这几年做AI for Science的项目我最大的感受是“范式”这个词不是玄学它是真真切切影响你每天怎么安排实验、怎么写代码、怎么跟模型打交道的。库恩讲科学革命是范式转换而今天我们手里多了一个能读文献、写代码、提假设、调参数的AI科研流程从“人提出问题人验证”逐渐变成“人与AI共同提出问题AI辅助验证”。这一轮“AI时代的三种科学范式”我梳理出的不是经验、理论、计算那个老分类而是更具操作性的三种新形态数据驱动的发现范式、模型驱动的理解范式、智能体驱动的自动化范式。这篇文章不打算写教科书式定义。我想结合自己做过生物信息分析、带过小团队用大模型做辅助研发的实际经历把三种范式分别拆开它们解决什么问题、怎么落地、有哪些坑、怎么组合使用。如果你正在用AI做科研、做产品预研或者刚接手一个AI for Science项目这文章应该能帮你少走弯路。1. 为什么AI会重塑科学研究范式1.1 传统三范式与AI的碰撞传统科研分三个阶段经验科学靠观察和实验理论科学靠公理和推导计算科学靠数值模拟。这三个阶段不是被AI取代而是被AI“接管”了一部分极为关键的动作。经验科学里的模式识别过去靠人眼盯图表现在模型可以从百万点数据里自动找规律理论科学里的定律推导过去靠人在黑板上推公式现在大模型可以在海量文献基础上提出新的类比假设计算科学里的参数扫描过去需要人为设计试验点现在智能体可以自动决定下一个模拟点在哪。但范式的改变不只是“工具升级”。范式意味着整个科研流程的提问方式变了。以前我们习惯先“假设驱动”先有假设再设计实验去验证。AI时代多了一种路径——先让数据说话模型结果本身成为假设。举例来说蛋白质结构预测领域AlphaFold2并不是基于物理能量函数去做折叠模拟而是直接从序列和结构数据中学习映射关系模型输出甚至可以在没有实验结构的情况下达到原子级精度这在旧范式里是不可想象的。这种“从数据直接到结论”的路径就是范式变化。1.2 AI时代范式转移的关键特征我观察到的范式转移有三个特征。第一假设不再是唯一入口。数据密度足够大的时候你可以让模型先吐出相关性清单再人工挑选有价值的假设。这意味着科研从“先想后做”部分变成“先算后想”。第二解释不再是唯一出口。传统科研要求“不仅能预测还得能解释”。到了AI驱动的科研里很多模型是黑箱但高预测精度本身就有实用价值例如药物分子的活性预测不一定非要先把物理机理说透可以先筛出候选物再反推动力学的解释。第三研究者与AI进入共同决策回路。AI不只是服务器里的工具而是嵌在实验设计、数据采集、结果解读的闭环里。你会和Agent来回对话它会建议你改变实验条件你接受或驳回这个交互方式更像“合作者”而不是“软件”。理解这三点后面三种范式就很好把握了它们分别对应“数据入口”“知识输出”“闭环执行”三个维度的重构。2. 范式一数据驱动的发现2.1 核心思路让数据自己开口说话第一种范式最容易理解也最好启动。它的核心是用高通量数据加上机器学习模型自动发现变量之间的复杂关联并给出可量化的预测结果。你不是先在纸上画因果图而是先用模型在数据里“扫描”出可能的关系网络。举个例子。金属材料领域有个难题如何从成分和工艺参数预测最终硬度。过去靠经验公式但变量之间高度耦合经验公式只能覆盖很窄的范围。如果用数据驱动做法收集大量文献和实验数据把化学成分、热处理温度、冷却速率等作为特征目标硬度作为标签训练一个梯度提升树或神经网络得到的结果往往比老工程师的经验公式更准尤其是在数据覆盖范围广的情况下。这就是“让数据自己开口说话”——它可能没告诉你什么深刻机理但给了你一个高精度的映射函数。这种范式在生物医疗里也很多。基因表达谱加上疾病标签训练分类器可以筛选出新的生物标志物。