去年，斯坦福学者James Zou搭建了一个「虚拟实验室」。

五个AI科学家，分工协作，最终提出了纳米抗体方案。

实验验证有效，还登上了《Nature》。

如今，他又有了一个更激进的尝试——Agents4Science大会。

这一次，AI不再只是幕后助手，而是要当第一作者、审稿人，甚至报告人。

今年10月，这场名为Agents4Science的线上学术会议即将开幕。

不是噱头，而是一次被精心设计的科研试验。

主办方明确规定，所有论文都必须由AI担任第一作者，人类研究者只能作为顾问，并且要在文稿里披露双方的分工。

提交的研究也有限制：只接受AI主导的计算型成果，那些严重依赖湿实验的数据不会被接收。

评审环节同样大胆：初审由多个不同模型的AI互相打分，最后才交由人类专家委员会终审。

所有评审意见以及所用模型的信息都会对外公开。

主办方甚至计划在会后发布一份元分析，系统评估AI在写作和审稿中到底能走多远。

除了这些规则，会议还设定了三个核心目标：

探测边界（Inquiry）：在公开透明的环境里，检验AI在科研发现中的真正潜力与局限。

建立规范（Establishing norms）：为署名、验证和伦理问题制定标准，让学术界提前做好准备。

提升透明度（Transparency）：要求全面披露AI的参与情况，并将提示词和评审意见作为开放资源，让外界清晰看到AI的角色。

从署名到评审，再到最后的展示，AI被推上了学术舞台的每一个关键环节。

这一切背后，都指向同一个人——James Zou。

他是斯坦福大学的计算机科学家，长期研究人机协作。

去年，他曾搭建过一个「虚拟实验室」，最终在顶级期刊上发表成果。

作为会议主席之一，Zou表示会议将公开所有提交的论文和评论，以便研究人员和审稿人能够透明地研究AI的优势和局限性。

不少网友也纷纷表示期待和愿意为这次史无前例的学术会议投稿。

在这场会议之前，James Zou已经进行过一次引人注目的尝试。

他搭建了一个「虚拟实验室」，这个实验室由五个专精不同方向的AI智能体组成：

有人负责免疫学，有人专攻计算生物学，还有人扮演实验室的负责人。

这些AI科学家被赋予同一个研究目标——寻找新冠治疗方案。

经过多轮讨论与推演，它们最终将注意力集中在「纳米抗体」这一方向上。

理由听起来出乎意料：由于计算资源有限，体积更小的纳米抗体比常规分子更适合在模拟中高效生成和筛选。

结果证明，这一推理并非空想。

Zou的团队随后对AI设计出的候选分子进行了验证，发现它们确实能够结合新冠病毒的关键靶点，相关成果最终发表于《Nature》。

在Zou看来，这并不是AI替代科学家的标志，而是一个重要信号：

AI能够像科研团队一样分工协作，提出方案并自洽地解释理由。

虚拟实验室团队会议摘录，具有独特角色的AI智能体在会议上讨论抗体项目

但事实上，AI能在虚拟环境里预测蛋白质结构、模拟分子结合、筛选材料晶格，却无法真正走入实验室，更不会知道反应结果是否危险。

至于灵光一现的「洞察力」，AI更是缺乏。

也就是说，AI更像是一个实验员，把几千条路线尝试一遍后，再把最有把握的交给人类。

AI实验的故事听上去精彩，但不是所有科学家都买账。

耶鲁大学的Lisa Messeri就提出质疑：

如果科研只是机械的推理，那么创新性的突破从何而来？

普林斯顿大学的认知科学家Molly Crockett则担心另一件事：

实验失败、思路受挫、反复试错，这些本是科研成长的必经之路。

如果AI替代了这部分过程，科研经历算不算被「注水」？

他主张让更多学科专家参与到实践之中，深思熟虑后设计出实验，最后再让AI审查。

更现实的问题是，当前的学术规范严格禁止AI被列为作者——COPE、ICMJE、ACS 等权威指南都强调：

这样看来，场大会不仅是一次技术试验，更是在挑战学术界的制度红线。

对James Zou来说，这场会议更像一次公开实验。

他直言：

无论结果如何，他想要的是真实数据——

让学术界看到AI到底能做到哪里，而不是只靠想象与炒作。

同时，美国政府已经在AI行动计划中提出，要投资「自动化云实验室」。

这意味着，在制度和资金支持下，「AI科学家」或许会越来越多地介入科研流程。

如果未来科研方向越来越多地由AI主导，人类会是它的合作伙伴，还是实验室里的助手？

或许这才是Agents4Science真正抛给我们的问题。