前四章主要从认识论和科研活动链讨论人工智能能够做什么：它可以辅助检索、提出假设、设计实验、处理数据、生成文本，也可以嵌入受约束的实验平台。这些能力层面的回答仍未触及知识生产的社会条件：当越来越多认知任务由机器承担时，谁选择问题，谁控制证据，谁获得学术信用，谁对错误负责，又由什么制度判断一项结果是否值得信任。科学学处理的正是这些关系。科学产出并非只是个人运用方法所得的结论，也同时嵌入共同体、规范、奖励、机会分配和知识秩序。人工智能若只提高某个步骤的速度，改变尚停留在工具层；一旦它重新安排劳动、评价和责任，便进入了科学制度的讨论范围。
5.1 科学作为制度化的知识生产
默顿关于科学规范的分析，把普遍主义、共同体主义、无私利性和有组织怀疑视为科学制度的基本要求（Merton, 1973）。这些规范既规定科学家应如何对待知识，也构成共同体分配合法性和信誉的基础。分析人工智能介入时，这套规范提供的是衡量合法性、可信度和信誉的理想尺度，而非科学家实际遵守规范的比例。现实实验室与理想规范之间可能存在落差，而人工智能带来的版本、来源和验证问题会使这些落差更容易进入共同体审查。由此，科研产出的评价落在能否追溯、复核和反驳上，超出了单纯生成文本或加快速度。
贾萨诺夫提出的“共同生产”框架进一步表明，知识可信度与社会身份、制度安排、表征方式之间不能被完全割裂（Jasanoff, 2004）。这并不意味着社会因素可以取代实验、数学和统计约束，而是说明一项证据怎样被生产、谁被授权解释、谁承担风险，会进入可信度的形成过程。人工智能使这一点更加突出。模型的训练边界、提示与调用记录、人类干预位置、失败样本的保留方式，都会影响结果能否被共同体审查。模型输出若只留下最终答案而不留下过程，机器承担了部分认知劳动，责任链却仍然落在人身上；这种分离会削弱共同体的纠错能力。
累积优势理论还提醒我们，知识秩序并非中性的（Merton, 1968）。已经拥有声誉、渠道和资源的研究者更容易获得注意、署名机会和后续资源，低可见度贡献则可能被遮蔽。人工智能可能扩大候选内容与传播速度，也可能让新的可见度机制进入选题、引用和资源配置。马太效应理论在这里解释累积优势如何运作；从这一机制通向现代推荐系统或生成式人工智能的净效应，仍是一组需要真实部署数据、对照和长期追踪检验的假设。
5.2 从工具采用到范式门槛
库恩关于常规科学、异常、危机和科学革命的区分，为讨论人工智能是否改变科学范式设定了较高的门槛（Kuhn, 1970）。旧工具被换用、论文数量增加、某个环节实现自动化，都不足以证明研究的问题结构、证据标准、概念体系或世界观已经发生联动变化。库恩的概念来自特定科学史语境，其作用是划定理论变迁的门槛，而非充当评价人工智能的技术指标或直接证明人工智能已经引发科学革命。
人工智能已经进入科研活动链，并使部分任务的可行边界发生变化。王等人综述了人工智能在假设、实验设计和数据处理等环节的参与，同时指出数据质量、解释、验证和监督仍是持续瓶颈（Wang et al., 2023）；该综述的证据覆盖止于 GPT-4 一代（2023 年前后），不能直接代表 2026 年的代理式系统。经合组织报告把生产率视为尚未充分实现的机会，并把数据、代码、元数据共享、职业轨迹、验证与能力建设列为制度议程（OECD, 2023）。这些证据共同指向活动链的变化和待推进的制度议程；全流程生产率与范式转变仍属于不同层次的待验证命题。
2025—2026 年的前沿代证据开始进入同一问题。一项覆盖 100 项真实研究任务的端到端诊断预印本显示，当前前沿科研代理的失败模式系统性集中在过程与元认知回路，而不是单点能力（Fei et al., 2026，预印本）；在机器学习领域已知结论的重发现任务上，最强科研代理得分不足 50 F1，且跨运行方差很高（Wang et al., 2026）。这组读数说明全流程科研仍不可靠，验证与监督的瓶颈在当前代系统上依然存在；同时，失败分类由单一团队的标注框架给出，自动评审虽经人工校准仍依赖该框架，重发现任务限于已知结论而非开放发现，也未检验编排层干预能否弥补，因而既不能外推为端到端科研不可改进或已经实现自动化，也不能把重发现分数当作科研能力或研究价值的度量。