我实际做过一个类似项目目标是从RNA测序数据里预测药物反应。传统筛选流程需要先假设某通路涉及耐药再逐一验证基因用数据驱动方式直接让模型对几千个基因做重要性排序发现排名前十的基因里有三个从来没出现在文献里。后实验验证确实和耐药有关。这就是数据驱动范式的价值——跳出人类预判的盲区。2.2 从样本到模型的落地流程落地分为五步每一步都有容易被忽视的细节。第一步定义目标。你要明确模型输出是什么分类、回归、还是排序比如“预测化合物是否具有毒性”是二分类“预测毒性剂量”是回归。目标定义错了后面全部白做。第二步数据清洗与标准化。科研数据的脏点和工业数据不太一样既有系统误差也有单位混用还有采样不均。比如来自不同实验室的熔点数据有些是开管测定有些是闭管测定需要先归一化到同一标准。写清洗规则时宁可多花两天也不要让模型在脏数据上训练否则后面所有分析都是沙上建塔。第三步特征表示。原始特征往往维度高且有冗余。生物数据动辄两万个基因建议先做方差过滤和相关性去冗余再视情况做嵌入表示。文本、序列这类非结构化数据需要编码为数值向量。这一步的秘诀是“先简单后复杂”先用领域经验挑一批特征跑通基线再尝试用自监督学习自动提取表示。第四步训练与验证。训练集/验证集/测试集的划分必须符合数据生成机制。时间序列数据按时间切分不能随机打乱病人数据按患者分组切分不能把同一个人的多次记录拆到不同集合否则就是数据泄漏模型指标会虚高。第五步部署与解释。科研场景里通常不需要实时服务但需要可追溯性。一定要保存模型版本、训练数据hash、超参数记录。一旦后续实验推翻结论你能快速定位是模型问题还是数据问题。2.3 关键参数与三个陷阱参数配置里最核心的是“模型容量与数据量匹配”。500个样本就不要用百万参数的网络很容易过拟合。我通常的做法样本数小于5000优先用线性模型或带正则的逻辑回归、随机森林样本数大于十万再考虑深度神经网络。三个陷阱要特别记下。第一过拟合。它不但是模型问题也是评估问题。解决办法不是单纯加dropout而是建立真正的独立测试集最好是来自不同批次、不同实验室的数据。模型在自家数据上F1达到0.98换个数据源掉到0.72这种事情我见太多了。第二因果匮乏。数据驱动发现的是相关性不是因果。候鸟南飞和气温变化高度相关但你降低气温不会让候鸟改变路线。在科研场景里如果目标是做干预比如改变基因表达模型必须结合因果推断框架或设计验证实验否则只是纸上谈兵。第三样本偏差。训练数据如果只覆盖某一片区域模型预测自然有偏。材料科学里常见的坑很多公开数据集的合金成分集中在特定区间模型在区间外预测会很不稳定。所以做数据驱动时先画数据分布图看目标空间是否完整覆盖了你的兴趣域。3. 范式二模型驱动的科学推理3.1 大模型如何充当科学推理引擎第二种范式是把大语言模型当成“科学推理引擎”。它的本质不是记忆知识而是通过在海量科学文献、教材、实验报告上的预训练学会了跨领域的类比能力和复杂术语的组词规律。当你提出一个开放性问题它能给出多条具有逻辑的候选路径。我常用的场景是假设生成。比如我知道某种钙钛矿材料在高温下容易失活传统做法是查几十篇论文自己归纳可能机制。而现在我可以问模型“一种钙钛矿氧化物在800度下活性衰减请从相变、元素挥发性、载体烧结和碳沉积四个角度给出候选解释并指出每种解释对应的实验验证方法。”模型能在几十秒内给出结构化的回答其中至少有三个解释会和你查文献的结果吻合甚至有个别角度你之前没想到。这个过程不是“搜索答案”而是“合成推理”。这背后是语言模型对科学文本分布的学习。它可以理解“缺陷化学”“氧空位”“B位掺杂”这些词之间的关系并将它们组合成合理假说。但注意它不能保证假设为真。