隨著生成式AI推理模型如o3或R1的問世，AI開始建立思辨能力。而本屆諾貝爾物理及化學獎三位分別來自美、英兩國的學者，皆透過AI進行研究，在基礎科學及藥物開發上貢獻卓越。
一般人較少關注AI應用於科學研究，然而，生成式AI正為此帶來革命。
在材料研發領域，過去要做出一種新材料，會依據所需的特性在合成物上搜尋、不斷篩選，最後找出一些可能合成物，送進實驗室做各種排序、組合與驗證測試，須花費大量的時間與資源。
現在AI則另闢了全新思路，透過AI模型去針對原子的特性「想像出」符合目的用途的材料，再進入實驗室，嘗試組合出假想材料。
像這樣的過程，稱作「Human-In-The-Loop（人類參與循環）」。好比電影《鋼鐵人》中的AI管家Jarvis依需求，先生成鋼鐵人心臟所需的新元素分子模型，再由鋼鐵人進行調整後合成。
再以蛋白質研究為例，過去科學家會先折疊蛋白質後再確認結果；但AI已事先看過無數的蛋白質，變成先推演出新蛋白質的可能樣貌，再回去解決蛋白質折疊的問題，以終為始。
這會顛覆人類原本研究路徑，打開全新想像空間。
首先，研究路徑變得更多元，降低了研究資本及時間門檻，拉大了創新空間，讓主導權不專屬於大廠，也讓善用AI算力的小型研究室有一席之地，比如傳統大型藥廠雖握有資源與數據，但若不善用AI加速新藥研發，反而會讓更多小廠甚至個人專家，有機會運用AI彎道超車。
其次，產業板塊間有重組的機會。例如半導體廠，原先須與供應商合作開發先進材料，但未來能透過AI預先模擬，縮短與材料供應商間的障礙，降低依賴程度，進而改變既有的水平分工模式。
第三，在過往每個科技拐點如網路及社群媒體，不斷改變人類與世界互動的方式。可以預期，AI將再一次重寫人機互動介面，但不一樣的是，AI對未來的影響會是更全面的科學基礎重構，帶來如生命延續或太空探索科學的躍進。
最後，由於AI可消弭專業領域門檻間的鴻溝，未來將無單一專才，會寫程式也非絕對優勢，而是相對優勢。美國頂尖大學現在都要求學程式的人要輔修史地人文，希望學生也具備宏觀思考能力，跨域整合又能運用科技的通才將主導未來世界發展。
無論你現在幾歲，都應該用更開放的心胸看待世界。未來，擁有觀察世界、定義問題及問對問題的邏輯思辨能力，將讓你脫穎而出。
