歐盟JRC發布《AI在科學研究中的作用》報告

2025年10月8日，歐盟聯合研究中心（JRC）發布《AI在科學研究中的作用》（The Role of Artificial Intelligence in Scientific Research - A Science for Policy, European Perspective）報告，對AI在科學及科研流程中的作用進行了科學技術分析，旨在通過循證洞察為戰略決策提供指導。報告探討了各類AI技術——尤其是機器學習（ML）、深度學習（DL）和生成式AI——如何重塑從假設提出、成果發表到學術共同體構建等科研全環節。

報告的主要內容概述如下：

1.政策背景

該報告指出，AI正以前所未有的速度重塑科學領域，徹底改變知識生成、實驗設計和成果共享的方式。歐盟已通過《AI法案》等舉措對AI治理進行整體規劃，該法案通過制定明確的風險分級規則，確保在歐盟境內使用的AI系統安全可靠、尊重基本權利與價值觀，同時促進可信賴AI的發展。

在此背景下，加速推動AI在科研領域的負責任應用顯得愈發重要。《歐洲科學AI戰略》應運而生，旨在：開發并完善AI工具與計算基礎設施的獲取渠道；培養和吸引專業人才；強化氣候變化、健康醫療及清潔技術等戰略領域的研究。該報告通過實證分析，系統闡述了AI如何變革科研流程、帶來的機遇與挑戰，為政策制定者提供AI對科研誠信、創新生態及歐盟競爭力的實際影響評估，從而支撐該戰略的落地實施。

2.主要結論

該報告的分析證實，AI在科學研究的每個階段都具有變革性潛力。這些能力使研究人員能夠識別原本可能被忽略的模式與關聯，從而促進科學突破并拓展跨學科合作。然而，AI的影響并非天然具有積極性——其效果高度取決于部署條件和治理框架。研究結果表明，為確保AI在保障科學嚴謹性的同時充分發揮潛力，需要在三個主要領域采取政策行動。

首先，研究結果再次證明開放科學原則（包括開放數據、開放模型和開放基礎設施）對促進創新、保障AI驅動研究的可復現性與可信度至關重要。政策支持能拓展并維系這些生態體系，確保公平可持續地獲取必要工具。

其次，報告強調了日益嚴峻的計算與數據基礎設施挑戰。盡管AI模型正變得愈發強大和通用，但其訓練與部署仍需消耗大量資源。這使對高性能計算（HPC）、AI工廠及開放科學數據庫的投資成為確保歐盟保持AI研究領先地位的關鍵。

第三，AI的融合要求科研人員掌握新技能體系。最具影響力的研究往往來自"復合型"角色與團隊——他們將深厚的科學領域專業知識與AI及數據科學方法相融合。因此政策應聚焦于吸引、培養和留住這類跨學科人才，確保人類專業知識始終居于科研過程的核心地位。

最終，一個新問題浮出水面：認知漂移風險。這種現象源于人類與機器共同創造知識的過程，其本質是對科學知識有效性標準及生產方式的根本性改變。具體表現為兩種形式：其一，AI技術可能無意間強化既有研究范式，限制探索問題的多樣性；其二，AI技術可能催生科學結論與人類研究者相割裂的文化，導致知識生產脫離人類的監督掌控。AI還可能生成虛構信息或"幻覺輸出"，若未被識別，或將扭曲科學認知。

解決這些問題需要制定相應政策，包括提升AI素養、培養批判性思維以及促進跨學科合作，從而確保人類專業知識始終居于核心地位。歐盟通過主動防范這些風險，既能守護科研過程的完整性，又能增強公眾對科學的信任。

3.主要發現

AI正通過成為知識生產的協作伙伴，在科研全流程中提供助力，從而重塑研究范式。它能加速文獻綜述與知識發現，催生創新性研究假設，支撐更高效精準的實驗設計，并助力處理復雜的多模態數據集。尤其是AI正在深刻變革以下科研環節：

——提出問題與假設構建：AI正從被動工具演變為"AI協研科學家"，通過加速文獻分析與識別知識空白，在研究的早期階段提供助力。這一功能催生了新型"跨學科合作"，因為AI工具能整合不同領域的信息，提出新穎且可驗證的假說。在科學研究的全流程中，大語言模型（LLMs）及其他領域專用系統能夠串聯起先前互不關聯的概念，但需要人類監督以確保有效性，并防止研究偏向已有充分文獻記載的領域。

——–設計與實施實驗：AI實現了實驗設計的自動化、模擬與優化，既提升了效率，又催生出"自動駕駛實驗室"。AI工具可生成可執行實驗代碼，并實時管理復雜儀器。AlphaFold榮獲諾貝爾獎的突破正是AI變革力量的典范，其精準預測蛋白質結構的能力，大幅加速了生物機制假說的驗證進程。這使得科學家能探索更廣闊的實驗領域，但也存在過度簡化現實復雜性的風險。

——收集數據與分析：AI處理超越人類能力極限的海量多模態數據集，其模式識別能力已促成天文學、基因組學等領域的突破。考古學中的AI增強工具通過分析衛星與激光雷達圖像的大規模數據集，發現了眾多新的古代遺址。基于這種分析能力，人工智能還被應用于材料科學領域，催生出名為"逆向材料設計"的新范式，該技術逆轉了從現有數據中分析特性的傳統流程，轉而通過計算生成具有特定目標性能的新材料。這些技術應用可能引發對數據質量、模型可解釋性以及"黑箱"模型不透明性的擔憂。

——解釋結果與歸納結論：AI驅動的方法能協助將數據轉化為洞見和形式化理論，但其因果解釋往往缺乏透明度。AI工具可作為保障機制，確保新發現與現有知識體系一致，從而輔助驗證過程。

——發表與傳播成果：AI工具正日益廣泛地應用于科技論文寫作，包括文本潤色與摘要生成，既能提升表述清晰度，又能消除語言隔閡。自動化技術雖然輔助了初稿撰寫與數據可視化，但也引發了關于作者歸屬權、原創性及成果可信度的新思考。

資料來源：

PURIFICATO, E., BILI, D., JUNGNICKEL, R., RUIZ SERRA, V., FABIANI, J. et al., The Role of Artificial Intelligence in Scientific Research——A Science for Policy, European Perspective, https://publications.jrc.ec.europa.eu/repository/handle/JRC143482

[本文為教育部國別和區域研究基地中國教育科學研究院國際教育研究中心成果]

本文由中國教育科學研究院“教育國際前沿”課題組負責人張永軍整理，編輯劉強。點擊左下角閱讀原文可下載該文獻。