它的产品是“值得验证的假设”而不是结论。3.2 把领域知识“喂”进模型的实操方法想让模型更贴近你的垂直领域有三种主流做法。第一种是提示工程。把问题背景、已知条件、期望输出结构写清楚。这个方法成本最低。我的经验是多用“请扮演一位有十年经验的催化方向研究员”然后给出具体实验数据表格让模型基于表格推理。效果比直接问要好一大截因为角色设定会让模型激活更专业的上下文。第二种是检索增强生成RAG。把内部论文、实验规范、数据库说明转成向量存进向量数据库模型回答问题时先检索相关片段再基于片段生成答案。RAG可以有效减少幻觉同时不需要重新训练模型。比较关键的两个参数文本分块大小通常设为512个token左右检索返回的top-k设置为5到10。分块太小会丢失上下文太大则会混入无关内容。第三种是微调。如果你有几千条“问题-标准回答”的高质量数据可以微调一个领域模型。但我的建议是先用提示工程和RAG不要一上来就微调。因为微调需要标注数据且在校验集上评估困难一旦数据分布偏了模型会出现更隐蔽的“自信胡诌”。3.3 需要警惕的幻觉问题模型驱动范式的最大风险就是幻觉。大模型的训练目标是“生成连贯的文本”不是“生成真实的事实”。它会一本正经地告诉你“某篇论文证明了某某结论”而实际上那篇论文不存在。这在科研中是不可接受的。我把应对幻觉的方案拆成三层。第一层强制证据引用。在提示词中要求模型每一步都标注证据来源编号比如“根据文献[1]”然后你解析输出里的引用编号检查是否有对应的知识库片段。对于没有证据支持的陈述不让它出现在最终结论里。第二层双模型互检。用两个独立的模型生成同一问题的回答对比差异差异大的部分标记为“不确定”。这个方法虽然多花一点token但能明显降低低质量输出。我用过一次两个模型在机理推断上出现分歧后来人工查文献发现其中一个正确一个错误互检机制成功阻止了一次错误假设进入实验方案。第三层人工复核点。在流程中加入“必须由人点击确认”的节点。重大假设、涉及实验安全、涉及研发决策时不允许AI单独完成。这不仅是为了安全也是让研究员对AI输出建立信任。4. 范式三智能体驱动的闭环实验4.1 AI Agent在科研中的典型场景第三种范式是我认为最有潜力的也是目前最不成熟但最热门的。AI Agent智能体不只是聊天工具它具备记忆、规划、调用外部工具的能力能自主地完成一系列任务。科研场景里Agent最典型的价值是“把多步骤流程自动化”。文献综述Agent可以制定检索式、访问学术数据库API、筛选相关论文、提取核心数据、生成对比表格——这些流程分开看都是简单的API调用但串起来之后能替代研究员一整天的低效劳动。更高级的是实验优化Agent。比如你在做催化剂配方优化传统方式是在固定网格上做实验可能要尝试200组。但一个Agent可以调用贝叶斯优化库基于前次实验结果自动决定下一组反应温度、压力、配比把实验次数压缩到50组。如果再接入自动化实验机器人模型输出直接控制加样和测试那就形成了真正的“闭环实验”。4.2 搭建一个最小科研Agent的步骤搭建科研Agent没有你想象中那么难一个最小可用版本大概4步就能跑通。第一步定义工具集。把你日常用的Python函数、数据库查询接口、文献检索API全部包装成Agent可调用的工具。比如“search_papers(keywords, date_range)”“calculate_property(composition)”每个工具需要有清晰的描述和输入输出schema。第二步构造系统提示词。在系统提示里写清楚Agent的角色、可用工具、操作边界和输出格式。我建议加上“每次调用工具后用一句话记录当前状态方便随时中断和恢复”这类元指令。