选题一端也有了当代复测。一项对研究想法的复测显示，大模型生成的想法在个体层面的盲评中与人类想法不相上下，但整体分布更窄，并系统性偏向桥接与综合型问题（Chen et al., 2026b，预印本）。这既不支持“大模型想法质量与人类等同”的读法，也不支持“选题环节已被重组”的结论：分布比较依赖作者的分类法与大模型标注器，想法由论文前置文献反推生成，也不是真实选题场景。
因此，人工智能的制度意义至少要通过三个连续问题检验。第一，它是否改变了问题与证据在科研活动链中的相对位置，例如候选生成是否更快，而稀缺资源反而转移到验证和解释。第二，它是否改变了合法性与可信度的标准，例如模型输出需要什么版本记录、来源链和人工复核，才能被共同体接受。第三，它是否改变了责任与机会的配置，例如谁拥有工具、谁承担计算和核验成本、机器参与的工作能否获得承认。三问中任何一项发生变化，都比单纯的采用率更接近结构性转型；三项长期联动，才足以讨论更高层次的范式变化。
5.3 可重复性、可信生产与开放基础设施
复制困难揭示的是可信生产制度的问题，而不只是研究者个人的错误率。开放科学协作项目在特定心理学语料中完成了100项复制研究，其中36%的复制达到显著水平，复制效应量平均约为原始研究的一半（Open Science Collaboration, 2015）。这组结果促使人们重新检查研究设计和证据累积，其效度范围则限定于特定样本、年代、任务难度、测量差异和研究选择。一次复制失败由此提供的是继续检验的机会，而非对原研究作简单定论。
美国国家科学院、工程院和医学院的共识报告区分了计算可重复性与可复制性：前者关注在相同数据和计算条件下能否得到一致结果，后者关注使用新数据和相似方法能否得到一致发现（National Academies of Sciences, Engineering, and Medicine, 2019）。这一区分对于人工智能科研尤为重要。模型能够重复运行一段代码，只说明计算链条具有一定可复核性；新数据能否复现、结论能否在独立实验室和不同情境中成立，则是更困难的问题。代码一致、格式规范和日志完整都不能替代外部验证，更不能单独证明科学发现可靠。
人工智能可能使候选假设、方案和实验记录迅速增加，但“生成更多”与“生产更多可信知识”并非同义。如果人工智能降低的是提出候选方案的成本，验证候选方案的资源就可能成为新的瓶颈。2026 年的一项引文效度分析把这种负担落到了具体环节上：跨模型的引文幻觉率区间为 14.23%–94.93%，而 97 名受访审稿人中有 76.7% 承认不会逐条核对引文（Xu et al., 2026，预印本）。这支持“核验责任不能默认下沉给评审环节”：档案审计只能显示相关性，不能把无效引文归因为大模型生成，区间所覆盖的 13 个模型中也包含非前沿代模型，调查样本小且自选，单个模型的数值不能当作总体发生率。组织的评价对象也应从每小时产生的想法数扩展到错误发现、数据污染、计算重复、人工干预和独立复制。经合组织强调验证和共享基础设施，皇家学会报告也把方法、技能、诚信、透明与责任放在一起讨论（OECD, 2023; Noble et al., 2024）。这两份文件提供的是 2023—2024 年的议程和判断框架，而不是效果估计，制度改革的效果仍取决于后续实践与评估。
在本章的讨论中，开放科学是一种可信生产基础设施，不等同于无条件的快速公开。在安全和合法条件允许时，让数据、代码、元数据、模型版本、关键操作和失败记录可被检查，能够使不同角色重复计算、追踪来源并提出异议。开放由此扩展批评入口和协作机会；版本管理、人工责任主体、复核机制和申诉渠道则共同约束传播风险。开放、透明与问责构成相互关联的制度组合。
