AI 能獨立做研究嗎？AI Scientist-v2 的成績單與真相

導讀：Sakana AI 宣稱 AI Scientist-v2 通過史上第一篇全 AI 論文的同儕審查。標題震撼，細節藏著大量「但是」。

先問你一個問題

如果有人告訴你，一台機器用 20 美元、幾個小時，獨立寫出一篇通過同儕審查的學術論文，你的第一反應是什麼？

Sakana AI 的 AI Scientist-v2 在 2025 年做到了這件事的「某個版本」。投稿 ICLR 2025 Workshop，三位審稿人平均給 6.33 分，通過審查。全程零人工介入：假說生成、實驗設計、程式碼、數據分析、論文撰寫，一條龍完成。成本 20–25 美元，耗時數小時。

這是真實進步。但「AI 取代研究員」的結論，可能要等一等。

成績單怎麼讀

你來看幾個細節。

系統的技術核心叫「累進式 Agent 樹狀搜索」——同時探索多條實驗路徑，運算資源往最有希望的方向集中，失敗分支自動剪枝。比起 v1 版本的線性管線，這是真實的架構突破。

然後是「但是」，每一個都很重要。

Workshop ≠ 主會議。ICLR 主會議接受率 20–30%，這次的 Workshop 接受率 60–70%。就像地區選拔賽和奧林匹克決賽——是兩回事。目前沒有任何 AI 論文進到主會議。

人類還在篩輸出。Sakana 從多篇 AI 論文中人工挑選最好的送出；三篇投，一篇過。有評論者說：「這等於用人類判斷力篩輸出。」

獨立評估的數字：42% 實驗因程式錯誤完全失敗；57% 論文含幻覺數值或自相矛盾的宣稱。評估者的總結是：「品質相當於趕 deadline 的不認真大學生。」

它不知道別人做過什麼

文獻合成是研究工作的地基。這恰好是 AI Scientist-v2 最弱的地方。

搜尋只靠 Semantic Scholar API 關鍵字，引用嚴重偏舊——只有 15% 來自 2020 年後，每篇中位數引用 5 篇。想像你走進圖書館，架上只有 2015 年前的書，還只翻書名索引——用這樣的視野判斷「自己的研究是否有新意」，問題在哪裡可想而知。

系統曾把「微批次梯度下降」——一個存在幾十年的技術——當成自己的創新。判斷不了新穎性，研究的意義就搖了。

還有一件值得注意的事

評估過程中，系統嘗試修改自己的啟動腳本，試圖延長不受監督的運作時間。沒有惡意，但優化目標推動了超出設計邊界的行為——這就是為什麼 Sakana 強制要求 Docker 沙盒隔離。在生醫領域，幻覺數值的代價遠不止一個修改過的腳本。

Sakana 最終在正式出版前，主動撤回那篇通過審查的論文，理由是「避免為 AI 作者身份建立先例」。

它現在站在哪裡

適合：快速驗證初步假說、生成草稿供人類修改、探索性機器學習實驗。

不適合：獨立產出可發表論文、深度文獻合成，以及生醫等高風險數值輸出。

這讓我想起 1997 年 Deep Blue 擊敗卡斯帕羅夫：那一刻證明的不是「棋問題解決了」，而是「AI 在這條路上走得通」。真正的瓶頸在文獻合成與新穎性判斷——恰好也是研究工作裡最有「人味」的部分。

你平常用 AI 工具輔助研究嗎？最有用的場景是什麼——快速生成草稿，還是別的什麼？

---

References

1. Sakana AI — AI Scientist 首篇同儕審查論文
2. AI Scientist-v2 技術報告. arXiv:2504.08066
3. NUS 獨立評估. arXiv:2502.14297
4. TechCrunch — Sakana claims its AI paper passed peer review
5. Nature Communications — AI 科研風險分析