一句话看懂：一项针对12万篇论文的大规模研究发现，大语言模型和人类科学家一样倾向保守，但AI可以并行试错上万次，真正制约它挑战科学共识的，不是缺少灵感，而是科研体系愿不愿意为低概率方向持续付费。
事件核心：发生了什么
芝加哥大学研究团队（包括Honglin Bao、Siyang Wu等）分析了121,640篇预印本，让26个大语言模型基于论文提出后续假设，并请6,749名论文作者完成了25,139组评价。结果显示：普通模型的想法容易趋同，推理模型探索范围更广，但很少主动提出“零假设”——即质疑某种被普遍相信的效应可能并不存在。人类科学家同样表现出风险厌恶，更愿意采纳成功概率较高、与自己研究相似的想法，新颖性的重要程度反而较低。
研究者还提出一个思想实验：如果把1905年之前人类拥有的全部科学数据交给AI，它能否推导出狭义相对论？这个被称为“科学图灵测试”的设想，来自法国Inria研究员Emmanuel Jeannot的讨论，指向一个根本问题——AI到底是在重组知识，还是能真正突破既有框架。
为什么重要
这项研究揭示了AI“保守”的深层原因：模型和人类的保守可能来自同一个知识生产体系。公开文献主要记录成功结果，失败实验、被否决的猜想很少进入训练数据；再用同行偏好训练评价模型，人类对失败的谨慎便被写进机器的目标。换句话说，AI不是天生缺乏创造力，而是在数据和评价机制上就被塑造成了风险规避者。
AI真正改变的是试错成本。人类一生只能认真追踪有限的问题，AI却能并行保留大量低概率方向，先通过计算和模拟完成筛选。每个假设都像一份成本有限的期权，多数最终归零，少数突破足以覆盖整个组合的投入。决定AI是否敢于挑战共识的，不再是“有没有灵感”，而是科研机构怎样分配风险预算。
对用户/开发者/创作者的影响
科研人员在使用AI辅助提出假设时，需要有意识地补充外部评价机制——目前公开信息显示，现成模型很少主动挑战主流结论，更适合用来帮助研究员扩展验证范围，而不是替代研究者的学术判断。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
开发者和模型训练者可以关注训练数据构成：如果希望让模型输出更多“反常”假设，可能需要专门引入失败案例、反证数据，并在偏好对齐阶段调整对新颖性的权重，而不是只用传统论文做强化学习。
AI内容创作者则可以利用大模型低成本生成多种不同方向的假设文本，但要记得，模型默认输出偏向安全区间，若需要真正的“脑洞”，要通过提示工程明确要求它考虑被否定或非主流的方向。
值得关注的后续
“科学图灵测试”目前更多是思想实验，尚未有公开的完整实现结果，但值得观察：推理模型是否会经过专门的“反证训练”，从而主动提出零假设；如果科研评价体系开始奖励可复现的失败，AI辅助研究是否会走向更激进的探索路线；以及当算力成本下降后，机构是否会愿意为低概率方向的批量试错保留资源——这可能是下一个影响AI科研生态的关键变量。
来源：@Acai_murmur
