AI能提出一万个研究想法，哪一个经得起实验？我更关心这件事。模型进入生命科学之后，评价标准需要跟着改变。
9月18日，路透社披露Anthropic已在旧金山湾区建立生物实验室，公司负责人确认开展实体实验。发言人同时说明，这个实验室并非专门用于药物发现。仅凭建实验室，还不能推断新药何时出现。
对一家擅长处理文字和数据的公司来说，走进实验室有实际意义。计算得到的结论，需要在明确条件下接受检验。预测失败也有价值，前提是失败原因被记录，下一轮研究能据此调整，而非只展示最好看的那次结果。
我觉得公众可以把问题问得更具体：同样的研究任务，采用AI以后，研究人员少做了多少重复工作？实验是否更容易复现？完整成本有没有下降？这些指标比一句效率大幅提升更容易核实，也更方便同行判断成果能否使用。
还有一个容易忽略的区别：提高早期研究效率，与获得安全有效的治疗方案，相隔许多验证步骤。企业可以公布阶段进展，传播时也应把阶段写清楚。把研究工具的进步直接描述成患者即将用上的新疗法，会制造不必要的期待。
我支持AI企业投入真实实验，也希望它们持续公开可检查的结果，包括没有达到预期的部分。让外部研究者知道方法适用在哪里、限制在哪里，合作才有基础。公开信息应当帮助人们理解进展，也让后续评价有明确依据。
如果只能选一个指标来评价AI做科研，你更关注速度、成本，还是独立团队能否重复得到相同结果？