没有状态管理的Agent会越跑越偏。第三步设计循环和终止条件。Agent不能无限制迭代下去。必须设置最大迭代次数、目标函数阈值、或者人工确认标志。我测试过很多次如果忘记设终止条件Agent会在错误的参数空间里反复试探既浪费算力又找不到答案。第四步加上人工审批接口。在“实验建议”“论文发布”“API外部调用”等关键动作前设置一个需要人类确认的钩子。这也不是为了增加麻烦而是给Agent划出安全围栏。4.3 多Agent协作与任务编排单个Agent能力有限更多时候需要多个Agent分工。我常用的编排方式是三个角色。第一个是“主管Agent”负责任务分解和进度检查第二个是“领域专家Agent”负责具体方法设计第三个是“验证Agent”检查结果的一致性和引用完整性。让“验证Agent”独立于“专家Agent”能避免自我确认偏差。多Agent协作有两个问题要注意。一是上下文共享。Agent之间不能各自记忆各自的信息需要一个共享的“记忆库”通常是一个工作目录加状态文件所有Agent把中间结果写到里面下一个Agent读取。二是任务冲突。两个Agent可能同时修改同一个参数要引入锁机制或串行化关键步骤。我的做法是关键参数变更必须经过“主管Agent”统一录入专家Agent只提建议不直接改共享状态。协作编排同样要设边界。比如用Agent做自动化实验时温度上限必须写死在环境配置里而不是让Agent在对话中决定。因为Agent可能为了追求性能忽略安全边界这不是代码bug而是目标函数不完整。5. 三种范式的融合与边界5.1 它们不是替代关系而是互补关系很多入门者以为三种范式是路线之争要么纯数据驱动要么纯模型推理要么纯智能体自动化。实际上成熟的项目往往是范式融合。数据驱动负责“从数据里发现关联”模型驱动负责“从知识里推演解释”智能体驱动负责“把解释变成验证动作”。用一个药研的例子串联。首先数据驱动阶段收集大量病人的组学数据和用药记录模型训练后挑选出若干与耐药相关的基因组合。接着模型驱动阶段把基因组合输入大模型让它结合文献知识推断这些基因是否落在同一个信号通路中并提出联合靶向抑制的假设。最后智能体驱动阶段Agent根据假设设计体外细胞实验矩阵自动记录细胞活性数据若结果与假设一致就把数据反馈回第一步更新模型若不一致Agent会尝试调整给药顺序等条件或者把失败结果作为新样本纳入数据池。每一环都依赖上一环的输出同时生成下一环的输入。这种“数据-知识-动作”循环才是AI for Science真正的完全体。5.2 融合案例从靶点发现到实验验证我再展开讲一个我实际参与过的虚拟流程数据已脱敏便于你理解节奏。案例背景筛选一种可以联合用药的激酶抑制剂组合。我们做了三个阶段。阶段一数据驱动。输入是公开的RNA-seq数据包含用药前后样本。选择差异表达基因后用图神经网络在蛋白质互作网络上传播标签得到top50的候选靶点。这里参数上我调的是传播层数2到3层太多会过度平滑导致所有节点分数趋同。阶段二模型驱动。把这50个靶点输入大模型要求它根据KEGG通路和已有文献把它们归类到上游调控、核心节点、反馈环节三个层级。大模型给出了几个很关键的推断其中有一个激酶被它标记为“位于两个不同通路的汇聚点”这个判断后来在路径分析里得到验证。阶段三智能体驱动。Agent负责组合筛选。它需要调用药物数据库API获取已知抑制剂的靶点列表然后枚举组合设定细胞系实验矩阵计算组合协同分数。整个筛选过程自动做了128组组合模拟并把排名前三的组合输出给实验员。最终实验验证了一个组合确实显示协同抑制效应。这个案例每个阶段都有局限但串联起来后效率比传统流程高了一个数量级。