近期一项研究发现，尽管AI在生成科学假说方面速度快，且初步评估显示新颖性高，但在实验验证后，其创新性和可行性普遍低于人类提出的假说。研究以自然语言处理领域为例，比较了AI模型Claude 3.5 Sonnet与人类研究人员生成的假设。结果显示，AI倾向于用华丽词汇包装已知概念，导致表面新颖性高但实质创新不足，且在判断实验可行性方面存在短板。该研究引发了对科学创新评价标准的讨论，并预示着未来AI可能更侧重于假设生成，而人类科学家则专注于实验验证，从而改变科学探索的模式。

🔬 AI在生成科学假说方面展现出高效率，能够快速扫描大量文献并识别研究空白，提出潜在的研究方向。例如，研究中AI模型Claude 3.5 Sonnet生成了数千个假设。

📉 然而，在经过实验验证后，AI生成的假说在创新性和可行性方面普遍低于人类提出的假说。一项研究对比了24个AI假设和19个人类假设，发现AI假设的新颖性得分在实验后显著下降。

💡 AI倾向于使用吸引人的术语包装已知概念，导致其提出的假设表面光鲜但实质创新有限。同时，AI在判断实验的可行性方面也存在明显不足。

⚖️ 该研究引发了关于科学创新评价标准的讨论，新颖性本身被认为是评估中的难点，人类评审也存在主观差异。尽管如此，AI与人类在某些方面的得分接近程度已超出预期。

🚀 未来，AI有望承担更多假设生成的工作，而科学家则专注于实验验证，这种分工模式可能提高效率，并促使科学探索的本质发生变化。

当前，人工智能（AI）正在全球多个学科领域加速科研进程，尤其在自动化生成科学假说方面展现出显著能力。AI能够快速扫描海量文献、识别研究空白，并提出人类可能忽略的研究方向。然而，近期一项大规模研究表明，尽管AI能够快速提出大量设想，但其创新性和可行性在经过实验验证后普遍低于人类提出的假说。该研究论文已于近期发布于预印本平台arXiv。

这项研究聚焦自然语言处理（NLP）领域，使用美国AI初创公司Anthropic开发的大型语言模型Claude 3.5 Sonnet生成数千个假设，并邀请专业研究人员提出竞争性人类假设。初步盲评显示AI生成假设获得更高新颖性评分，但在实际实验阶段，24个AI假设与19个人类假设经过独立测试后，AI假设的新颖性得分显著下降，而人类假设得分相对稳定。

研究人员指出，AI常倾向于使用吸引人的术语包装已知概念，导致其假设表面光鲜但实质创新有限。此外，AI在判断实验可行性方面也存在明显不足。该研究也引发学界对科学创新评价标准的讨论。美国华盛顿大学学者指出，新颖性本身就是科学评估中的难点，人类评审也常存在主观差异。

尽管存在差距，AI与人类得分的接近程度已远超预期。美国艾伦人工智能研究所专家认为，若AI能基于更多高质量研究进行训练，其提出创新假设的能力有望提升。未来，AI可能承担更多假设生成工作，而科学家则专注于实验验证——这既提高了效率，也带来了科学探索本质变化的思考。