2026年3月18日下午，北师香港浸会大学"形势与政策"大讲堂第一百五十二讲在大学会堂举行。中山大学哲学系（珠海）王华平教授应邀为师生带来题为“人工智能驱动的新科研范式”的讲座。他以深厚的哲学素养与前沿的学术视野，结合最新的案例，深入剖析了AI时代科研范式从“人类主导”到“人机协作”的深刻转变，探讨了OpenClaw智能体与无人实验室的未来图景，以及其中蕴含的认识论与伦理挑战。讲座由教务长李建会教授主持。

李建会教授主持讲座

讲座伊始，王华平教授以一系列令人瞩目的案例，呈现了人工智能在科学研究领域引发的深刻变革。他指出，自2012年以来，AI在图像识别、语音识别等领域接连突破，准确率已超越人类。而近年来更令学界震惊的，是AI开始深度介入知识发现本身。如DeepMind通过强化学习，发现了人类研究数十年、公认已臻完善的排序算法的更优解；DeepMind开发的AlphaFold一举预测了逾2亿个蛋白质结构，而人类迄今实验累积的数据仅约5万个；计算机科学家长期无法攻克的哈密顿图难题，在输入大模型约一小时后得到解答。这些案例共同指向一个核心判断：机器已开始参与知识发现，科学研究的范式正在发生根本性转变。

王华平教授演讲中

随后，王华平教授将视野拉回传统科研范式加以对照。他以伽利略观察单摆为引，阐明传统科研的基本逻辑是观察现象、提出假设、设计实验、验证理论，这些环节构成了“知识拱门结构”——理论与实验相互支撑，科学解释居于拱顶，人类科学家是绝对主体。然而随着数据规模爆炸式增长、问题复杂度不断攀升，这一范式开始承压。天文望远镜单日产生TB级观测数据，芯片研发流片动辄耗资百万，人类已难以单凭个体智识应对当下的科学挑战。AI赋能科研（AIS）由此应运而生，科研流程从“观察—假设—实验”转变为“数据收集—模型训练—规律发现—实验验证”。原本居于拱顶的理论解释消失了，取而代之的是统计关联与模型预测构成的“扁平结构”。王教授由此引出一个深刻的哲学追问：AI生成的知识缺乏统一的解释中心，其组织原则是统计关联而非理论建构，这样的知识究竟算不算真正意义上的知识？

讲座现场

讲座后半部分，王华平教授聚焦于AI智能体与无人实验室的前沿实践。他以开源系统“小龙虾”（OpenClaw）为例，区分了“顾问式AI”与“智能体式AI”的本质差异：前者仅能答疑解惑、提供建议，后者可自主接收任务、调用外部工具、整合多平台信息流，形成“提出问题—搜索文献—设计实验—分析数据—提出新假设”的自动化科研闭环。在这一模式下，人类科学家逐步从实验执行环节退出，转而专注于问题的提出与结果的科学解释。展望未来，王教授指出，知识生产正从“手工作坊”走向“流水线作业”，未来科研工作者最需要的能力，不是熟练操作工具，而是跨学科整合、数据思维与问题发现——提出一个好的科学问题，将比以往任何时代都更为关键。王教授最后勉励同学们主动拥抱变化，培养数据思维与跨学科视野，在未来的科学探索中找到属于自己的独特位置。

本次讲座，王华平教授以其渊博的学识和犀利的洞察，通过层层剥茧的分析，呈现了一幅宏大而精微的“AI驱动科研新范式”图景，阐述了AI在科研中的巨大推动作用、AI逐步介入知识发现的过程，以及AI时代科研工作者应当培养的核心能力。这不仅是一次知识的传递，更是一次思维的激荡，加深了同学们对人工智能驱动的科研新范式的理解，引发了大家对知识本质与科研未来的深层思考。

讲座结束后王华平教授和学生交流

来源：中国语言文化中心

文字：李思清

图片：王丹妮 范颖琳