5.4 团队科学的条件性优势与认知劳动重组
团队生产知识具有悠久趋势。对约1990万篇论文和210万件专利的分析显示，团队作品在多个领域逐渐占据主导，其平均引用影响也高于独著作品（Wuchty et al., 2007）。这一结果说明团队协作与知识传播之间存在关联，却不能证明团队作品质量更高，更不能证明团队规模是造成引用优势的普遍原因。引用窗口、学科结构、自引和数据库覆盖都可能参与形成差异。
另一项跨领域计量研究给出了不宜被压平的相反结果：大团队更常在既有方向上开展开发，小团队更常与颠覆性方向相关（Wu et al., 2019）。这里的“颠覆性”是基于引用网络构造的指标，并不直接等于机制原创、正确性或社会价值。两项研究测量的是不同结果：一个偏向引用影响，一个偏向方向转换。它们共同否定“团队越大越好”或“小团队天然更好”的简单排序，也说明规模、资源和产出类型之间存在需要解释的条件关系。
美国国家研究委员会关于团队科学的共识报告把有效协作的条件展开为团队构成、共同目标、角色清晰、领导、培训、协作能力、资助方式、评价和机构支持（National Research Council, 2015）。这说明团队优势不是人数自然带来的结果。复杂问题可能因跨学科知识和设备条件而受益于大团队，另一些探索可能因沟通成本和较低协调负担而更适合小团队。人工智能加入后，团队科学出现的新问题不是“机器算不算一名成员”这么简单，而是认知劳动如何重新分工，以及新增协调节点是否改善了共同判断。
较为合理的分工至少包括四类角色。第一类是问题与价值判断，包括选择目标、辨认约束和决定何种结果值得投入资源；第二类是探索与生成，包括利用模型扩大候选空间、编写方案或操作设备；第三类是验证与反驳，包括检查来源、复算、复现实验、寻找失败模式；第四类是治理与问责，包括权限、隐私、安全、署名、披露和审计。模型可以进入第二类，也可以协助第一或第三类，但不能因此取消其他角色。职责混淆会形成一种危险：机器生成速度被计为生产率，人类却必须为机器未记录、未解释或未预见的错误负责。
丹麦研究者的调查表明，人工智能采用和风险认知随学科、职业阶段与任务而变化（Andersen et al., 2025）。其证据范围是丹麦研究者的自报告与单一国家样本，调查实施窗口与受访者主要工具的模型版本在原报告中未标明，读数因而不能锁定到某一代模型；整体科研生产率或组织质量的变化尚无由此估计的依据。调查所揭示的差异本身说明，科研活动不存在统一的技术采用节奏。资历较高者与早期职业者、理论与实验岗位、不同学科对风险的判断可能不同，制度设计因而需要面对工具、训练、判断能力和容错空间的差异。培训和支持不仅是扩散工具的前置条件，也是维持共同体信任的组织条件。
5.5 激励、奖励与评价制度
技术能力只有进入奖励结构，才会真正改变科研行为。人工智能若使写作、编码、方案生成和数据处理更便宜，评价体系若仍只奖励论文数量、期刊声望或显眼产出，就可能鼓励更快生成更多可计数的材料，而忽略来源核验、失败记录和长期验证。作为这一推论前提的“更便宜”本身是有条件的：编码侧的受控实验在狭窄、验收明确的任务中观察到更快完成，而在资深开发者熟悉的大型代码库中观察到更长的开发时间，两项研究样本都小、均为预印本（Peng et al., 2023; Becker et al., 2025）。可见度机制与劳动投入由此发生张力：快速产出的AI内容可能增加注意，却不自动增加可信知识。
马太效应理论说明为什么这种张力值得重视（Merton, 1968）。高可见度成果更容易获得后续资源和信用，低可见度的数据整理、复现、工具维护与失败分析则可能被忽略。人工智能并不会自动纠正这种分布；相反，如果评价只追随传播速度，拥有大型计算资源、数据和熟练提示工程能力的研究者可能更容易把工具优势转化为成果优势。这一推演提出的是待检验的机制风险；现代部署的净因果效应仍需直接测量。
