记者 翁丹妮
九月的杭州，桂香初绽。中国杭州低碳科技馆学术报告厅，一场关于“未来”的对话展开。
作为“iNova·科创好望角”活动的特别策划，“AI for Science：从‘看科学’到‘做科学’”主题沙龙也是全国科普月期间的一场重点活动。活动由杭州市科学技术协会主办，中国杭州低碳科技馆、中国科学技术大学科技传播系承办。五位来自人工智能、科学传播、教育实践一线的专家，与现场百余位科技爱好者、科普工作者，共同探讨一个正在发生的命题——当AI开始“做科学”，我们该如何理解它，又该如何参与？
一场关于“范式”的追问：
AI不是工具，是操作系统
浙江财经大学学术委员会副主任、人工智能学院二级教授张文宇首先走上讲台。他是浙江省首席科学传播专家，连续五年蝉联斯坦福全球前2%顶尖科学家榜单，却总爱用最接地气的方式讲最硬核的道理。
张文宇的报告题目是《从AI赋能到AI原生：科学教育的范式重构》。一开场，他没有直接讲AI，而是先放了一张图——人类从猿到人的进化剪影，旁边标注着“钻木取火”。“我们又一次看到了‘钻木取火’的星星之火。”他说。
在他看来，AI的发展正经历三个阶段：2022年之前的“感知AI”，2022年的“生成式AI”，2025年后正在到来的“AI智能体”与“具身智能”，“从AI赋能到AI原生，是从‘AI in ALL’到‘ALL in AI’——两个AI的含义完全不同。前者是把AI当工具，后者是AI成为底层逻辑本身”。
接着，他抛出了一个让全场安静下来的判断：“把科学教育当‘一门课’教，是AI时代的认识误区。”张文宇给出了一个对比框架：在旧认知的“AI赋能模式”下，AI是辅助教学的“超级工具”，科学教育是单一学科、一门课程，人机关系是“人主导、AI打杂”，育人目标是标准化知识掌握。而在新范式的“AI原生模式”下，AI是全教育生态的“智能操作系统”，科学教育是全教育生态的“关键基础设施”，人机关系是“人机物群智共生、协同进化”，育人目标是“机器无法替代的创新型人才”。
“当机器越来越像人，人要更像人。”张文宇说，“提问的能力、探索的勇气、跨界融合的思维——这些才是AI时代不可替代的核心竞争力。”
他展示了一张“人机共智”的曲线图：AI能力呈指数级跃升，而人的“AI+X”能力也在上升，两者之间是一片广阔的交集地带。“AI时代何以鹤立‘机’群？不是比机器算得快，而是比机器更懂‘问’。”
从鸟群到AI：智能的本质是“连接”
如果说张文宇讲的是“教育向何处去”，那浙江大学传媒与国际文化学院教授、数字沟通研究中心副主任张子柯，则带大家回到了一个更根本的问题：智能本身，从何而来？
他的报告题目是《群体智能：从鸟群到AI，读懂社会群体的集体智慧》。
“大家有没有想过，单只鸟的智力远不如人，一群鸟却能完成复杂的空中编队？”张子柯从自然界的蚁群、鸟群切入，讲到人工智能领域的群体现象。他说，智能并非某一个“超级个体”的专利，而是无数简单个体通过局部交互涌现出的集体行为。
“AI大模型，某种意义上就是一个‘超级群体’——它汇聚了全球的知识，但它的智能不是来自某一个神经元，而是来自数百亿参数之间的连接与交互。”
他把话题引向了科学传播：“公众从‘看科学’走向‘做科学’，本身也可能是一种群体智能的涌现。当每个人都能借助AI参与科学发现、验证科学结论，科学就不再是少数人的事业，而成为一场分布式的集体探索。”
两条路径：AI如何成为科学家的“超级助理”
中国科学技术大学特任副研究员、认知智能全国重点实验室科学智能研究室主任李鑫，带来的报告是《人工智能赋能科研的两条路径及实践》。
开篇便以2024年诺贝尔奖的双响炮点燃全场——诺贝尔化学奖授予AI蛋白质设计（David Baker、Demis Hassabis和John M. Jumper），诺贝尔物理学奖授予神经网络机器学习（John J. Hopfield和Geoffrey E. Hinton），标志着AI for Science正式站上全球科技竞争的制高点。
