本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
微软MAI-DxO的诊断准确率达到85.5%，而单独执业医生的准确率仅为20%。这组数据说明，人工智能不再只是替代研究人员，而是成为他们的协作伙伴，形成一种新型集体智能，扩展了发现知识的能力。
这一变化正在重塑科学方法的核心逻辑。传统的线性研究流程正在让位于迭代过程——人与机器共同推理、共同测试、共同发现。
多智能体协作重塑医学诊断
MAI-DxO通过五个独立AI角色模拟协作医疗小组：一个维护鉴别诊断，一个选择检验项目，一个质疑假设以防止锚定偏差，一个控制医疗成本，一个负责质量管控。
与一次性分析全部病例信息的方式不同，MAI-DxO采用逐步推进的流程：从有限的患者信息出发，提出针对性问题，下达特定检验指令，逐步建立诊断结论。
在应用于OpenAI、Anthropic、Google等多家公司的模型时，这套编排方法平均将诊断准确率提高11个百分点，同时降低了预估成本。在一个涉及酒精戒断与手部消毒液摄入的案例中，MAI-DxO及早识别出需排查毒性暴露，主动询问消毒液使用情况，并通过针对性检验确认诊断，总费用795美元，而传统方式需花费3431美元。
科研自动化进入新阶段
人工智能借助模型和数据探索解空间，更高效地生成假设；结合自动化实验方法，它显著提升了科学发现的速度和精度。
“AI科学家”（The AI Scientist）系统将研究全生命周期自动化：从提出新研究想法、编写代码并运行实验，到汇总实验结果、生成可视化内容、撰写完整科学论文。每篇论文的生成成本约为15美元。
OpenAI通过Red Queen Bio用GPT-5优化了一个实际基因编辑方案，效率提升79倍。在劳伦斯伯克利国家实验室分子铸造厂的国家电子显微镜中心，一个名为Distiller的网络平台将显微镜采集的数据直接传输至国家能源研究科学计算中心（NERSC）的Perlmutter超级计算机，数分钟内完成分析，使研究人员能够在实验进行中实时调整方案。
Google DeepMind大规模推进科研协作
Google DeepMind宣布为美国能源部（DOE）旗下17个国家实验室的科学家提供加速访问计划，开放前沿AI模型和智能体工具，首先上线的是Google Cloud上的AI co-scientist。AI co-scientist是基于Gemini构建的多智能体虚拟科研协作系统，在Google自研TPU上训练完成。该系统帮助科学家整合大量信息，生成新假设和研究方案，加速科学与生物医学领域的发现进程。
该系统已为肝纤维化提出新的药物重定位候选方案，并经实验室实验验证；它还预测出复杂的抗菌素耐药机制，与随后发表的实验结果吻合。这表明，假设生成周期可从数年压缩至数天。
相关实验室将聚焦于先进材料发现，重点方向包括零电阻超导体。实验室将与Google的Gemini AI模型全面整合，Gemini相当于实验室的”科学大脑”，配合机器人技术每天合成并表征数百种材料，大幅压缩重要发现的研究周期。
人机协作重新定义绩效指标
研究数据显示，智能自适应系统对员工生产效率（β = 0.62，p < 0.001）、决策精准度（β = 0.54，p < 0.001）和用户综合满意度（β = 0.47，p < 0.01）均有显著正向影响。
大语言模型（LLM）将中级专业写作任务的平均用时缩短了40%，质量提升18%。对于求职者，AI辅助简历使录用率平均提高8%；对于客户支持人员，AI辅助使生产效率平均提高14%。
然而，一项元分析得出了相反的结论：平均而言，人机协作组合的表现明显逊于人类或AI单独完成时的最佳水平（Hedges’ g = −0.23；95%置信区间为−0.39至−0.07）。绩效损失主要出现在决策类任务中，而内容创作类任务则呈现较大收益。当人类单独表现优于AI时，协作能带来性能提升；当AI单独表现优于人类时，协作反而导致性能下降。
协作智能的现实局限
人机协作并非没有代价。有研究发现，与生成式AI协作能同时提升效率和质量，但在实验中，参与者先借助ChatGPT（或不借助）撰写绩效评估报告，随后被要求独立进行产品改进的创意头脑风暴。研究结果揭示出一种依赖效应，可能在长期侵蚀创造性自主能力。
同一研究中，临床医生在未接触同事、参考书目乃至生成式AI的条件下开展工作——这是为了与人类原始表现进行公平比较。这一实验设计限制了结论在混合工作环境中的适用性。
MAI-DxO 85.5%的诊断准确率对比单独执业医生的20%，说明了一个正在成形的现实：科学研究的未来属于人机混合团队，人类智能与人工智能在其中相互补充。这种协作将研究人员变成认知团队的指挥者，能够处理复杂度更高的问题。
但这一转变同样要求对科学培训体系和研究伦理进行根本性重构，以应对集体智能时代带来的新挑战。