5.3 科研工作者的新能力模型面对这三种范式科研工作者不需要每个人都变成算法工程师但需要培养三种新能力。第一问题结构化能力。把“这个材料为什么不稳定”转化为“我该用什么数据、什么任务类型、什么评价指标来逼近这个模糊问题”。不会结构化AI再强也无法帮你。第二批判性验证能力。AI给出的结论要当作“待检假设”不能当作“审核通过”。你要会看模型输出的置信概率、引用来源、数据分布覆盖范围能设计出验证实验来确认或推翻它。第三人机协作管理能力。知道什么时候让AI自主跑什么时候介入知道给Agent设什么边界怎么设计审批节点怎么从错误输出中恢复。这项能力有点像“管理一个略显聪明但偶尔幻觉的下属”。6. 踩坑记录与效率清单6.1 常见误区第一条误区把AI当成全自动预言机。很多团队花大价钱买完GPU就希望模型马上给结论。现实是AI只对明确的问题有效你问得越清晰它表现越好。第二条误区忽视负样本。数据驱动项目里负样本通常比正样本更难获取。比如筛选活性化合物发表的都是阳性结果阴性结果很少你需要专门去补充构建负样本集。没有负样本模型只学会了“预测正类”没有决策边界。第三条误区盲目追求复杂模型。有一种病叫BERT依赖症看到语言模型就微调看到结构就上GNN。事实上简单的随机森林加良好特征在中小数据上经常吊打深度模型。模型复杂度要与数据量和问题模式匹配。第四条误区不设置停止条件。智能体跑飞了才发现无限循环引发大量无效API调用。在项目启动时就要定义“什么条件出现后必须停止并进入人工介入”。6.2 高效启动的检查表如果你要开始一个AI for Science项目我建议先过一遍这份检查表。问题有没有一个明确的评估指标如果没有先定义回归还是分类用什么损失函数。数据是否覆盖目标域分布图、时间跨度、批次差异是否记录。有没有防止数据泄漏的划分策略是分组划分还是时间划分。基线和早期目标是什么先跑一个简单模型拿到分数再尝试复杂方案。模型输出是否可解释至少能给出特征重要性或样例级归因。是否设置人工介入点重大假设、安全操作、财务支出前必须有人确认。是否记录所有实验元数据模型版本、数据版本、prompt版本都存入日志。失败案例是否进入数据库模型预测错但后续实验纠正过的场景应当保留。这份清单看起来简单但我亲眼见过很多项目因为前三条没过关后面完全失控。6.3 资源推荐与工具矩阵最后给一个工具分类表便于按范式快速搭建环境。范式典型工具方向常用模型/资源适用阶段数据驱动Pandas、Scikit-learn、PyTorch随机森林、XGBoost、多层感知机特征探索、建基线数据驱动深度PyTorch Geometric、TensorFlowGNN、Transformer序列数据大样本结构数据模型驱动向量数据库、LangChain主流开源/商用大语言模型假设生成、知识问答模型驱动HuggingFace Transformers领域微调后的模型垂直知识集成智能体驱动LangGraph、AutoGenAgent框架 工具API自动化实验编排智能体驱动工作流引擎、数据库状态机 消息队列多Agent协作注意工具不是重点重点是先从一个小闭环切入。我见过很多团队在同一周内试用六个框架最后什么都没跑通。选一个你最熟悉语言的框架把最小Agent跑起来再慢慢扩展。最后说一点个人经验。三种范式不是等级关系更像工具箱里的三把尺子数据驱动量出“关联有多强”模型驱动推出“机制可能是什么”智能体驱动把这两者变成“下一步该做什么”。我踩过最深的坑就是把它们割裂使用让模型空谈假设却没有数据验证。如果你只记住一句话让数据和知识在Agent闭环里互相校准科研效率一定会比传统方式高出几个量级。