AI做科研，像给团队添了一位解题很快的同事：它能缩短推导、实验或解释的时间，却不能自动决定什么问题值得做，也不能让所有人立刻相信答案可靠。Jessica Hullman从元科学——把科研制度与流程本身当作研究对象——出发，提醒我们别把“更快答题”等同于“科学同比提速”。
她抓住的关键是：科学事实并非只靠程序吐出。研究者还要用共同语言交换证据、批评结论，并逐步协商什么算可接受、什么算客观。文中借哲学家 Robert Brandom 的思想实验说明这一点：假如一个群体能通过可靠流程获得信念，却说不出理由，那么“得到正确答案”与“形成可传递、可质疑的知识”仍有距离。
所以，AI提高候选结论的产量后，验证成本——复现实验、独立核对和同行审查——可能更显眼；不同专长之间的协调，以及职位、经费和发表制度塑造的激励，也不会随模型能力自动消失。这不是否认AI的加速作用，而是把增益放回完整的科研流水线里看。