AI 不只是工具，更是研究夥伴：SciSciGPT 如何重塑科學探索的樣貌
大型語言模型正從單純的指令執行者，演變為能自主規劃、執行複雜任務的協作者。一篇《自然》期刊的研究展示了 SciSciGPT 原型，揭示 AI 如何系統性地參與科學研究，從而改變我們對研究流程、團隊分工與人才培育的想像。
大型語言模型（LLM）在科學研究中的角色，正從被動的工具演變為主動的協作者。這不只是效率的提升，而是對整個科學探索流程的根本性重塑。近期在《自然計算科學》期刊上發表的一項研究，透過一個名為 SciSciGPT 的開源 AI 協作原型，具體展示了這種新典範。它預示著一個未來：人類研究者將更專注於提出關鍵問題與做出最終判斷，而 AI 則負責執行複雜的工作流程，加速假設驗證與知識發現。這將深刻影響研究團隊的組成、工作分工，以及下一代科學人才的培育方式。
當前的 AI 工具，在科學研究中遇到了什麼瓶頸？
過去幾年，我們已經習慣使用 AI 來輔助單點任務，例如潤飾論文段落、編寫程式碼片段，或是摘要大量文獻。這些應用無疑提高了生產力，但它們本質上仍是「工具性」的——AI 在人類的明確指令下，執行一個個獨立、拆解好的步驟。然而，真正的科學研究是一個複雜、非線性且充滿迭代的過程。它涉及從提出假說、設計實驗、收集與清理數據、執行分析，到最後解釋結果與撰寫論文的完整鏈條。
目前多數 AI 工具難以處理這種端到端的複雜工作流。研究者仍然需要花費大量心力去串連不同工具、管理瑣碎的執行細節，並確保整個流程的可重複性（reproducibility）。這種人工作業的斷點，不僅拖慢了研究速度，也限制了我們探索更複雜科學問題的可能。我們需要的，不再是更好的「錘子」，而是一個能理解研究目標、自主規劃並執行任務的「協作夥伴」。
SciSciGPT 如何成為科學家的研究夥伴？
由美國西北大學研究團隊開發的 SciSciGPT，正是朝著這個方向邁出的重要一步。它不是一個單純的聊天機器人，而是一個基於 LLM Agent 架構的系統，專為「科學的科學」（science of science）這個研究領域而設計。這個系統的核心能力，在於將一個高層次的研究目標，自動分解成一系列可執行的具體步驟，並調用各種工具（如程式碼執行環境、學術搜尋 API 等）來完成任務。
舉例來說，研究者可以給出一個模糊的指令，如「分析特定領域中，學者合作網絡的演變趨勢」。SciSciGPT 能夠自主完成以下任務：
- 規劃任務：將目標拆解為搜尋相關論文、提取作者數據、建構不同時間點的合作網絡、計算網絡指標、視覺化結果等步驟。
- 執行程式碼：編寫並執行 Python 腳本來處理數據與分析，過程中能自我除錯。
- 使用外部工具：透過 API 存取如 Semantic Scholar 等學術資料庫來獲取所需資訊。
- 生成報告：將最終的分析結果、圖表與程式碼，彙整成一份可供驗證與發表的初步報告。
透過這種方式，一個原本可能需要數週才能完成的探索性分析，SciSciGPT 能在更短的時間尺度內提供一個可重複的研究原型。這讓研究者能快速驗證想法、迭代假設，將精力聚焦在更高層次的策略思考與洞見解讀上。
不只是技術，更是工作模式的變革
SciSciGPT 的出現，最重要的意義在於它迫使我們重新思考人與 AI 的協作關係。該研究論文提出了一個「LLM Agent 能力成熟度模型」，將人機協作分為不同層次，從最初由人類主導一切，到最終 AI 能作為獨立研究員自主探索。這不僅是技術演進的藍圖，更是對未來科研組織與人才培育的指引。
我們需要思考的，不再是「AI 能為我做什麼？」，而是「我該如何與 AI 組成一個高效團隊？」
當 AI 能夠勝任大部分的執行工作時，人類研究者的價值將更多體現在那些無法被輕易自動化的環節：提出具有原創性的問題、設計巧妙的實驗框架、對複雜結果進行批判性詮釋，以及在跨學科領域中進行創造性連結。
這意味著未來的人才培育，除了傳統的學科知識與實驗技能，還必須加強學生的「提問能力」、「系統性思維」與「人機協作素養」。研究團隊的組成也可能發生變化，或許會出現專門負責設計與維護 AI 研究夥伴的「AI 協作工程師」這樣的角色。
當然，SciSciGPT 仍是一個早期原型，距離成為能在所有科學領域普及的成熟系統還有很長的路要走，也伴隨著對AI 產生內容可靠性的擔憂。但它所揭示的方向是清晰的：AI 正在從一個被動的工具，轉變為一個能夠參與規劃、執行與迭代的智慧夥伴。這場由 AI 驅動的科學革命，改變的不僅是研究的效率，更是科學發現本身的樣貌。適應這種新型的人機協作模式，將是所有知識工作者的必修課。
延伸閱讀
- SciSciGPT: advancing human–AI collaboration in the science of science (原始論文)
- LLM Powered Autonomous Agents (關於 LLM Agent 架構的深度技術文章)
- AlphaFold: a solution to a 50-year-old grand challenge in biology (AI 在特定科學領域取得突破的經典案例)
我是江中喬，一位具有 TPM 與產品管理背景的 AI 系統建構者，目前專注於 AI 認知增強系統與多 Agent 協作架構的設計與實踐。