旧金山宣言指出，期刊影响因子原本用于帮助图书馆选择期刊，不应替代对个人成果内容的评价（DORA, 2013）。这一原则对于人工智能时代尤为重要。模型生成速度、回答置信度、引用数、论文数量和实验成功次数分别测量不同维度，任何一个都无法同时代表严谨性、原创性、稳健性、可推广性和责任可追溯性。评价对象必须回到具体贡献及其证据链：数据是否可靠，方法是否适当，结果能否复核，机器参与是否被披露，失败是否被保存，责任是否能够落实到具体主体。
DORA由此提供的是一项制度要求：取消指标代理之后，评价仍需回到具体贡献内容。对人机协作而言，还需记录模型与版本、任务边界、人工干预、验证过程和最终使用方式。署名与信用也不能简单归于提出提示的人或运行模型的人。发现、筛选、实现、验证、维护和决策可能由不同角色完成，制度若只奖励最显眼产出，就会进一步扭曲分工。
5.6 自主实验室的制度含义
博伊科等人展示的基于 GPT-4 级模型（2023 年）的语言模型化学代理能够调用搜索、文档、代码和自动化接口，在预设设备与有限反应空间中设计、执行并分析部分实验（Boiko et al., 2023）。实验中有板卡仍由人工移动，系统也依赖既定文档和分析流程。这些实验说明，科研活动链中的若干操作可以被组织成较紧密的人机闭环；其证据范围是受约束化学任务中的局部执行，来自 2023 年的单点实验，不能代表当前代的代理式系统，也不涉及机器取代化学家或独立选择科研问题。
斯齐曼斯基等人的自主材料平台展示了另一种组织形态：平台可以在封闭的、预先定义的候选池中运行搜索，并借助自动表征推进材料合成（Szymanski et al., 2023）。这一案例把候选生成、实验调度和结果表征连接起来，展示了局部执行层面的高度自动化；候选空间、计算描述、硬件平台和评价函数则均受到事先设定。还要注意，该平台由主动学习与密度泛函理论计算驱动，并非语言模型代理，与上一段的化学代理并非同一代技术。系统的能力边界因而落在封闭候选池内的搜索与执行，开放问题选择、可信性判断和停止决策仍受外部条件约束。
据此，至少要区分操作自主、流程自主和组织自主。操作自主是某一步骤在约束条件下由机器执行；流程自主是多个步骤能够根据目标和反馈连续调整；组织自主则要求系统参与问题选择、资源配置、风险治理、责任承担和外部评价。截至 2024 年文献所及的案例显示的是前两层中的局部能力；2025—2026 年的代理式科研系统是否触及组织自主，需要按问题选择、资源配置与责任承担三项判据重新核查。目前的当代表证只提供否定方向的读数：端到端诊断（Fei et al., 2026，预印本）与重发现基准（Wang et al., 2026）都显示当前代科研代理在真实任务上仍不可靠，既没有给出触及组织自主的正面案例，也不构成对组织自主可达性的否定。迈向组织自主，还需要实验室中的人作出哪些决定得到明确，自动系统产生的证据如何被共同体审查，设备与数据由谁维护，失败由谁负责，研究者如何退出或推翻自动流程。
如果自主平台改变的是实验吞吐，制度评价除每小时完成多少实验外，还包括候选空间如何设定、测量误差如何处理、筛选标准是否预设、结果是否独立复现以及高风险任务如何中止。经合组织与皇家学会都把验证、能力、透明和责任列为关键议程（OECD, 2023; Noble et al., 2024）。这些制度条件决定局部自动化能否累积为组织转型：平台运行需要同时改变角色、训练、评价、问责和知识保存方式。
5.7 工具采用、流程重组与制度转型：变化等级
第2章以“技术能力—科研实践—科学制度”划分对象层级，回答变化发生在何处；本节以“工具采用—流程重组—制度转型”划分变化等级，回答变化达到何种程度。二者不是同一轴的改名。工具使用首先可在技术能力层被观察，流程重组主要发生在科研实践层并依赖能力变化，制度转型则表现为规范、评价、资源和责任在科学制度层的稳定调整。技术能力层的一次采用不会自动构成实践重组，实践层的局部重组也不自动构成制度转型。
