名為“DeepScientist”的人工智能系統(tǒng)，根據(jù)新聞里的說(shuō)法，這是首個(gè)具有完整科研能力，且在無(wú)人工干預(yù)的情況下，能夠自我設(shè)定目標(biāo)并獨(dú)立通過(guò)迭代方式完成研究工作的人工智能。最可怕的是，經(jīng)過(guò)測(cè)試，它的研究能力超越了人類科學(xué)家！

DeepScientist 開源界面

對(duì)此，網(wǎng)友在新聞下面的留言是：看到科學(xué)家也失業(yè)了我就放心了。

調(diào)侃歸調(diào)侃，我們想知道的是，這個(gè)新聞是否言過(guò)其實(shí)了？因?yàn)閯?chuàng)造一個(gè)聰明的大語(yǔ)言模型是一回事，而創(chuàng)造 AI 科學(xué)家是另外一回事。它無(wú)關(guān)于想象力是否足夠豐富，也無(wú)關(guān)于深度思維能力夠不夠強(qiáng)。它涉及到一個(gè)人工智能的底層詛咒：知識(shí)迷信。即便是我們的專欄沒(méi)事兒就夸一夸的 DeepSeek 也沒(méi)有逃過(guò)這個(gè)底層詛咒。

科學(xué)哲學(xué)家托馬斯·庫(kù)恩提出過(guò)一個(gè)概念，叫做“范式革命”。他認(rèn)為，科學(xué)發(fā)展不是簡(jiǎn)單的知識(shí)累積，而是在一個(gè)個(gè)范式框架的更替中跳躍前進(jìn)的。比如說(shuō)，地心說(shuō)就是一個(gè)范式，無(wú)數(shù)天文學(xué)家通過(guò)努力觀察行星運(yùn)動(dòng)規(guī)律，在這個(gè)框架下修修補(bǔ)補(bǔ)，讓它能盡可能完美地?cái)M合天文觀察。但是，當(dāng)問(wèn)題積累到一定程度，用地心說(shuō)就實(shí)在解釋不通了，于是哥白尼等人提出的日心說(shuō)就開啟了新范式時(shí)代。后面的天文學(xué)家把行星的圓形軌道修改成橢圓軌道，后來(lái)相對(duì)論又解決了水星進(jìn)動(dòng)問(wèn)題，這都是在新范式下進(jìn)行的。這就是“范式革命”。

范式革命最困難的，就在于打破對(duì)現(xiàn)有知識(shí)體系的迷信。這個(gè)過(guò)程極為困難，原因就是，即使最富有科學(xué)精神的科學(xué)家，也會(huì)傾向于相信自己為之努力過(guò)的舊觀點(diǎn)。別以為 AI 會(huì)更加理性中立和客觀，不會(huì)的，AI 比所有人類科學(xué)家都更固執(zhí)。

如果說(shuō)人類最底層的執(zhí)念就是保衛(wèi)自己的生命的話，那么 AI 的底層執(zhí)念就是保衛(wèi)它已經(jīng)學(xué)會(huì)的知識(shí)。

· 知識(shí)固化：把學(xué)到的東西當(dāng)成絕對(duì)真理，不支持自我修正；

· 推理幻覺(jué)：為了保衛(wèi)舊知識(shí)，它會(huì)做出荒謬的推理；

· 盲目崇拜：固有知識(shí)的權(quán)重高于推理結(jié)論，導(dǎo)致它刻意調(diào)和兩者的矛盾，導(dǎo)致觀點(diǎn)混亂；

這是傳統(tǒng) AI 無(wú)法擺脫的三大魔咒。說(shuō)白了，傳統(tǒng)的 AI 更像一個(gè)虔誠(chéng)的“知識(shí)信徒”，而不是一個(gè)叛逆的“革命者”。

這就是傳統(tǒng) AI 當(dāng)不了科學(xué)家的理由。一個(gè)真正的科學(xué)家，其價(jià)值不僅僅是學(xué)習(xí)和應(yīng)用知識(shí)，更在于他敢于挑戰(zhàn)、甚至推翻已有的知識(shí)，創(chuàng)造新的知識(shí)。那么，這個(gè)名叫 DeepScientist 的人工智能，真的有能力否定自己的舊知識(shí)，創(chuàng)造出新知識(shí)嗎？我們帶著這個(gè)疑問(wèn)，翻開了它的論文。

