今年五月，來自約二十多所頂尖大學和科技公司的37位研究員在ArXiv上發表了一篇論文，主張科學家應停止撰寫傳統論文。他們認為，人工智慧需要一種不同的格式，而AI的需求應成為優先考量。

這些作者在題為「最後一篇人類撰寫的論文」的挑釁性文章中寫道：「AI代理人正成為研究工作流程中的第一線參與者，不再是輔助人類的工具，而是能夠閱讀、重現和擴展科學研究的自主貢獻者。這種轉變要求從一開始就圍繞著代理人建立基礎設施。」該論文提出了一種替代方案，稱為「代理人原生研究成果」（Agent-Native Research Artifact, ARA），以AI代理人能有效利用的格式呈現研究工作。（例如，該論文本身就以ARA形式在線上發布。）

AI工具在研究過程中日益增長，這並非沒有批評者，科學家對這種轉變的看法也存在分歧。一些證據顯示，AI輔助研究可以提升個人在特定領域的職業發展，但可能產生較少的新想法和主題。儘管如此，一些生物學家已開始將AI視為有潛力的「共同科學家」。

主要作者劉佳辰（Jiachen Liu）在密西根大學攻讀電腦科學博士學位期間，進行了ARA提案的相關工作，並於2025年獲得學位。今年五月，她共同創立了Agent Native Research Lab，這是一家位於加州帕羅奧圖的「AI為科學服務」新創公司。她與IEEE Spectrum討論了這篇論文以及AI在科學研究中的未來。

為AI協作者建立基礎設施

問：您是如何開始相信AI已成為科學家的協作者，而非僅僅是工具？

劉佳辰：2024年底，當Cursor編碼代理人問世時，我意識到它有很大的潛力取代我作為研究員的角色。然而，我仍然需要在AI之上進行大量的基礎架構引導（創建引導模型並將其連接到世界的基礎設施）。這仍然需要大量的人工工作。我當時甚至寫了一篇文章，強調人類在循環中的重要性。

但此後AI取得了進步。到了2026年，大型語言模型中幾乎已經包含了大學本科程度的完整知識。在不久的將來，所有博士級或教授級的知識都將存在於這些模型中。到那時，人類將無法提供更多價值。AI將必須自行進一步演化。因此，我們需要一個能夠讓AI安全舒適地演化的基礎設施。ARA協定是實現這一目標的第一步。

問：您對這篇論文收到了什麼樣的回應？

劉佳辰：我收到了各種各樣的回饋，全部都是正面的。如果他們不喜歡，他們可能就不會費心聯繫你，對吧？

其中一種回饋來自業界。他們認為這可以讓他們的研究和知識系統更具AI原生性。這基本上可以促成整個企業內部的協作。另一種回饋來自學術研究人員。每個人都認為，分享研究成果數百年來一直是一個痛點，因為任何科學突破都是共同努力的成果。它不是來自個別傑出的科學家，而是來自社群的努力，不同的人朝著不同的方向推進。

科學論文是在350年前發明的。在那之前，科學家們會隱藏他們的研究，以免他人搶先發表他們的想法。然而，在那之後，我們有了工作檔案、同儕審查和會議等等。科學開始進步得更快。所以那是一個轉折點。

我認為現在也是一個轉折點。因為現在我們有了AI，我們可以開啟許多新的機會。我們正在從第一性原理出發，發明一種更有效率地記錄研究的新格式。一些非營利組織也在做類似的事情，我們可以在那裡互相幫助。

問：您和您的同事說，從AI的角度來看，傳統科學論文有兩個根本缺陷。您能解釋一下它們是什麼嗎？

劉佳辰：一個是「敘事稅」。一旦我們把所有內容寫進論文，80%的相關資訊就丟失了。我們只寫下最後的20%。所有的過程、許多重要的決策、失敗、以及沒有成功的嘗試，都消失了。在我的工作中，我可能會花很多時間微調一個小組件，也許只是一個參數或幾行程式碼，以使系統表現更好。

