本文来自微信公众号： PsyCulture&Science ，作者：Gu & Krenn


在人类漫长的科学探索史中，最珍贵、最难以捉摸的瞬间，往往不是严谨的实验求证，而是最初那道划破认知夜空的思维火花：一个真正“有趣”的科学构想。提出一个好问题，往往比解决一个现存问题更能推动科学的范式转移。


当前，我们正处在一场史无前例的“知识大爆炸”中。全球每年发表数以百万计的学术论文，浩瀚的文献汪洋化作了一座座隔绝的学科孤岛。对身处一线的科学家而言，想要跳出固有轨道、在不同学科的交汇处发现颠覆性的灵感，正变得越来越像大海捞针。当以大语言模型（LLM）为代表的人工智能狂飙突进，人们不禁产生了一个极具野心的设想：AI能否化身科学探索的“缪斯女神”，自主构想出足以启发人类顶尖学者的前沿课题？


2026年11月9日，德国马克斯·普朗克光学研究所与图宾根大学的研究团队在PNAS上发表了一项研究。他们不仅构建了融合5800万篇论文演进脉络的科学创意系统SciMuse，更展开了一场前所未有的实证考验：邀请马克斯·普朗克学会的110位研究组长，对AI生成的4400余个个性化跨学科科研构想进行实名制严格盲审。


这不仅是一项关于算法工程的探索，更是科学界第一次以如此严密的数据，对AI创造力与人类顶尖学术直觉展开的正面交锋。



从论文海洋中搭一张科学知识地图


要让AI提出靠谱且有深度的科研创意，绝非简单地在对话框里敲下一句“请给我一个前沿课题”。通用大语言模型极易产生天马行空却毫无可行性的空想，或者拼凑人尽皆知的陈词滥调。


为了赋予AI坚实且结构化的科学“认知地图”，研究团队首先历时数年构建了一张浩瀚的科学知识图谱。他们从arXiv、bioRxiv、ChemRxiv和medRxiv等预印本平台的海量文本中，利用自然语言处理算法并结合严苛的多轮规则过滤与GPT-3.5辅助清洗，最终沉淀出123,128个核心科学概念。



随后，研究团队将这套概念坐标投射到OpenAlex数据库包含的逾9200万篇学术论文中。只要两个概念在同一篇论文的标题或摘要中共同出现，图谱中便建立起一条连边。最终，他们构建起包含超过1.68亿条连边（由15.2亿次共现聚合而成）、涵盖5800万篇论文的动态知识图谱。这张图谱在时间维度上跨越了漫漫历史长河——它的第一条连边，甚至可以追溯到罗伯特·胡克（Robert Hooke）在1666年发表的关于木星和土星观测的天文论文。


有了这张全景图谱，研究团队开发出名为SciMuse的创意生成系统。为了避免单一学者视角的同质化思维陷阱，SciMuse巧妙地将任务设定为“促成两位科学家的跨界合作项目”。



在具体运作中，系统首先抓取两位科学家近两年的代表作，在知识图谱中投射出各自的学术子图，进而提取出代表两人前沿方向的概念对；接着，系统将这些概念与学者的研究背景共同输入GPT-4。尤为严谨的是，系统并未采用常规的单次生成，而是引入了一套“自我反思与批判性修正机制”（Self-reflective Critique-and-Revision）：


概念阐释：先让模型阐明两个核心概念的科学内涵；


跨界结合：构想多个潜在的融合研究场景；


自我批判：站在严苛同行的角度，深度审视这种结合究竟是“强扭的瓜”，还是具有内在逻辑自洽性的必然融合；


迭代定稿：经过多轮自我反思后，最终提炼出严整的研究标题、科学目标与核心科学问题。


让专家评价“有没有趣”


科学想法的质量不容易用一个数字概括。新颖、重要、可行、独特与有趣彼此相关，却并不等同：一个想法可能新颖但难以理解，也可能重要却显得平常；有趣的构想也未必马上可做。论文将“兴趣”界定为一种早期信号：想法是否能引起专家的好奇，使其愿意进一步思考或讨论。它并不代表专家一定会立项、投入资源，或认为该课题最重要。


研究团队邀请马克斯·普朗克学会的研究团队负责人参与评价。267位受邀者中有110位完成了调查，来自54个研究所；参与者主要来自自然科学领域，人文与社会科学研究者人数较少。每位参与者收到48条个性化研究建议，分别来自上述三种生成条件，并在不知道潜在合作者身份的情况下，以1至5分评价“有趣程度”。最终，研究共收到4,451份有效评分，约为可获得评分数的84.3%。