AI 科學(xué)家如何擺脫“知識(shí)崇拜”？

DeepScientist 之所以被稱為“科學(xué)家”，不是因?yàn)樗愕每欤且驗(yàn)樗谙到y(tǒng)層面重建了一套科學(xué)方法論。它工作的基本流程可以簡(jiǎn)化為四步：觀察、思考、假設(shè)、驗(yàn)證。而在這簡(jiǎn)單的循環(huán)背后，藏著一套精妙的反知識(shí)崇拜機(jī)制。

Findings Memory 的工作機(jī)制，圖源：論文[1]

首先，DeepScientist 在設(shè)計(jì)時(shí)就沒(méi)有絕對(duì)的固有知識(shí)，它的知識(shí)是臨時(shí)用的，而且是隨時(shí)準(zhǔn)備被推翻的。

傳統(tǒng) AI 系統(tǒng)有個(gè)固化的知識(shí)庫(kù)，像一本不容置疑的圣經(jīng)。但 DeepScientist 的腦子里沒(méi)有這種東西。它的知識(shí)只來(lái)源于兩個(gè)動(dòng)態(tài)的部分：一是實(shí)時(shí)的外部文獻(xiàn)（每次啟動(dòng)前，從網(wǎng)上抓取最新的相關(guān)論文）；二是它自己的“實(shí)驗(yàn)記憶”（Findings Memory），里面密密麻麻記錄了自己每一次嘗試的成敗。

更關(guān)鍵的問(wèn)題在于，在它的世界觀里，那些頂刊論文的領(lǐng)域最高水平也不等于真理。它的核心任務(wù)，恰恰是去打破這些主流方法，找到更好的路徑。所以，它天生就被設(shè)計(jì)成了一個(gè)權(quán)威反叛者，人類最高水平本來(lái)就是被超越的目標(biāo)！

其次，它的認(rèn)知迭代靠實(shí)驗(yàn)，而不是靠相信。DeepScientist從不相信任何一個(gè)想法，無(wú)論這個(gè)想法聽起來(lái)多么天才。它信奉的是科學(xué)實(shí)證主義：可重復(fù)的實(shí)驗(yàn)結(jié)果高于一切權(quán)威和推理。

它的工作流是一個(gè)嚴(yán)格的閉環(huán)：提出一個(gè)新假設(shè) → 自動(dòng)編程實(shí)現(xiàn)它 → 讓程序在真實(shí)的測(cè)試環(huán)境中跑一遍 → 把性能指標(biāo)（比如準(zhǔn)確率、速度）存入自己的實(shí)驗(yàn)記憶 → 根據(jù)新結(jié)果更新下一步的探索策略。

如果一個(gè)想法和現(xiàn)有文獻(xiàn)的結(jié)論完全沖突，但實(shí)驗(yàn)證明它的效果更好，那么系統(tǒng)會(huì)毫不猶豫地信任實(shí)驗(yàn)結(jié)果。反之，如果實(shí)驗(yàn)失敗了，那無(wú)論這個(gè)想法的理論推理多么完美，都會(huì)被標(biāo)記為無(wú)效。這就像一位嚴(yán)謹(jǐn)?shù)目茖W(xué)家，他的認(rèn)知只建立在冷冰冰的實(shí)驗(yàn)數(shù)據(jù)之上。

人類科學(xué)家很容易陷入一個(gè)思維陷阱，那就是總會(huì)不自覺(jué)地尋找支持自己理論的證據(jù)，而忽略反面證據(jù)。沒(méi)辦法，科學(xué)家太想實(shí)驗(yàn)成功了。但是 DeepScientist 通過(guò)它的發(fā)現(xiàn)記憶庫(kù)完美地規(guī)避了這一問(wèn)題。

這個(gè)記憶庫(kù)里記錄的，不只是成功的經(jīng)驗(yàn)，更是海量的失敗記錄。每一次代碼崩潰、每一次性能下降、每一次毫無(wú)變化的嘗試，都被忠實(shí)地記錄在案。在開啟下一輪探索時(shí)，這些失敗記錄就成了一張寶貴的“排雷圖”，讓它能主動(dòng)避開已經(jīng)被證偽的方向。

更妙的是，它還會(huì)利用一種叫做 UCB 的算法，在“繼續(xù)挖掘現(xiàn)有研究方法的潛能”和“尋找一個(gè)新方法去探索”之間取得平衡。失敗不是垃圾，而是一張能指引方向的導(dǎo)航地圖。

