科学发现，自人类文明诞生以来，便是推动社会进步和技术革新的核心动力。纵观历史，不同文化和时代孕育了丰富多样的知识系统，农业、天文、冶金、医学等领域的积累，皆根植于对世界规律的观察与解读。在这些早期知识体系中，发现并非孤立事件，而是与生存、仪式和意义紧密交织。正是这种对现象背后隐藏秩序的不断探寻，塑造了科学的雏形。进入现代，科学逐渐形成为严谨的数学体系和实验方法，但探索世界的渴望和不断提问的精神从未变革。如今，随着人工智能的飞速发展，科学的探索进入一个前所未有的全新阶段，迎来了“无意识发现”的可能性，即不依赖人类意识或好奇心而产生的新见解。
然而，什么才是真正的科学发现？探索AI在科学中的角色，成为学界、产业界乃至公众热议的话题。首先，我们必须厘清发现的概念。发现不止是对数据的识别或模式的挖掘，而是一种跨越性思维的跃迁，是对世界认知框架的重新构建与抽象提升。历史上的科学巨擘如牛顿、麦克斯韦、爱因斯坦，并非仅仅洞察已有现象，而是通过创新理念，塑造了全新的科学范式。例如，牛顿不仅描绘了运动轨迹，更提出了力和质量的概念；麦克斯韦整合了电与磁，揭示了电磁波的统一本质；爱因斯坦重新定义了时间和空间的关系，颠覆经典物理学。这些伟大发明背后，是对“框架”的质疑与重塑。
相比之下，当前的人工智能尽管在大量数据中识别出结构和规律，却尚未展现出真正意义上的“概念创新”能力。AlphaFold作为近年AI科研里程碑之一，能够精准预测蛋白质三维结构，其技术成就令人瞩目，但它未能揭示蛋白质折叠的本质机理，也未提出全新的生物学理论。它以极高效率模拟已知数据中的结构，辅助科研进步，却没有创造新的科学理论。同样，在药物发现领域，AI通过生成分子库、预测活性和筛选候选药物，大幅提升研发效率。但是AI的决策依赖于人类预设的生物框架，缺乏对疾病机理的深层理解和假设创新，难以做到真正的理论突破。符号回归工具能在已有变量和公式库中优化方程，模拟发现经典定律的过程，但这更像是高阶曲线拟合，而非科学原理的创生。
真正颠覆性的科学发现常常源于在既定范式之外提出质疑，开辟全新的认知路径，需要具备能否推翻现有模型、提出全新假说的能力。目前AI缺乏这样的“认识论能动性”，即主动质疑自身假设、改进推理框架，甚至自主提出替代理论的能力。同时，AI的训练依赖于已有的历史数据和知识体系，这其中包含文化偏见和知识盲区，若误将模式识别能力等同于发现，不免放大历史的局限。通过历史视角，我们看到科学工具的变革如何拓展研究边界。望远镜显著拓宽人类的视野，显微镜揭示微观生命的奥秘，计算机模拟助力复杂系统研究。这些工具不仅提升效率，更改变了我们能提出何种问题。
然而工具与理论的分界清晰——工具扩展能力，理论则来自人类的创造性洞见。人工智能既是继承这一传统的强大工具，也是引发反思的催化剂。未来，若AI欲从工具跃升为真正的科学合作者，需具备五大关键能力：独立构建全新抽象概念；生成超越现有理论的可验证假设；识别并打破现有模型的局限；跨领域迁移知识；自我反思并调整其内部假设框架。只有具备这些能力，AI才能在科学发现中发挥类似人类的创新角色，实现科学范式的革命。围绕这些观点，科研界不断展开理论探索和实践尝试。某些基于神经符号混合的方法，尝试赋予AI更强的符号推理和抽象能力。
尽管前路漫长，突破的契机仍在于跨学科融合与算法革新。与此同时，社会层面不容忽视的是对科技进步的认知与期待管理。误将AI产出视为带有自主创造力的“发现”可能导致科研思维的浅化和依赖，而忽视培养批判性思维与基础研究的价值。科技伦理与政策制定者需构建合理框架，确保人类的科学判断力不被工具所替代或弱化。进一步来说，科学发现本质上是多元、社会化且动态的过程，囊括了全球多样文化与知识传统的共享智慧。正如巴拉河的早期天文知识，中东的光学研究，中国的天文记录，以及美洲玛雅人的历法，都彰显科学探索的丰富性与包容性。
AI的未来角色也应映现这种多元与开放，尊重不同视角，不断扩展认知边界。综合以上，科学发现不仅是数据处理，也不仅是模式识别，而是一种“质疑-重构-创造”的复杂认知行为。人工智能虽然在提速科研进程和辅助实验方面展现出深远潜能，但离真正的“发现”仍有距离。唯有在AI系统中植入探索未知、质疑前提、提出创新的能力，才能实现从助手到真正合作伙伴的转变。科学探索的本质在于“更好的问题”，而非“更快的答案”。尊重这一核心，合理定位AI的作用，才能推动科学文明迈向新的高峰。
未来，需要学界、技术界与社会共同努力，透过多元视角，持续深化对“发现”的理解与实践，赋能人工智能真正走进科学创新的前沿。
