人工智慧對科學發現的影響與生產力分析

本文探討人工智慧（AI）作為一種通用元技術（GPMT），如何透過增強組合式搜索能力來改變科學知識的生產函數。作者指出，AI並非完全自動化科學過程，而是作為一種預測機器，在問題生成、構思、設計與測試等階段輔助人類科學家。儘管AI在數據豐富的領域（如生物學、材料科學）展現出強大的生產力提升潛力，但人類判斷力在處理數據稀疏、涉及因果推論、倫理判斷及上下文細微差別的任務中依然不可或缺。 作者強調，AI對科學的影響並非均勻分佈，而是呈現出『鋸齒狀前沿』的特徵。科學生產力的提升不僅取決於AI技術本身的進步（上游投資），更依賴於科學家對AI工具的專業技能培訓以及科學工作流程的重新設計（下游投資）。這種互補性投資是實現AI轉型潛力的關鍵，否則可能會因瓶頸效應而限制整體生產力的增長。 文章進一步分析了AI技能對科學生產力的影響，指出AI專家與普通科學家在任務分配上的差異，並警告過度依賴AI可能導致科學探索範圍的收縮。作者呼籲政策制定者應關注如何平衡AI工具的採用與人類批判性思維、創造力的培養，以避免科學知識基礎的長期侵蝕。 對於科學界而言，AI不僅是提升效率的工具，更是重塑科學發現過程的催化劑。未來的研究應聚焦於如何將AI深度整合至科學工作流程中，同時保留人類在科學判斷中的核心地位，確保科學進步的方向既具備技術深度，又符合人類價值與社會需求。