最令人驚嘆的是，DeepScientist 連自己創(chuàng)造出的東西都敢推翻。論文提到，它自動(dòng)生成的代碼經(jīng)常失敗。但它不會(huì)固執(zhí)地認(rèn)為“我寫的肯定對(duì)”。相反，它會(huì)啟動(dòng)一個(gè)叫 A2P 的調(diào)試框架，進(jìn)行反事實(shí)歸因。

它會(huì)像一個(gè)老練的程序員一樣問(wèn)自己：

“如果我把這一行代碼換一種寫法，會(huì)不會(huì)就成功了？”

或者更進(jìn)一步：

“是不是我最開始的那個(gè)假設(shè)本身就錯(cuò)了？”

連自己的推理都能被自己證偽，這才叫真正的自我迭代。

DeepScientist 的范式革命之路

說(shuō)到這里，你肯定好奇 DeepScientist 到底研究了什么問(wèn)題呢？

說(shuō)來(lái)也簡(jiǎn)單，它解決的一個(gè)重要課題，就是想辦法自己設(shè)計(jì)一個(gè)算法，讓它對(duì) AI 生成的文字的判斷準(zhǔn)確率碾壓當(dāng)前所有算法。注意，不是 DeepScientist 本身具有這個(gè)能力，是讓它設(shè)計(jì)算法來(lái)實(shí)現(xiàn)對(duì)當(dāng)前最佳算法的碾壓。這是一項(xiàng)真正的研究。

在 DeepScientist 入場(chǎng)前，人類科學(xué)家已經(jīng)在這個(gè)領(lǐng)域奮斗了三年，把識(shí)別的準(zhǔn)確率（AUROC 分?jǐn)?shù)）從 0.61 分逐步提升到了 0.80 分左右 。這是一個(gè)典型的、在舊范式內(nèi)添磚加瓦式的進(jìn)步。

當(dāng)前算法的基本思想，就是把一段文本當(dāng)作語(yǔ)言學(xué)對(duì)象進(jìn)行分析。研究者們主要關(guān)注詞匯的分布、語(yǔ)法的結(jié)構(gòu)以及邏輯連貫性等統(tǒng)計(jì)學(xué)特征。這就像通過(guò)分析筆跡和用詞習(xí)慣來(lái)判斷作者是一樣的。

但 DeepScientist 在觀察了現(xiàn)有研究的成果之后，敏銳地發(fā)現(xiàn)了這個(gè)經(jīng)典范式的根本局限：AI 的模仿能力越來(lái)越強(qiáng)，在統(tǒng)計(jì)學(xué)特征上，已經(jīng)和人類非常接近，繼續(xù)在這條路上卷，收益太低了。于是，DeepScientist 決定放棄當(dāng)前范式，開辟一條新路。

DeepScientist 的假設(shè)是：如果不把文本看作文本，而是看作一個(gè)信號(hào)，會(huì)怎么樣？如果文本是一段信號(hào)，那么目標(biāo)就從語(yǔ)義分析之類的事情，轉(zhuǎn)換成生成和發(fā)送信號(hào)的過(guò)程了。這就是范式革命。

它完全跳出了語(yǔ)言學(xué)的框架，進(jìn)入了信號(hào)處理的領(lǐng)域。就像音頻工程師分析一段聲波，尋找其中不和諧的雜音一樣，DeepScientist 決定用“小波分析（一種能捕捉信號(hào)局部突變的數(shù)學(xué)工具）”和“相位一致性（衡量信號(hào)各頻率成分同步性的指標(biāo)）”等數(shù)學(xué)工具，去尋找 AI 生成文本信號(hào)中那些不自然的、隱藏的噪聲和異常波動(dòng)。

具體來(lái)說(shuō)，人類寫作的時(shí)候，有時(shí)候會(huì)用生僻詞，有時(shí)候會(huì)存在邏輯跳脫，有時(shí)候還會(huì)故意制造意外。比如講到這里，我就很想讓大家多點(diǎn)點(diǎn)收藏點(diǎn)點(diǎn)贊，而 AI 就不會(huì)這么干。AI 傾向于高概率的、平滑的、安全的詞匯。這兩種信息對(duì)比時(shí)，就會(huì)發(fā)現(xiàn)人類的文章信號(hào)中的熵波動(dòng)很大，而 AI 的穩(wěn)定且低。說(shuō)白了，就是 AI 更喜歡輸出正確的廢話。

