由 Leonardo AI 生成
本文翻譯自日本 AI 新創公司 Sakana AI（サカナAI）的兩篇研究，分別是《The AI Scientist Generates its First Peer-Reviewed Scientific Publication》以及《The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery》
AI 與科學研究領域迎來了一個劃時代的時刻。
由 AI 科學家（The AI Scientist V2）完全生成的一篇論文成功通過了 2025 年國際學習表徵會議（International Conference on Learning Representations, ICLR）研討會的同行評審過程。
據開發者 Sakana.ai 所述，這是第一篇完全由 AI 生成並經過標準同行評審程序的論文，這項成就展現了 AI 在學術研究中的日益增強的能力，並引發了關於 AI 在科學發現中的未來角色的重要討論。
這篇論文是由 AI 科學家（The AI Scientist）的升級版本 — — AI 科學家 v2 所生成的。
本次實驗是在 ICLR 領導層、研討會組織者以及英屬哥倫比亞大學（University of British Columbia, UBC）機構審查委員會（IRB）的全力合作下進行的。
此研究不僅展示了 AI 生成研究的潛力，也強調了 AI 科學家在學術界接受度方面的倫理考量。
同行評審過程：AI vs. 人類研究
為了評估 AI 生成研究的品質，研究團隊向 ICLR 研討會提交了三篇完全由 AI 生成的論文。
評審員被告知可能有 AI 生成的論文，但並不知道自己審閱的論文是否由 AI 撰寫。AI 科學家 v2 負責整個研究過程，包括假設生成、實驗設計、程式執行、數據分析及論文撰寫，全程沒有任何人工干預，除了選定研究主題。
在提交的三篇 AI 生成論文中，有一篇獲得了超過接受門檻的評分，具體評分如下：
- 評分：6 略高於接受門檻（Marginally above acceptance threshold）
- 評分：7 優秀論文，應該接受（Good paper, accept）
- 評分：6 略高於接受門檻（Marginally above acceptance threshold）
這些評分使 AI 生成論文排名前 45%，高於研討會內許多人類撰寫並被接受的論文。然而，根據實驗協議，所有 AI 生成論文在發表前均被撤回，以維護研究的透明性與倫理性。
AI 科學家 v2 負責整個研究過程，包括假設生成、實驗設計、程式執行、數據分析及論文撰寫。由 Leonardo AI 生成
AI 科學家的倫理考量與透明度
這項研究引發了關於 AI 生成科學研究的倫理和程序性問題。
儘管 AI 科學家 v2 能夠達到同行評審標準，但科學界尚未決定是否應將 AI 生成的論文與人類撰寫的論文一同發表。透明度仍是關鍵，未來的討論應關注 AI 生成內容應如何揭露，以及應如何與人類撰寫的研究進行評比。
為了確保透明度，這些 AI 生成的論文未在 OpenReview 平台公開。
這一決策是由 ICLR 組織者、研討會領導者和研究團隊共同作出的，目的是避免 AI 生成論文在學術界尚未制定明確規範之前，對同行評審程序產生潛在影響。
AI 生成研究的挑戰與局限
儘管這項研究取得了突破性進展，但 AI 生成論文仍然存在一定的局限性。
獲得接受的論文是提交至研討會（seminar），而非 ICLR 主會議。主會議的接受率約為 20–30%，而研討會的接受率則約為 60–70%。這表明 AI 生成的研究仍需進一步提升，才能達到頂級學術會議的標準。
此外，人類研究團隊對 AI 生成的三篇論文進行了內部審查，結果顯示沒有一篇符合 ICLR 主會議的標準。AI 科學家還出現了一些錯誤，例如在引用部分誤將「LSTM 神經網絡」錯誤歸因於 Goodfellow（2016），而非正確的作者 Hochreiter 和 Schmidhuber（1997）。
另一個局限性在於 AI 科學家主要基於最先進的大型語言模型（LLM）。其表現直接取決於這些基礎模型的發展。如果未來基礎模型持續進步，那麼 AI 科學家的研究能力也將隨之提高。
AI 科學家在引用部分誤將「LSTM 神經網絡」錯誤歸因於 Goodfellow（2016）。來源：Sakana.ai
AI 在科學發現的未來
AI 科學家 v2 的成功代表了 AI 生成研究的一個重要進展，但這僅僅是開始。未來的 AI 研究助手可能能夠產出品質更高的論文，甚至達到人類研究員的水準，獲得頂級科學會議和權威期刊的認可。
最終目標並非用 AI 取代人類科學家，而是加速科學發現。
如果 AI 能夠產生並驗證新的研究成果，可能促成醫學、物理學等領域的重大突破。未來的關鍵問題不僅在於 AI 生成的研究能否通過同行評審，更在於這些 AI 驅動的發現如何促進人類知識的進步與福祉。
透過持續討論 AI 生成研究的透明性和倫理問題，科學界可以確保 AI 成為推動創新的工具，而非影響學術誠信的挑戰者。AI 科學的未來充滿潛力，在適當的指導下，將成為擴展人類知識疆界的重要夥伴。
