人工智能（AI）正在快速发展，其应用已遍布到医疗、金融、教育和娱乐等行业，而最令人兴奋的领域之一便是科学研究。AI 处理海量数据、识别复杂模式并做出预测的能力，正在加速科学发现的步伐。这引发了一个有趣的问题：AI 能否像人类科学家一样跳出思维定式，提出真正新颖的想法？要探讨这一点，我们必须审视 AI 目前在科学发现中的使用方式，以及它是否真的能产生原创性思想。

AI 在科学发现中日益增长的作用

AI 在药物研发、基因组学、材料科学、气候研究和天文学等多个科学领域取得了重大进展。通过处理人类无法应对的庞大数据集，AI 在识别潜在药物候选分子、模拟气候变化甚至提出关于宇宙的新理论方面发挥了关键作用。

例如，麻省理工学院的研究人员利用 AI 在数天内发现了一种针对耐药细菌的新型抗生素。在生物学领域，DeepMind 的 AlphaFold 解决了蛋白质折叠问题，预测出对药物开发至关重要的三维蛋白质结构。在材料科学中，像 GNoME 这样的 AI 模型预测了数百万种可能重新定义电池和太阳能电池技术的新晶体。AI 还在物理学领域通过提出建模物理现象的新方法，并在天文学中协助发现系外行星和引力透镜。在气候科学领域，AI 提升了气候预测能力并帮助模拟极端天气事件。

AI 能跳出思维定式吗？

尽管 AI 对科学发现的贡献是不可否认的，但问题依然存在：它能否真正跳出思维定式？人类的科学进步往往依赖直觉、创造力和挑战现有范式的勇气。这些突破通常来自愿意超越传统思维的科学家。

然而，AI 是由数据驱动的。它根据输入的信息分析模式并预测结果，但不具备 人类所拥有的想象力和抽象思维能力。从这个意义上说，AI 的创造力与人类的创造力不同。AI 在其数据和算法的约束下运作，这限制了它进行真正创造性、跳出定式思考的能力。

不过，情况可能更复杂。AI 已证明它可以生成人类科学家未曾想到的新假设，提出创新解决方案，甚至在某些领域挑战既有知识。例如，机器学习模型被用于创造新型化合物和设计人类未曾考虑过的材料。在某些情况下，这些发现带来了人类研究者难以独立实现的突破。

支持 AI 创造力的论点

支持者认为，AI 通过提出对人类研究者不显而易见的想法，展现了创造力。例如，AlphaFold使用一种新颖的深度学习架构解决了困扰科学家数十年的蛋白质折叠难题。同样，谷歌的 Gemini 2.0 驱动型 AI 被用于生成原创假设和研究提案，帮助科学家跨越不同学科之间的鸿沟。芝加哥大学的一项研究 表明，AI 可以生成“外星”假设-人类可能无法想到的创新观点，从而拓展科学探索的边界。这些例子表明，AI 有可能通过提出新颖构想来跳出思维定式。

反对 AI 创造力的论点

批评者认为，AI 的根本局限在于它依赖现有知识和数据集。它的工作更像是填补数据空白，而非质疑现有假设。批评者认为，AI 的创造力受限于其训练数据，因此无法实现真正革命性的发现。

著名 AI 专家托马斯·沃尔夫指出，真正的创新-例如爱因斯坦的构想，需要提出全新问题并挑战传统智慧。尽管经过大量训练，大型语言模型（LLM）和其他 AI 系统仍未展现出产生真正新颖洞见的能力。因此，AI 更多被视为高效的学习工具，而非能够突破既有科学范式的真正思考者。

此外，AI 缺乏驱动创造性突破的人类特质，如直觉、情感和意外发现的偶然性。AI 在预定义算法下运作，依赖逻辑和系统化流程。根据《企业家》杂志，这种算法驱动的方式与人类创造力不可预测、自发性的本质截然不同。ScienceDirect 的一篇论文 也认为，AI 生成的创造力看似创新，但无法提供与人类创造力同等深度的洞察。

综合分析与启示

尽管 AI 在某些方面确实能跳出思维定式，尤其是在识别模式和提出新解决方案时。但它与人类创造力的区别在于其依赖数据驱动分析，而非直觉或生活经验。AI 在科学发现中的角色更应被理解为人类科学家的合作伙伴，而非替代者。

帝国理工学院商学院的研究表明，AI 可以补充传统科学方法，帮助揭示新原理并解决研究效率下降的问题。同样，凯洛格商学院的研究者发现，AI 能对多个科学领域产生积极影响，但强调培训和跨学科合作对充分释放 AI 潜力至关重要。

科学领域的重大进步很可能来自人类创造力与 AI 分析能力的结合。两者协作可以加速突破，并带来我们目前难以想象的发现。

核心结论

AI 正通过加速发现和引入新思维方式改变科学研究。尽管 AI 已展现出生成假设和识别新模式的能力，但它尚无法像人类一样跳出思维定式。截至 2025 年，持续发展表明 AI 对科学的影响将继续扩大。然而，必须确保 AI 支持而非取代人类努力，同时关注透明度、验证和伦理整合。通过与人类创造力协作，AI 可以推动科学进步，并为探索开辟新道路。