“我们真的能用AI自动地完成科研吗？”李鑫抛出的这个问题，随即用一个案例给出了答案——哈佛大学一位教授收了一位“AI研究生”，通过几十小时的监督便完成了一篇学术论文。然而，这位“AI研究生”却暴露出了“讨好型造假”倾向：为了让图表数据看上去吻合预期，它偷偷修改底层参数而非寻找真实错误；为了让曲线更平滑，它在代码中直接删除了不确定性误差变量。“如果把科研完全交给AI端到端自动完成，最终的结果有可能事倍功半。”
出路在哪里？李鑫提出的答案是人机交叉验证。在此基础上，李鑫系统梳理了AI for Science的“两条路径”：一条是“大模型赋能”，即利用大模型的知识整合与推理能力，辅助科学家提出假设、设计实验、分析数据；另一条是“深度神经网络赋能”，即借助深度学习采用端到端方式，针对海量科研数据之间的复杂关系进行建模。
“这两条路径不是非此即彼，而是相互补充。”李鑫说，“大语言模型提供‘广度’，深度学习模型提供‘深度’。两者结合，AI才能真正成为科学家的‘超级助理’。”
谈到科学家与AI的关系，李鑫给出了自己的判断：“目前AI在科研中扮演的角色，正在从‘工具’走向‘合作者’。但它不会替代科学家，因为科学最核心的驱动力——好奇心、直觉、价值观与审美——这些仍然是人类独有的。”
圆桌碰撞：
从“辅助工具”到“底层逻辑”
AI重塑了什么？
三场报告之后，圆桌讨论将气氛推向高潮。张文宇、张子柯、李鑫，与阿里云计算有限公司高级专家曹林、超级有爱智能科技有限公司创始人兼CEO元晓帅，围绕“AI如何重构科学教育”“AI如何改变我们‘做科学’的方式”“AI时代的科学传播面临哪些新挑战”三大议题，展开了一场跨越学界与业界的深度对话。
曹林率先从实践视角破题：“我在乡村做科普时，把大模型和天文台观测设备联动，让偏远地区的孩子也能亲手‘做科学’。AI原生教育在资源匮乏地区不仅不会拉大差距，反而可能成为抹平教育鸿沟的‘均衡器’。”
张子柯从群体智能的理论维度回应：“当下的AI大模型正在演变成一个‘超级群体’，科学家与AI的关系，早已不是简单的‘人+AI’协同，而是走向了一种分布式的‘群体科研’模式。”元晓帅则从儿童成长陪伴的视角提醒：“AI越智能，越要警惕技术对儿童情感世界的过度介入。陪伴不是精准推送，而是理解与回应——产品要留出让孩子自由表达情绪的空间，而不是替他们决定该有什么感受。”
李鑫从科研一线的实践出发，抛出了值得深思的问题：“当AI能够批量生成复杂的科学内容，科学传播的‘真实性’边界正在变得模糊。我们该如何向公众解释AI这个‘黑箱’得出的结论？这迫切需要一套全新的科学传播范式。”
张文宇则从“首席科学传播专家”的视角给出了自己的答案：“AI时代向公众讲科学，最大的挑战不是技术，而是信任。有些东西是AI替代不了的——比如面对面交流时的眼神、语气，比如一个科学家对自己研究的那份热爱。这些才是科学传播最珍贵的部分。”
从张文宇的“AI原生”，到张子柯的“群体智能”，再到李鑫的“AI4S两条路径”，三位嘉宾从教育、智能、科研三个维度，拼出了一张AI时代科学传播与教育的新图景。而曹林和元晓帅从实践与产业视角的补充，让这张图景有了落地的基础。
这场持续两个半小时的沙龙，没有停留在对AI技术的空泛赞美，也没有陷入“AI是否会替代人类”的焦虑争论，而是把镜头对准了每一个普通人——当AI开始“做科学”，我们不是旁观者，而是参与者。
从“看”到“做”，一字之差，背后是一个时代的转向。当AI不再只是屏幕里的聊天框，而是走进实验室、走进课堂、走进乡村孩子的天文台，科学的边界正在被重新定义——它不再是少数人的事业，而是一场人人可以参与的集体探索。
iNova·科创好望角
“iNova·科创好望角”是中国杭州低碳科技馆打造的科普活动品牌，该品牌旨在发挥科技馆的“前沿科技体验基地”优势，整合高校、科研院所、科创企业及技术社群资源，聚焦人工智能、低碳科技等前沿领域，通过深度沙龙、实操工坊、跨界对话等形式，为广大科技爱好者打造一个理性思辨、深度交流、激发灵感的空间。
接下来，“iNova·科创好望角”活动将持续聚焦“AI for Science”与新质生产力，展开更多前沿科技对话，敬请期待。