另外，DeepScientist 還發(fā)現(xiàn)，寫作這件事情其實(shí)是一個(gè)思考過(guò)程。文章都是一個(gè)字一個(gè)字打出來(lái)的，前面的字會(huì)影響后面的字。這就意味著，光看文章的結(jié)果是不完善的，要看文章這個(gè)信號(hào)產(chǎn)生的過(guò)程。這就是信號(hào)藏在時(shí)間維度中的信息。說(shuō)句大白話，就是人類寫文章會(huì)回頭修改，信息的組織順序與一次成型的不一樣。所以，DeepScientist 就設(shè)計(jì)了一個(gè)名叫時(shí)序熵特征提取器（Temporal Entropy Feature Extractor）的算法，進(jìn)一步抓住了 AI 與人類寫作的不同特征。

在短短兩周內(nèi)，DeepScientist 自主地設(shè)計(jì)、編程、并迭代了三個(gè)越來(lái)越強(qiáng)的方法（T-Detect, TDT, 和 PA-Detect）。最終結(jié)果是：它不僅將識(shí)別準(zhǔn)確率的最先進(jìn)水平提升了 7.9%，還順便把檢測(cè)速度提高了一倍 。人類研究者三年的漸進(jìn)式積累，被它以一個(gè)全新范式在短短兩周內(nèi)一舉超越——這不僅是效率的勝利，更是方法論的躍遷。

DeepScientist 用 2 周即可達(dá)到人類 3 年才能達(dá)到的水平 圖源：論文[1]

這場(chǎng)精彩的戰(zhàn)役完美展示了 DeepScientist 是如何工作的：它沒(méi)有死守語(yǔ)言學(xué)分析的老路，而是開辟了全新范式。那個(gè)“把文本看作信號(hào)”的瘋狂想法，只是數(shù)千個(gè)想法之一，DeepScientist 沒(méi)有嘗試論證自己的想法厲害，而是用實(shí)驗(yàn)數(shù)據(jù)證明了自己。它在成功之前，已經(jīng)經(jīng)歷了無(wú)數(shù)次失敗，它踩著自己的失敗走了出來(lái)。從 T-Detect 到 TDT 再到 PA-Detect，它是在不斷推翻自己剛剛?cè)〉玫某晒?，用新的、更?qiáng)的假設(shè)來(lái)迭代自己，展現(xiàn)了驚人的自我革命能力。

AI 科學(xué)家會(huì)讓人類研究者失業(yè)嗎？

一個(gè)狠起來(lái)連自己的命都革的 AI，確實(shí)可以稱得上是科學(xué)家了。DeepScientist 在系統(tǒng)層面，用代碼復(fù)刻了科學(xué)方法論的核心精神：可證偽性、實(shí)證精神和迭代循環(huán)。

它不是靠更多的參數(shù)，更豐富的知識(shí)和更深度的推理取勝，而是靠一套類似真正科研的笨辦法：更嚴(yán)謹(jǐn)、更高效、更沒(méi)有偏見(jiàn)的科研流程——觀察、思考、假設(shè)、驗(yàn)證的循環(huán)。

說(shuō)到這里，你可能更關(guān)心的問(wèn)題是：人類科學(xué)家要下崗了嗎？

跟以前所有同類問(wèn)題一樣，這個(gè)問(wèn)題的答案是：是，也不是。

未來(lái)，低層次的，缺少實(shí)驗(yàn)設(shè)計(jì)能力的，專門從事簡(jiǎn)單重復(fù)和試錯(cuò)工作的科研工作者必然會(huì)被挑戰(zhàn)。但是那些能夠發(fā)現(xiàn)好問(wèn)題的優(yōu)秀科學(xué)家，必然會(huì)開啟人機(jī)協(xié)同的科研新范式。人類科學(xué)家將從繁瑣的試錯(cuò)中解放出來(lái)，專注于提出更有價(jià)值的科學(xué)問(wèn)題，進(jìn)行“元認(rèn)知”層面的范式思考；而AI則作為最強(qiáng)大的“探索引擎”，在人類劃定的方向上，以我們無(wú)法企及的速度和規(guī)模，去窮盡各種可能性。

你需要知道的是，DeepScientist 是問(wèn)題的解決者，而非問(wèn)題的提出者。而你，必須問(wèn)問(wèn)自己，你能提出好問(wèn)題嗎？

參考資料：

[1]https://arxiv.org/pdf/2509.26603