然而，這些都沒有在我的最終論文中顯示出來。有人可能會閱讀論文，認為這項工作很棒，但他們不會知道是什麼技巧讓它在特定工作負載下表現更好。在創建工作完成的故事時，許多旁支都被省略了。

然後，即使論文中保留的資訊也是不完整的。這就是我們所說的「工程稅」。論文本身是研究過程的有損壓縮。因此，我無法重現論文中的工作，因為語言可能過於模糊，或者缺少實作或實驗的細節。

問：為什麼我們不能只訓練AI去適應人類，例如，與研究人員互動以獲取它所需的資訊？

劉佳辰：事實上，我們ARA系統的一個組件是「即時研究管理員」（Live Research Manager），它基本上是一個忠實的AI觀察者，記錄您整個研究進度。因此，您作為研究人員，無需做任何關於記錄研究知識的事情。您所做的一切都會自動被觀察並記錄在這個協定中。所以，如果您想以今天的格式（PDF論文）發布，也很容易轉換回一個精美的故事。

檢查錯誤

問：大型語言模型會犯錯。它們會產生幻覺。那麼人類將如何檢查AI在這個協定中所做的所有工作呢？

劉佳辰：人類的頻寬是有限的。因此，如果您手動檢查AI生成的所有程式碼、所有結果和所有分析，這會造成瓶頸。相反，解決方案是使用一個形式系統來客觀判斷AI的結果。換句話說，另一層AI可以輕鬆監督AI「科學家」的過程。

問：是什麼阻止了那個AI產生幻覺和錯誤呢？

劉佳辰：我正在研究一個使用神經符號技術的形式系統（結合了神經網路處理非結構化數據的能力與符號AI依賴邏輯和概念結構的能力）。這將保證一切都是嚴謹的。單獨的語言模型，無論它多麼聰明，都有產生幻覺的機會，因為它是一個基於機率而非邏輯的模型。我希望確保我不是使用另一個語言模型來監督AI科學家所做的工作。

它將使每一篇研究論文都成為一個形式系統，這樣每一個主張都可以用數學公式寫出並由系統證明。這使得系統中的所有主張都自我一致。

問：擺脫您所說的「敘事稅」意味著將錯誤、挫折或錯誤的轉折暴露給世界。如果研究人員不想這樣做怎麼辦？

劉佳辰：我認為這當然是一個很大的擔憂。人們不想被認為是愚蠢的。但我認為這種偏好是AI的一個機會。例如，如果AI做了12小時的工作卻沒有任何進展，引導專案的人類可以介入並說：「哦，AI，你真笨。你犯了ABC錯誤！」那麼人們會覺得這完全沒問題。他們正在展示他們在監督AI工作方面非常聰明。

問：然而，人類在AI研究中扮演這種引導角色會持續多久？一旦您描述的AI監督AI實現，我們是否會達到AI不再需要人類指導的地步？

劉佳辰：是的，我認為這正是許多新實驗室的AI研究方向。我最近寫了一篇文章，題為「人類參與循環的終結」（The End of Human-in-the-Loop），其中描述了我為什麼會認為會出現這個奇點。一旦AI「榨取」了人類所有的專業知識資料，它就不再需要人類的任何輸入。那時AI將開始自行演化。目前，人類是瓶頸。AI總是在等待人類的輸入。但總有一天，AI將會做更多自主的工作。

問：如果AI接管了這麼多的科學研究，那麼年輕一代的人類科學家將如何獲得所需的經驗和訓練，以便能夠引導未來的研究，甚至理解它？

劉佳辰：很多人認為，隨著AI做了這麼多工作，沒有人關心如何讓初級工程師和科學家變得更好。我不同意。我認為人們會透過向AI學習而變得更好。人們的學習曲線在AI的幫助下非常快。所以實際上，我認為這會沒問題。我們仍然會有資深研究員、資深工程師。但他們將擁有與（前幾代）完全不同的學習經驗。