Science | AI“星探”上岗：不用申请，30万科研经费直接到账！科研资助新变革来了

3月，英国爱丁堡大学的有机化学家Joanna Sadler收到了一个陌生邮件。邮件大意是：

“我们的AI工具选中了你的研究，有潜力实现绿色技术商业化，因此我们愿意提供3.5万英镑支持（约合人民币32万元），无需申请、无附加条件。”

Sadler 一开始并没当回事，以为是诈骗。

但在与帝国理工“气候解决方案催化剂（CSC）”团队见面后，她意识到这是真的——AI系统确实在数万篇论文中“相中”了她的研究。

1 AI当“星探”：从“人找钱”到“钱找人”的科研新范式

她的课题是：利用改造后的细菌，将一次性塑料餐具转化为工业溶剂丙酮（acetone）--这是一种传统上依赖化石燃料制造的重要化工品。在AI眼中，这正是“可转化为气候技术”的潜力项目。

Sadler 成为了AI选中的前三位资助对象之一。她说：“最初我甚至不太明白发生了什么。”

2 这个AI“星探”是如何工作的？

它的开发者，帝国理工研究员César Quilodrán Casas利用ChatGPT专门训练了一个模型：

首先给AI“喂”了大量经过精心挑选的范例，让它学习和理解：什么样的研究是具备产业落地潜力的绿色化学研究论文，什么样的研究是理论层面的“背景论文”。

训练完成后，AI开始执行任务：它扫描了自2010年以来英国研究人员发表的整整10,000+篇研究摘要，挑出了其中最有可能接近实际商业转化的160篇。

（这个AI训练模式，也可以用于我们论文选题，见：

GPT-5论文选题实测：如何从2000篇文献中提炼出3个可快速落地的高命中选题？）

随后，一个由专家和非专家组成的评审小组介入，进行人工审核，将名单缩减至50篇。最终，Sadler博士和其他两位科学家收到了这份从天而降的“惊喜”。

重点是：这笔资助无须交付专利、无义务产出成果，研究者只需探索潜力——比如联系企业合作者、聘请市场顾问、做应用验证等。

CSC项目的科学与创新官Christopher Waite强调，这笔钱的意图，并非追求立竿见影的商业回报，而是要“发现那些通常不会浮出水面的突破性研究，并为科学家提供将成果推向市场的工具”。

这种筛选模式，对于传统的基金申请模式——研究者耗费大量心血写本子，然后提交，经过漫长等待和多轮评审——这无疑是一种降维打击。

它开启了一种从“人找钱”到“钱找人”的全新可能。

3 打破“象牙塔”的围墙：AI能否成为科研圈的“公平使者”？

除了显而易见的效率提升，这种AI驱动的主动筛选模式，更深远的意义可能在于促进科研机会的公平性。

西北大学的元科学（Metascience）家Dashun Wang指出：他的研究数据显示，一个残酷的现实是：即使学术成果的商业潜力相当，终身职位的男性学者获得专利的可能性，要远高于他们的女性同行。这种“隐性偏见”广泛存在于学术界，它可能源于人脉、资历、甚至是寻求商业化机会的意愿和自信心。

Wang教授认为，如果AI能够被训练成只关注研究本身的创新价值和潜力，忽略掉作者的性别、声誉、职位等背景因素，那么它就有可能“挖掘出那些目前被隐藏在象牙塔围墙内的、未被开发的创新潜力”，从而克服人类评审中固有的偏见。

此外，随着科研领域的划分越来越精细，文献数量呈爆炸式增长，任何一个专家都很难全面掌握所有前沿动态。

AI的另一个巨大优势在于它强大的信息处理和总结能力。

就在上个月，美国科学家联合会（FAS）呼吁，应在政府层面推广使用AI来分析基金申请，寻找服务于公共利益的前沿研究。他们认为，AI能够快速总结复杂的研究课题，帮助评审专家理解一个项目可能对其他领域产生的交叉影响。

这对于跨学科研究的申请者来说，无疑是一个巨大的利好。你的前沿想法，或许不再会因为评审专家知识背景的局限而被误解或低估。

4 AI是“伯乐”还是“偏执狂”？新工具背后的风险与争议

每当一项颠覆性技术出现时，热捧与质疑总是相伴而生。

首先是“算法偏见”的风险。 帝国理工学院的经济学家Ramana Nanda警告说，研究表明，当风险投资公司使用AI来做投资决策时，它们往往会倾向于投资那些与“过去成功的创业公司”相似的项目。这种“路径依赖”的思维模式，在追求颠覆性创新的科研领域可能是一场灾难。AI可能会因为过度学习过去的成功范式，而扼杀掉那些真正离经叛道、挑战常规的“黑天鹅”式创新。

其次，是“保密性”风险。 2023年，美国国立卫生研究院（NIH）明令禁止在基金评审过程中使用AI工具。去年，英国最大的科学资助机构UKRI也出台了类似规定。背后的核心原因，正是担心研究计划的机密性会受到损害。

（娜姐注：对于筛选机构，这个也很好解决，参见下文西班牙基金会的方案：你的本子，AI先审！Nature披露首家基金会启用“AI初筛官”，714份申请刷掉122份）

娜姐说：拥抱AI“加速器”，但把握决策“方向盘” 

关于如何看待AI这个闯入科研资助领域的“新物种”，一个清晰的共识正在形成：AI是一个强大的“加速器”（big accelerator），但不是替代人类判断的“审判官”（judge）。

一方面，它有可能打破传统科研资助体系中存在的某些信息壁垒和人为偏见，让那些“安静”做研究的优秀科学家有了更多“被看见”的机会。

另一方面，它的“偏见”和“保密性”风险也真实存在，不能盲目地将决策权完全交出。正如该AI项目开发者Quilodrán Casas本人所说， AI不能完全取代人类的判断力。

对于一线科研人员来说，这一趋势的意义在于：
“酒香也怕巷子深”的时代可能正在过去。 你的研究成果，只要发表出来，就有可能被AI“星探”主动发现。这意味着，扎扎实实做好每一项研究，发表高质量的论文，其潜在回报可能远超你的想象。

善用AI工具将成为必备技能。 虽然目前顶级机构禁止在评审端使用AI，但在申请端，利用AI进行文献分析、辅助写作、调研，已经成为提升效率的利器。学会如何与AI协作，将是未来科研人的核心竞争力之一。

--

今天就介绍到这。如果觉得有用，欢迎在看、转发和点赞，一键三连！娜姐继续输出有用的AI辅助科研写作、绘图相关技巧和知识。