访谈/播客

陶哲轩谈人工智能如何融入科学研究

Terence Tao Explains How AI Fits Into Scientific Research

访谈/播客🎤 陶哲轩 (Terence Tao)⏱ 38:37👁 NA

▶ 在 YouTube 观看

在「AI×科学」播客首期中，陶哲轩与投资人陈楚（Chuck In）及主持人 Peter 围绕 AI 在科研中的真实定位展开对话，主张把 AI 当作可验证、可问责的辅助工具，而非替代科学家或被神化的「全能智能」。

核心要点

AI 在科研中最大的近中期价值不是替代科学家，而是消除数据清洗、文献综述、重复演算等繁琐「苦工」，把人解放出来做创造性与想象性的工作。
可验证性是使用 AI 的底线：只在你已经会做、能基准测试、能验证的任务上信任 AI 的输出；数学因有自动化验证工具而成为理想的切入点，生物等开放性领域则要谨慎（蛋白质折叠是例外，因有高质量数据且基础物理清晰）。
AI 不必模仿人类思维——正如汽车不靠走路前进；正是放弃「让 AI 像人一样思考」的执念后，AI 才取得突破。
科学界需要建立『负责任的 AI 文化』，走出『万能』与『一无是处』两个极端，关键是使用要透明披露，且不应因披露而蒙羞。
AI 当前的商业模式依赖炒作以支撑高估值，类似 2000 年互联网泡沫，最终会回归更现实的均衡；真正的转变是长期、迭代的过程，而非一夜之间。
教育要在『工具』与『学习』间找平衡：考试可能需回归线下、要求披露提示词与展示过程，用项目式学习鼓励学生用 AI 填补空白、做更有雄心的课题。

分章详解

要解决什么问题：消除科研中的『苦工』

陶哲轩认为当前舆论过度强调让 AI『替代科学家』，但中期更大的潜力在于自动化大量重复性的繁琐工作（drudge work），这类『低垂的果实』正当其时。
陈楚补充：在真正做仿真之前，仅数据清洗等基础工作就量巨大，AI 可显著减负。
Peter 类比 AI 为今天的机械：帮人更快得到结果，但绝不取代人的想象性工作。
陶哲轩警示：若用 AI 去做你并不真正理解的流程，它可能犯下微妙错误，反而比节省的时间浪费更多。

可靠性与验证：只在能验证处信任 AI

核心原则（rule of thumb）：『只在你能信任其输出的范围内使用 AI』。
数学的优势在于很多任务现在可由高度可靠的工具自动验证；其他科学也可借助仿真比对、实验试验、实验室复现来校验 AI 生成的数据。
正因如此，「AI×科学」倡议选择从数学切入，作为可基准测试的良好入口。
生物学更开放、更依赖理论性猜测，目前依赖 AI 仍为时过早；蛋白质折叠之所以成功，是因为有大量高质量数据且分子化学的基础物理已较清楚。

AI 是工具还是更多：当下能力与未来潜力

当前 AI 最擅长『重新组织我们已知的信息』，而这已极有用——文献综述、复现他人做法本就是科学的一半。
陶哲轩坦言：没有任何单个人类掌握全部文献，一个能把『全部积累知识送到指尖』的工具就已是巨大胜利，其余皆为锦上添花（cherry on top）。
对『AI 能否自己产生新想法』，他认为下一代 AI 或可做到，但当前一代风险过高；需先找到安全可靠的工作流，并设法减少幻觉、区分好坏想法。
引述 WLSI 会上一位讲者的洞见：AI 真正取得进展，是在它放弃『思维方式须与人类平行』之后——就像我们不会设计汽车去『走路』。

跨学科协作与『可对话』的知识

陶哲轩称这是『跨学科协作的黄金时代』，但每个领域都有自己的术语与集体智慧形成壁垒。
他自述常用维基百科『偷偷查』陌生领域的术语，而 AI 把这种能力提升到新层次——它是『响应式』的，而非静态文档。
AI 能根据你已有的背景『对准你的水平』填补空白，比逐页翻书高效得多。
这种『跨域中介』作用让研究者更容易把别领域的信息直接应用到自己的工作中。

风险与社会影响：从『取代论』到现实隐患

陶哲轩指出 AI 真正的危险之一是『有用信息的表象而无实质』，可能欺骗雇主，进而威胁就业；科学因有验证文化而较安全，科学之外风险更大。
陈楚认为更现实的担忧不是『人类被 AI 统治』，而是声音克隆诈骗、银行安全等具体风险。
AI 会放大社交媒体既有问题——让最喧嚣、最具争议的声音与虚假信息被进一步放大。
陶哲轩批评『人工智能』是个『加载了过多含义』的品牌名（联想到终结者等科幻），若叫『问题分析引擎』或许争议更少；大公司靠炒作营销并无帮助。
他用『食物生产』作类比：20 世纪解决了温饱却带来需控制饮食、锻炼的新问题——我们也将不得不管理自己的『精神饮食』与『精神锻炼』。

