科学大概是这样运作的：

你对宇宙中某一极微小的事产生疑问；提出一个假设；建立一套测试这个假设的方案；从中手机足够的数据支撑或否定它；把它们都写下来；提到给一个学术期刊。

然后，就到了关键的一步：

等待一小群业内的匿名同行，评断你的作品。这个过程，俗称Peer Review，同行评审。不过现在，有人觉得，他们的工作大有被AI取代的可能。

科学家的人力资源问题

Elsevier是世界著名的科学期刊出版商，光是Elsevier目前共有2500多种不同的期刊。为了对论文进行审阅，每一位编辑需要为不同方向的论文找到对应同行评审。仅在2015年，就有70万科学家审阅了超过180万篇提价到Elsevier的文章，40万论文被最终发表。

虽然科学家成千上万，但是分到某一学科、某一领域，能够为一篇论文做提案审阅的人却是凤毛麟角，常常能够有资格为一篇论文做同行评审的人才不过100个。

此外，即使是科学家，人类都是一种带着天生的偏见、以自我的兴趣为出发点看待这个世界、充满惰性的动物。有人觉得，在严谨的科学领域，同行评审，可能是最容易出纰漏的地方。

不论是为了缓解编辑们招人的压力，还是希望找到理论上不存偏见、精于数字、又全无个人意识的评审，AI，也许是最好的替代品。

AI“科学家”的养成

AI代替同行评审的工作当然不是一蹴而就，不过，近日就有一个比赛，从同行评审需要的丰富科学素养开始，慢慢拼凑起这个AI。

在开发AI之前，Elsevier已经有了一套自动化工具，Evise能够通过检索和配对功能，检查抄袭，为审阅者提前找到可能发生的利益冲突问题。其他的出版商，也有类似的自动化软件，Springer-nature目前就在研发一套名为StatReviewer的软件，检测论文的完整度和数据的准确性。

世界著名的科研杂志出版商Elsevier与伦敦大学的博士后Isabelle Augenstein签订了一个两年的合同，为对方设计出AI同行评审的雏形。

Augenstein首先办了一个比赛，ScienceIE，内容是比拼程序在科学论文中，从句子里提炼基本事实，并将这些事实与其他论文中的句子做匹配的能力。帮助科学家在更短时间内找到某一领域现存的基础事实，是这个项目的初衷。

这一项目最终的宏伟目标，则是AI拥有完全理解论文的能力，就好像你问Echo今天的天气，它会告诉你温度一样，当你就某篇论文向这个机器学习模型提问后，它将能读懂并且回答你的问题。

不过，先不论这个项目能否做得成，这样以AI代替同行评审的想法，并没有得到所有科学家的认同。

机器人博士？No, thank you.

首先，就像的士司机担心自动驾驶抢自己的饭碗一样，也有科学家担心，有了能够丛同行评审的AI，就等于有了AI博士。当AI能够从数据库中找到并阅读相关的材料，找到文章中的观点、变化，并根据这些资料做出相应的审阅决定，那么AI几乎就是该领域一个全知全能的专家了。

当然，大部分科学家担心的并不是AI抢工作的事，而是实现AI代替同行评审的可能性的问题。AI2的CEO Oren Etzioni觉得，虽然AI能够下棋、打德州扑克、玩电竞游戏，但是它在最普通的英语句子的理解上依旧还有很长的路要走。

自然语言的模糊性是AI发展的一个大问题。以语言中的代词为例：议会拒绝给示威者颁布许可，因为他们担心发生暴力。人类能够立刻反应过来，后半句的“他们”，指的是“议会”，而对于AI来说，搞清楚动词指向的代词，是一个大问题，更不必说多义词、灵活的叙事逻辑给AI带来的困扰。

而对于科学性极强的论文的理解，就算是以英语为母语的人类，也不是人人能够读懂充满了被动句式、晦涩艰深的科学论文的。就算是计算机最熟悉的数学学科，用文字来表达数据模型中的规律，这种数字与自然语言的自动匹配就已经是个难题，更何况像心里学等，结论并不归结到数据上的学科。

最后，一个AI的同行评审不能只是读懂一篇论文，它还需要有超越文章本身思考的能力。科学界的同行审阅，几乎是现在AI领域所遇到的最困难的部分，它不只是要让AI知道这篇文章做了什么，而是需要明白这个研究在这个领域究竟有什么突破，而突破常常是不可预见的，不具有一般规律的。在面对颠覆性的突破时，AI要么完全懵逼，要么忽略重点，总之，看上去并不靠谱。

除非科学家们真的像俄勒冈州立大学的AI研究者Dietterich说的那样，完全改变论文的写作方式，不再以讲故事的形式阐述问题，而是以固定模板配上数据库式的内容填充形式，否则，要让AI当科学家的同行，目前来看，还有点难。