斯坦福学者激辩：AI 能否指导人类做湿实验

9 月 25 日，斯坦福计算生物学家 Anshul Kundaje 与研究员 suragnair 在 X 上就「AI 指导人类完成生物湿实验」的设想展开讨论，核心分歧在于：许多生物实验所依赖的灵巧操作和难以言传的「手感」，能否通过 AI 的语言指令传递给人类新手。

已确认

• suragnair 的原设想是：AI 并不亲自执行实验步骤，而是学习如何最优地指导人类；人类执行操作后，AI 基于全程可观测的信息建议纠偏，形成「AI 出方案、人类执行、迭代到可验证结果」的协作循环，这被视为 AI agent 参与真实科学实验的渐进式路径
• Kundaje 提出质疑：多数生物实验依赖灵巧的手部动作和「手感」这类隐性技能，人类新手的学习方式是先观摩专家再试错，而仅靠观察训练出的视觉 AI 缺乏显式运动控制，新手未必能仅凭 AI 指令完成操作
• suragnair 回应：该场景下 AI 并非学习执行实验本身，而是学习最优地指导人类；他也承认以「观察一切」方式训练的 AI 会更被动
• 针对 Kundaje 追问为何不用「专家 vs 新手操作」的监督学习（看起来更快），suragnair 解释了选择 RL 的理由，关键在于实验失败时难以归因

尚未确认

• 该设想尚处于讨论阶段，未有实际系统或实验数据支撑其可行性

为什么重要

• 这场争论触及 AI for Science 的一个关键瓶颈：科学实验中的隐性知识（手感、灵巧操作）能否被语言化并由 AI 传递。若「AI 出方案、人类动手」的协作循环成立，可让 AI agent 以更低成本进入真实实验闭环，而无需先解决机器人运动控制问题

2026-09-25 ~ 2026-09-25 · 7 条相关

• 【源头】研究者提出人机协作实验循环:AI 出方案、人类执行、全程可观测纠错 — suragnair · 2026-09-25
• 【源头】为什么用 RL 而非监督学习教 AI 做实验?关键在失败难归因 — suragnair · 2026-09-25
• 回应「AI 学不会手感」：其角色是指导人类而非亲自执行 — suragnair · 2026-09-25
• 【源头】AI 教人做湿实验?生物学家质疑:没触觉反馈,新手根本学不会 — anshulkundaje · 2026-09-25
• AI 观察式学习能否替代动手技能?研究者激辩生物实验自动化 — suragnair · 2026-09-25

另有 2 条近重复转述:anshulkundaje · suragnair