“AI 可以替代人类做科学研究吗？”在开营仪式上，北京科学智能研究院 AI4S TEEN 生态负责人胡钰铂从这个问题谈起，分享了人与智能体共同挑战科学任务的实践。他提醒同学们，研究者要先想清楚问题是什么，再提出假设，设计办法去验证。借助 AI 得到结果后，还要回头看看证据是否可靠、能支持怎样的结论，以及原先的想法需不需要调整。能把这些判断的理由讲清楚，才算真正理解了结果。
北京第一实验学校科学、技术与人工智能领域主任李春宇老师，则向同学们提出了关于独立判断、开放协作与学术规范的期待。他希望同学们有自己的判断，也愿意听伙伴的不同意见。即使工具越来越强大，研究者也要遵守学术规范，对自己给出的结论负责。
AI 正在怎样改变科学发现？来自深圳清华大学研究院的龚超老师以《消失的边界：AI 如何重写科学发现的规则》为题，和同学们聊起了科研中的新变化。对刚开始接触 AI4S 的同学来说，可以先从一项具体任务做起，想清楚要研究什么、数据能提供哪些线索，再试试 AI 在哪一步能帮上忙。这些本领，要在亲身实践的过程中慢慢锻炼出来。
上午十点，同学们来到 A5、D5 科学社区，进入项目研究环节。
本届挑战营设置了六项全新任务：“财务侦探”关注虚假发票风险识别，“星球终局”探索多天体轨迹预测。“强度探秘”研究如何预测混凝土强度，“锈迹地图”聚焦如何从图像中分割出桥梁腐蚀区域。“深土水库”指向根区土壤水分预测，“热浪余波”则关注水体生态如何响应热浪。不同的兴趣，在这里找到了具体的探索方向。
下午一点半，同学们回到项目教室，继续推进研究。
从理解任务到动手尝试，首先需要读懂手中的数据。数字、图像或轨迹记录了什么？哪些信息可以用于预测？怎样读取、整理和比较这些材料？
在“深土水库”项目中，同学们通过追踪同一条样本，理解背景信息、历史观测与预测目标之间的联系，并讨论空白与零的区别。这样的练习，也体现了不同任务共有的一步：读懂数据的含义，再决定怎样使用它。
随后，同学们在已有工具和代码框架的基础上，借助 AI 助手开展初步尝试：解释陌生概念、读取数据、绘制图表、运行初始方案。遇到报错时，大家结合错误提示查找原因。得到结果后，再回到任务本身，看看输出是否符合要求，能不能作出合理解释。
教室里，老师和助教导师们穿梭指导，小组成员相互讨论。“碳基老师”提供材料、提示与追问，“硅基老师”协助计算、编程和调试，同学们则在一次次尝试中学习明确需求、判断输出、调整方法。
初步尝试也带来了新的思考。比较不同因素的影响时，应该怎样改变条件，才能让结果具有可比性？又如何解释结果中的差异？
“热浪余波”项目的高境阳同学发现，不同因素的单位不同，直接改变相同数值，难以进行比较。她向 AI 提问后，得到了一种可供尝试的方法：
“它最后提出的建议是，不做定量改变，而是让每个因素都改变10%，以此来探究它们对最终结果影响的大小。”
从发现问题，到借助工具寻找方法，再到检查比较是否合理，同学们开始关注实验背后的依据。第一次运行、第一次比较、第一次解释结果，也留下了值得继续研究的问题。一天的项目探索，正沿着“理解问题—认识数据—借助工具尝试—观察与解释结果”的路径逐步展开。
首日挑战告一段落，同学们结识了新的伙伴，对研究任务有了更具体的理解，也开始接触数据、使用工具，尝试解释自己的发现。最初的好奇，在讨论与实践中逐渐变成可以继续检验的想法。
11月14日，第二个挑战日即将开启！前沿讲座将带来 AI 参与科学探索的故事，看看研究者怎样提出问题、又怎样在遇到意外结果时调整方法。回到项目研究中，同学们还将继续提出猜想、开展实验、整理证据，与老师和伙伴交流。
从一个问题出发，让想法接受验证。带上第一日的新发现，也带上那个还没有想明白的问题。11月14日，让我们挑战营再见！
- End -
（如需转载图文请与公众号后台联系）
AISI致力于创造思想碰撞的学术环境，鼓励自由探索和跨界合作，共同探索人工智能与科学研究结合的新可能。
