当人工智能接连攻克数学王国的“前沿堡垒”、破解蛋白质奇妙结构的密码，科技工作者该何去何从？在10月17日至19日举行的第二届国际人工智能科学家大会上，诺贝尔化学奖得主迈克尔·莱维特、图灵奖获得者罗杰·瑞迪和杰克·唐加拉不约而同地给出了积极答案。

“AI不可能包办一切，我鼓励大家继续学习数学，继续自己正在走的路。”杰克·唐加拉在接受记者采访时说。

“ChatGPT上线没几天，我就开始使用它。如今人工智能彻底改变了我的科研工作方式。”迈克尔·莱维特在报告中分享了他使用人工智能的经历。

迈克尔·莱维特出生于1947年，这位79岁的科学家是人工智能的忠实拥趸。最开始，他只是用人工智能编写他不懂的Python代码、通过提问学习新领域，以及更正和总结文本。而如今，这些基础的操作已由6个智能体代劳，他只需下达指令给智能体，就能快速展开科学探索。

面对科学工作者的AI焦虑，迈克尔·莱维特强调：“我们一定要意识到，人工智能驱动的科学研究（AI for Science）的本质，是服务科学家的人工智能。”他进一步解释，这意味着科学家始终居于研究工作的中心，人工智能工具则是放大科学家能力的工具。

迈克尔·莱维特举了一个生动的例子。科学探索就像是蚂蚁觅食，上百次尝试中可能只有一条路通往成功。在过去，不少新想法会卡在科学验证环节，有的想法是无从下手去验证，有的则需要用数十年，且耗费大量人力物力。“科学发展的源泉是充足的尝试，人工智能恰恰让这一过程变得更快、更便宜。”他说。

几秒内写出大型代码、设计出一整套可落地的实验路径、筛选百万级候选药物分子……人工智能降低了科研执行成本，问题成了科研工作的核心。正如迈克尔·莱维特所说：“人工智能拥有答案，而人类需要提出问题。一个好问题的价值，已经超过执行能力本身。”他认为，未来每位科学家都将领导一支智能体团队，最优秀的科学家一定是最会提问的那一个。

和提问能力同样重要的，是核查能力。人工智能在提供正确回答的同时，也产出了大量错误结果。与会专家指出，一些大模型直接公布了大量未经验证、低质量的数学论文，这不仅不符合数学规范，还给正在从事同领域研究的青年科学家造成了很大冲击。

罗杰·瑞迪同样发出呼吁：“我们要运用人类智慧有效地驾驭人工智能，也需要以负责任的方式对其进行治理。”

与会专家建议，下一步，学界应推动形成一套专属人工智能的学术论坛，每个人都可以在上面发表AI合作产出的成果，但要有一套优劣分明的推荐机制。还应训练科学界自己的人工智能大模型，让训练语料、训练过程更加公开，推动解决“黑箱”问题。