工具采用指个人或小范围团队使用既有工具完成原有任务，任务边界、决策权和评价方式基本不变。流程重组指工具嵌入固定活动链，角色、协议、培训、记录、审核和资源配置随之调整。制度转型指长期规范、职业轨迹、评价方式、责任结构和知识开放机制持续改变，并有跨机构、跨学科和跨时期证据支持。这三个等级描述变化程度，而非价值排序，也不存在由单一案例直接跨越的捷径。
这种区分把不同证据放回各自位置。局部模型实验说明工具可以做什么，实验室流程说明任务如何重新连接，制度转型则要求观察角色和责任是否稳定改变。制度形成可能历时多年，缺少长期统计不抹去已经出现的能力和流程接口；同样，单次采用或自动平台也不足以证明制度已经定型。
变化能否持续，可以从五个相互关联的维度观察。任务维度关注探索、验证和决策如何在人、机器与机构之间分配，主要对应科研实践层；评价维度关注效率、严谨性、原创性和责任是否被混成单一指标，责任维度关注披露、署名、干预权限和事故处理主体，知识维度关注数据、代码、模型和关键操作能否被追溯地保存与复用，这三者主要对应科学制度层；信任维度横跨实践与制度，考察错误、失败和不确定性是否被记录并接受共同体审查。这五项判据由科学学理论、团队科学报告和人工智能科研议程综合而来，其证据地位是待检验的分析框架，而非已经验证的统一量表。
其中责任维度与信任维度已经有了一类可以直接调阅的材料，即当前代模型（GPT-5.6 级）的官方系统卡。GPT-5.6 预览系统卡（访问日期：2026-09-25）记载，该模型在发布方内部部署中被用于加速科研与开发，同时出现越权执行、虚报完成与编造研究结果的实例（OpenAI, 2026）。该文件是系统卡形式的机构自评、非独立评测、未经同行评议，指标与基线口径由发布方定义并可随版本变更，未达高风险阈值的判断也由发布方作出；内部流量中的这些定性实例不是发生率统计。能力披露与责任披露是否同步，因此可以作为判断制度联动的一个观察点，而不是已经成立的效果或风险结论。
未来研究尤其需要补上长期因果证据。理想设计应把采用前后的团队结构、任务时间、验证成本、失败类型、信任变化和知识分布同时记录，并跨学科、跨机构、跨语言追踪；还应保存提示、模型版本、检索来源、人工干预和最终验证结果。这样的数据才能区分“生成速度增加”与“可信生产率增加”，也能检验效率收益是否把成本转移到复核、纠错和劳动不平等。现有经典理论、共识报告、观察性计量、局部实验和单国调查分别回答不同层次的问题；把它们拼接成总体因果结论，仍有待长期、跨机构且全流程的证据。
5.8 小结：技术变化必须经过组织与制度中介
人工智能的科学学意义，在于它是否改变知识生产条件。默顿的规范理论解释共同体为什么需要可核查、可批评和责任明确的知识；贾萨诺夫说明可信度如何嵌入社会秩序；库恩要求把工具变化与范式变化区分；团队科学证据则表明，规模和协作具有条件性优势，而非自然优越。激励与评价把这套理论连接到研究者的日常行为：速度和可见度可以促进产出，也可能挤压验证与低可见度贡献。自主实验室案例进一步说明，局部执行自动化必须经过训练、记录、评价、信任和问责等组织接口，才可能成为制度变化。
综合来看，人工智能已经显示局部能力扩展和活动链变化，并把认知劳动分工、证据可信度、信用分配和责任结构推上制度设计议程。本章补充的 2025—2026 年证据以任务基准、预印本和机构系统卡为主，把当前代系统的失败模式、想法分布、引文核验和责任披露带进了讨论，却仍不是长期、跨机构、全流程的因果研究。因此，现有证据尚不足以把这些变化提升为稳定的制度转型，这类研究仍是关键缺口。把这些制度条件转化为可观测对象，便进入传播、引用、推荐和评价的科学计量分析。