结果：有些选题的确令人眼前一亮


第一，科学趣味的“二八定律”


在满分5分的评分体系中，专家给出的平均分为2.40分，出现频率最高的评分是1分（占比36.7%）。这生动印证了一线科学家的挑剔与严谨——在顶级学术殿堂里，平庸的建议激不起任何涟漪。


然而，令人振奋的是，有24.9%的AI构想获得了4分或5分的高分评价（其中394个提案斩获了5分满分）。这意味着，AI所抛出的想法中，每四次出手，就有一次能够切实触动顶级学者的科研神经。


第二，预测引用率与“有趣”竟然脱节


实验中设置了三种对照生成条件：基于图谱预测的高被引概念对、图谱随机概念对、以及不提供概念、仅给论著标题的纯GPT基线。统计数据展现出一个极具哲学意味的反转：基于预测高被引概念生成的项目，平均趣味得分（2.35）不仅没有胜过纯文本基线（2.41），反而以微弱的统计学趋势（1.94σ）低于随机概念对（2.45）。


深入的图谱特征关联分析揭开了谜底：在传统的科学计量学中，一个概念的节点度越高、PageRank排名越靠前、历史引用量越大，算法就越倾向于预测它未来能带来“高被引”。但在真实的科研心理学中，这些特征往往对应着已被过度开采的“学术热点”或陈旧套路。


大众眼中的“热门”，在先锋科学家眼里恰恰意味着“无趣”。数据显示，概念的节点度、中心度与专家趣味性均呈现出显著的负相关。这揭示了一个深刻的事实：科学探索的本质是驶向未知的蓝海，而不是在已探明的油田里反复深挖。



第三，AI与人类精英：究竟谁更厉害？


为了校准评价标准，研究团队还设置了一个基准测试：邀请7位资深物理学博士生，在严格限定的10分钟、断网无辅助环境下，根据相同材料为6位PI撰写了148个合作提案；同时让GPT-4和更新一代的GPT-5.2撰写对应提案进行双盲评审。


结果显示：人类博士生提议的高分率（4-5分）为29.1%，GPT-4为25.0%，而GPT-5.2达到了32.5%。在统计学意义上，当代前沿大模型的构想质量，已经完全可以比肩受过顶级学术训练的高年级博士生。


破译“学术品味”：把“有趣”变成可研究的问题


这项研究最富开拓性的贡献在于，它将过去被视为玄学、纯凭经验直觉的“科学品味”，转化为了可以被量化、建模和预测的数学对象。既然知识图谱的拓扑特征与专家的趣味打分存在内在关联，机器能否提前预测哪一个Idea会击中人类的心坎？研究团队开辟了双轨预测路径：


基于图谱特征的有监督神经网络：在完全不输入任何文本内容的前提下，仅提取25个图谱拓扑特征，训练一个精简的前馈神经网络来预测高兴趣度（4-5分）。在蒙特卡洛交叉验证中，该网络取得了63.20%的ROC-AUC；在推荐系统最看重的Top-5精准率上，其表现达到了49.20%——显著超越了随机筛选。


基于大模型的零样本（Zero-shot）排序机制：在没有任何人类标注先验数据的情况下，直接让GPT-4o通过成千上万次两两对抗的Prompt提示，并采用类似国际象棋的ELO积分系统对提案进行自主排位。结果令人惊叹：GPT-4o在分类任务中斩获了67.44%的ROC-AUC，其Top-5精准率同样高达45.76%。


这意味着，机器不仅能够“写出”构想，而且，正在学会像学术评审委员会一样对科研创意进行“品鉴”与“分流”。这种闭环筛选能力，为未来在大规模搜索空间中自主遴选高价值科学假设，铺平了道路。


结语


在心理学与科学学中，“有趣”是一种认知情绪，它介于“熟悉”与“不可思议”之间。研究中有一个极为关键的发现：合作学者之间的语义距离，与专家的兴趣评分呈现出显著的负相关。换言之，当两个学科的距离过于遥远，AI强行拉郎配生成的创意虽然具有极高的“表面新颖度”，却往往因为缺乏跨学科的知识接口和实验可行性，沦为荒诞不经的空中楼阁。


因此，真正具有生命力的科学创意，永远栖息在“足够惊喜以颠覆认知”与“足够落地以付诸实践”的精妙平衡点上。最终，AI不会取代科学家，但善用AI拓展认知边界的科学家，或许将率先推开未知世界的大门。


参考文献


Gu,X.,&Krenn,M.(2026).Generating interesting scientific ideas using knowledge graphs and LLMs:Evaluations with 100 research group leaders.Proceedings of the National Academy of Sciences,123(46),e2611349123.