Nature：多年心血被AI盗窃和抢发！科学家开始对AI工具"设防"

信息来源：https://www.nature.com/articles/d41586-026-03128-6

辛苦研究多年的课题，还没来得及发表，就被AI公司抢先公布了答案，这样的噩梦正在一些科学家身上真实上演。

据《自然》杂志报道，随着AI智能体自主开展科学研究的能力越来越强，一些研究人员开始担心，AI公司会抢在他们前面做出发现。

在过去五周里，至少有两个研究团队发现，AI公司要么先回答了他们正在研究的问题，要么在他们准备好之前就宣布了相关结果。

这让一部分科学家变得格外警惕。他们开始限制使用AI工具，担心自己尚未发表的工作被抓取利用，最终反过来"抢了自己的饭碗"。

在科学界，"被抢发"历来是研究者最怕遇到的事情之一。而现在，竞争对手可能不再是同行，而是一台日夜不停运转的机器。

两起引发争议的"撞车"事件

第一起事件发生在数学领域。

9月7日，纽约大学数学家特里斯坦·巴克马斯特发文称，他与合作者莱旺·阿尔波热在纳维-斯托克斯方程问题上取得了进展。阿尔波热是Anthropic的一名数学家，两人把这项研究当作个人项目，已经推进了大约一年。

巴克马斯特的帖子还附上了一篇论文，解决了这一问题的一个简化版本。

仅仅一天之后，9月8日，OpenAI就宣布其智能体解决了这一问题。

巴克马斯特对这一时间点提出了质疑。他暗示，他和阿尔波热上传到OpenAI工具中的信息，可能被用于模型训练。

OpenAI对此予以否认。公司表示，调查发现他在宣布前两个月内输入的提示"不可能以任何方式影响系统，包括通过训练"，其研究人员在两人工作公开前也没有看到过相关内容。

第二起事件发生在生物学领域。大约两周后，Anthropic宣布，基于其Claude大模型运行的智能体发现，某些病毒含有与CRISPR基因编辑系统模式相似的重复DNA片段。

丹麦哥本哈根大学计算生物学博士生马里奥·罗德里格斯·梅斯特雷向《纽约时报》表示，他多年来一直在研究同样的DNA模式，而且经常使用Claude，只是还没有发表。

他也提出了一种可能，自己团队上传的信息或许进入了Claude的训练数据。

Anthropic则告诉《纽约时报》，其模型"没有使用任何用户对话记录进行训练"。

真正的威胁或许另有其因

这两起事件中，AI公司都否认使用了研究者上传的数据。那么，研究者们的担心是否多余？

位于美国加州伯克利的AI安全组织Resolution的首席科学家杰弗里·欧文，给出了一个更令人深思的观点。

他认为，科学家被抢发，并不是因为他们上传了手稿，而是因为AI本身"非常擅长解决问题"，而且"会变得越来越好"。

这个判断，或许比数据泄露更让人不安。如果AI公司能够调动强大的模型，以极快速度扫描和攻克大量科学问题，那么某个课题恰好与人类研究者"撞车"，将成为越来越常见的事情。

这就好比一场寻宝比赛，人类寻宝者拿着铲子一寸一寸地挖，而AI公司开来了一整支挖掘机车队。即便没有偷看任何人的藏宝图，挖掘机先找到宝藏的概率也大得多。

科学家开始"设防"

无论原因是什么，这些事件已经实实在在地改变了一些研究者的行为。德国明斯特大学的生殖表观遗传学家桑德拉·劳伦蒂诺表示，她已经不再信任AI系统。

如今，她只在排查代码问题时使用AI。而且在使用前，她会把参数名和变量名替换成通用标签，以免暴露自己的实验内容。

她坦言，这场争议"让我变得更加多疑了"。

新西兰奥克兰大学的听觉认知科学家塞缪尔·梅尔原本就对商业AI持谨慎态度，如今更加小心。

他为实验室制定了一项规定，禁止学生把受保护的信息上传到商业大模型，并且不鼓励在研究过程的任何环节使用这些工具。

梅尔认为，在不清楚第三方会如何使用的情况下，把知识产权交给对方是"极其冒险"的。

科研规则需要重新书写

这场争议折射出AI时代科学研究面临的一系列深层问题。

首先是信任。

AI公司反复强调不会用用户数据训练模型，但对于外界来说，这些承诺很难独立核实。数据如何存储、谁能访问、是否会用于其他用途，透明度仍有待提升。

其次是公平。

AI公司掌握着最先进的模型和海量算力，而高校研究者往往资源有限。当双方在同一课题上竞争，起跑线本就不在同一个位置。

再次是学术规范。

谁才是发现者？AI公司宣布的成果，是否应当经过同行评审？

如果人类研究者此前已经有相关积累，功劳又该如何分配？这些问题，现有的学术规则还没有给出明确答案。

当然，也有不少科学家认为，AI终究是推动科学进步的强大工具，不应因噎废食。

关键在于建立新的规则和信任机制，比如更透明的数据使用政策、更严格的成果发布规范，以及对人类研究者原创贡献的充分尊重。

科学从来都是一场接力，而不是一场你死我活的抢跑。如何让AI成为人类科学家的同行者，而不是令人提心吊胆的竞争者，是整个科学界都需要认真回答的问题。