AI研究员来了：AI能自己搞科研，论文直接发Workshop
你有没有想过这个问题：AI写代码已经很强了，那AI能不能自己搞科研、写论文？
SakanaAI 说：能，而且他们还把这件事做到了Workshop级别。
就在几天前，他们发布了 AI Scientist-v2，一个基于 Agentic Tree Search 的自动化科研发现系统。GitHub 页面显示项目已经拿到了 3400+ stars，今天又新增了 500+ stars，在 AI 圈的热度相当可观。项目地址：https://github.com/SakanaAI/AI-Scientist-v2
简单来说，就是给AI一个研究方向，它能自己设计实验、自己跑实验、自己写论文，最后产出一篇看起来还像样的学术文章。
这事儿听起来有点离谱，但看完技术细节之后，不得不说——这确实比上一代强了不少。
在说 v2 之前，先简单回顾一下背景。
AI Scientist 这个项目最早是 SakanaAI 在去年推出的，目标是让AI独立完成科研全流程。当时 v1 版本已经能生成论文，但质量普遍被认为停留在"玩具级别"——创新性不足、实验设计简单、论文结构也不够规范。
当时社区的反馈是：AI写的论文，审稿人一眼就能认出来。
v2 的野心比 v1 大得多。它不再满足于"生成一篇看起来像论文的东西"，而是追求"生成的论文达到 Workshop 级别"——换句话说，至少在某些 AI 学术 Workshop 里，不会因为质量太差直接被拒。
这个目标本身就有意思。Workshop 级别不算高，但也不算低，是一个相对务实的基准线。
v2 最大的变化是引入了 Agentic Tree Search（基于智能体的树搜索）。
这个词听起来很学术，我来解释一下它的核心思想。
传统的 AI Scientist v1 在生成论文时，基本是"一条道走到黑"——给定一个假设，就开始验证，不太会回头重新审视自己的路径是否正确。
v2 引入了一个"探索-评估-回溯"的机制：
这个设计背后的逻辑是：科研探索本质上是一个树形搜索问题，从一个初始假设出发，分叉出多种可能的验证路径。v2 的做法是并行探索多条路径，然后通过评估函数筛选出最有价值的分支继续深挖。
这比 v1 的"单线思维"要合理得多。人类科学家做研究也是这样——不是一条路走到底，而是不断评估、调整、甚至推翻重来。
SakanaAI 官方给出了 v2 生成论文的评估数据：
不过有个问题：这些数字是 SakanaAI 自己给出的，目前没有第三方独立验证。而且"通过 Workshop 评审标准"这个表述本身也有一定弹性——不同 Workshop 的评审标准差异很大。
不过，从 GitHub 上公开的示例论文来看，v2 生成的论文确实比 v1 像样多了：结构更完整、相关工作部分更充分、实验部分有数据支撑。有几篇甚至让我这个看惯论文的人都觉得"不像是AI写的"。
但问题也很明显。
这个项目研究下来，有几个绕不开的问题：
问题一：创新性依然有限
AI Scientist 本质上还是在已知方法上的组合和微创新。真正推动科学进步的"范式级"创新，目前的AI还做不到。
说白了，AI现在能做的是"在已知框架里找最优解"，而不是"创造一个新框架"。
问题二：实验的可靠性存疑
AI自己设计的实验，代码是自己写的，数据是自己生成的，这里面的偏差（bias）很难控制。没有人类专家的监督，AI可能会"自圆其说"——设计一些看起来像在验证假设、实际上在循环论证的实验。
问题三：论文的学术价值难以判断
AI能写出一篇结构完整的论文，但论文里的"insight"——那些真正有价值的见解——依然高度依赖训练数据的质量。如果AI只是在已有知识的范围内排列组合，那它永远无法产生超越人类当前认知边界的洞见。
问题四：伦理问题
AI独立产出的科研成果，如果最后发表，署名是谁？AI-Scientist？这在学术圈目前是完全空白的地带。
说了这么多，很多人可能会问：这跟我们有什么关系？
我的看法是，这件事的影响可能比你想象的更近。
首先，它加速了"AI辅助科研"的普及。
即使 AI Scientist-v2 还达不到顶级论文的水平，它已经能帮助研究者快速验证想法、做初步实验。对资源有限的中小实验室来说，这是一个有价值的工具。
其次，它让"AI写代码"和"AI做研究"之间的边界变得模糊。
这里有个误区：有人觉得AI能写代码、能做研究，人类就没价值了。
实际上，AI做的是"执行层面的研究"，人类做的是"定义层面的研究"。AI能设计一个"颠覆现有范式"的研究方向吗？目前还不行。
第三，它提醒我们重新思考"什么是科研"。
如果AI能做大部分的数据收集、实验设计、论文写作工作，那人类研究者的核心价值在哪里？
我认为是在于：提出有意义的问题、定义研究方向、对结果进行深度解读和判断。这些目前还是人类更擅长的事情。
AI Scientist-v2 的出现，确实让"AI搞科研"这件事从科幻走进了现实。虽然还远没有达到"AI替代人类科学家"的程度，但它已经证明：在某些特定场景下，AI可以独立完成一个有价值的科研闭环。
常有人说：AI不会取代你，但会用AI的人会取代你。
对科研工作者来说，学会用这类工具，比担心被取代更重要。
至于这件事本身是好是坏，我认为它是中性的，关键看谁在用、怎么用。
感谢各位朋友的支持与关注！
如果你觉得内容对您有帮助，请不吝点赞、在看，分享给身边更多的朋友。
如果你有任何疑问或建议，欢迎在评论区留言交流。
作者：智物社 | 欢迎关注交流