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
在肯尼亚，一个AI实验室正与麻省理工学院直接竞争。每篇完整科学论文仅需15美元，研究自动化正在重塑全球科研格局。德丹·基马西大学数据科学与人工智能中心专注于机器学习方法，针对环境保护、医疗健康和农业领域的实际问题，研究方向涵盖高斯过程、图神经网络和大语言模型。Sakana AI开发的”AI科学家”系统，15美元即可生成一篇完整科学手稿。
科学版图的悄然重塑
研究人员使用AI的比例从去年的57%升至84%。这一趋势在南方国家尤为突出——语言障碍长期制约着这些国家获取国际学术出版物的能力。
德丹·基马西大学的Yuri Njathi和Lorna Mugambi，向利兹大学AI与生态学专家展示了他们的研究成果。他们的工作聚焦于大规模相机陷阱数据的机器学习分析，用于追踪濒危的格氏斑马。这一案例说明：只要能获取AI研究工具，高水平科研不再受地域限制。
对以英语为第二语言的科研人员而言，生产力提升最为明显。越来越多的亚洲机构研究人员在采用大语言模型后，论文发表数量显著增加。AI系统提供了一套统一的评估标准，科学价值的判断不再依赖英语水平。
全面自动化到来：15美元一篇
“AI科学家”覆盖了研究的完整流程：从想法生成、代码编写、实验执行，到结果可视化和手稿撰写。该系统生成的手稿已通过一顶级机器学习会议研讨会的首轮同行评审。
数据显示，生成一篇完整研究论文的成本在6至15美元之间，人工参与时间仅需3.5小时。这一成本结构对预算有限的研究机构具有实质意义。
质量仍参差不齐。目前水平相当于一名匆忙赶截止日期的本科生，但研究生成的自主性本身已是重要进展。以15美元一篇的成本生产论文，以及在同行评审中接近人类的表现，是该系统最值得关注的两项能力。
小实验室挑战大机构
德丹·基马西大学DSAIL中心，正将自身定位为以AI和物联网解决实际问题的领先机构。肯尼亚医学研究所建设了计算实验室，配备三台高性能计算机，安装了药物设计与预测性计算建模软件，硬件水平与西方大学的传统基础设施相当。
中国研究人员借助AI突破了英语写作障碍，论文产量大幅增加，冲击了西方在国际学术出版领域的传统优势。试点项目数据显示，由AI系统评审的发展中国家论文，接受率明显高于传统评审流程。
“AI科学家”大幅压缩了科学发现的时间与成本，为更多机构和个人参与科研开辟了路径。非洲大学正成为西方顶尖机构的直接竞争者。
大规模采用，疑虑同步上升
AI使用率快速攀升，研究人员的疑虑也在加深。今年，64%的研究人员将AI潜在的不准确性和”幻觉”问题列为主要障碍，去年这一比例为51%。87%的研究人员认为上述问题妨碍了他们在工作中使用AI。
研究人员对AI能力的预期也明显回落。去年，他们认为AI已在超过半数的应用场景中超越人类；今年，持这一看法的比例降至不足三分之一。
63%的研究人员将缺乏明确指导方针和系统培训，列为制约AI推广的首要障碍。只有40%的研究人员表示，所在机构为他们提供了所需的AI工具和模型。
如何区分科学价值与自动化产出
AI辅助产出的快速增长，给学术评估带来了新挑战。自动生成的手稿引用文献不足，每篇文章的引用量中位数仅为5条，且多数已过时。42%的实验因编码错误失败，另有部分实验产生了有缺陷或误导性的结果。每次迭代的代码修改量平均仅增加8%的字符量。
文字流畅、疑似由大语言模型生成的论文，反而更难通过同行评审。这表明，即便语言表达令人信服，评审者认为此类论文的科学价值普遍偏低。写作质量与科学质量之间的脱节，使传统评审流程面临新的压力。
代码修改量极小这一特点，暴露了当前科学自动化的核心局限。
全球研究格局的未来走向
“AI科学家”可以循环运行，将前一轮生成的想法和反馈用于改进下一轮，过程上模仿了人类科学社区的运作方式。这种自我迭代能力，预示科学产出效率将进一步提速。
大规模生成和验证假设的能力，可能加快各领域的研究突破，机器学习和AI领域尤为如此。该框架也有望延伸至生物学、物理学和化学等其他学科。
目前，学术界尚未为全自动化研究的披露和评审建立统一标准。制定这套标准，是保障科学诚信的关键一步。
一个规律正在显现：一项新能力一旦开始运作，即使初期存在明显局限，性能也会快速超越人类水平——更大的规模和更优的基础模型是主要驱动力。
AI正在重塑科研世界的竞争格局：一个肯尼亚实验室如今可以与哈佛或麻省理工同台竞技。决定竞争力的，不再是机构的资金规模，而是如何善用科学自动化工具。