教育、政策与本年度计划

学生过度依赖 AI 导致『成绩变好但人变笨』；政策困难（尤其在美国），但披露至关重要——AI 生成内容要披露，真实内容也需有机制证明其为真，以对抗深度伪造侵蚀对真实视频的信任。
评估方式需改革：线下闭卷考试是短期手段；可要求学生提交提示词、展示过程；有教师让全班用 AI 做小组项目解期末题（AI 解出约 40%），学生投入反而更多、学得更扎实。
类比计算器：仍需先教小学生算术（死记硬背两三年）再放开工具；AI 用得太早学不到东西，用得太晚也不行，时机恰当才最有帮助。
AI 可作为课堂答疑的『补充选项』而非替代——有学生更愿向 AI 提问，有学生更愿与人交流，提供两种选择是好的折中。
陶哲轩以『五个 W』作比：what/where/when/how 可问 AI 先扫清基础，最开放、最能激发创造与深度思考的 why 留给老师与助教；GPS 导航虽便利却会让人丧失方向感，偶尔应自己看路标。
下一步是 2026 年 2 月在 IPAM 的启动活动，展示 UCLA 的研究，连接学术界与产业界，推动『不被炒作驱动、可验证、负责任』的 AI 科研；陈楚提议先在加州起步并作为基准，借力顶尖院校、公司与政策环境。

关键引述

“经验法则是：只在你能信任其输出的范围内使用 AI。（the rule of thumb is only use AI as far as you can trust its outputs）”— 陶哲轩 (Terence Tao)

“AI 真正开始进步，是在人们放弃『AI 的思维方式必须与人类平行』这一想法之后——就像我们不会把汽车和自行车设计成像人一样走路。”— 陶哲轩 (Terence Tao)

“我只要一个能把全部积累的文献知识送到我指尖的工具，我就已经很满足了；其余的都是锦上添花。”— 陶哲轩 (Terence Tao)

“你需要让 AI 的使用被披露出来，而要做到这点，使用它就不能是一件自动让人蒙羞的事。”— 陶哲轩 (Terence Tao)

“20 世纪食物生产技术让数十亿人吃饱，却带来了要管理饮食与锻炼的新问题；我们也将不得不同样管理自己的『精神饮食』。”— 陶哲轩 (Terence Tao)

术语 / 人物

陶哲轩 (Terence Tao) — UCLA 数学教授、菲尔兹奖得主，IPAM 特别项目主任，公认当代最杰出数学家之一，近年深度参与 AI 辅助数学与科研。

陈楚 (Chuck In) — 投资人、世界顶尖科学家研究院（WLSI）联合创始人，与陶哲轩共同推动『AI×科学』倡议。

AI×科学倡议 (AI x Science) — 陶哲轩与陈楚领导的项目，探索 AI 如何辅助科学发现与推理，选择以数学为可验证的切入点。

IPAM — UCLA 纯粹与应用数学研究所（Institute for Pure and Applied Mathematics），陶哲轩任特别项目主任；2025 年获 NSF 五年续期资助，计划 2026 年 2 月举办『AI for Science』启动活动。

WLSI / 世界顶尖科学家研究院 — 对话中提到的会议主办方，本届主题聚焦『加州的研究创新与 AI 的未来』。

蛋白质折叠 (protein folding) — AI 在生物学取得显著进展的典型案例，成功原因是已有大量高质量数据且分子化学基础物理较清楚。

幻觉 (hallucination) — AI 自信地生成看似合理实则错误信息的现象，是科研中需重点防范并通过验证机制控制的风险。

背景补充

本视频是『AI×科学』播客的首期，由主持人 Peter 对话陶哲轩（UCLA 数学教授、菲尔兹奖得主、IPAM 特别项目主任）与投资人、WLSI 联合创始人陈楚。据公开信息，IPAM 于 2025 年获美国国家科学基金会（NSF）五年续期资助而免于关闭，陶哲轩主导其『AI for Science』特别项目，并计划于 2026 年 2 月举办启动大会。陶哲轩对 AI 的评价近年明显转暖，2026 年初公开表示前沿推理模型在数学与理论物理中已『可堪大用』，因为它『节省的时间多于浪费的时间』。

适合谁看

关注 AI 在科研中真实定位的研究者、研究生与博士后；从事数学、跨学科及 AI for Science 的学者；教育工作者与政策制定者；以及希望理性看待 AI 炒作与风险的科技从业者与投资人。