随着 AI 越来越多地介入科研流程，一个界定问题正被摆上台面：究竟在什么条件下，我们可以说一项科学发现是 AI 做出的？MIT Technology Review 刊发的这篇文章，讨论的正是这一判定标准问题。
难点在于，"科学发现"本身是一个链条很长的过程。它通常包括提出问题、形成假设、设计实验或计算方案、处理与分析数据、解释结果，以及最终形成能被同行独立验证的结论。AI 可能只参与其中某一环：帮忙筛选候选、生成假设、发现数据中的模式，或者写出分析代码。当人类 researcher 提出问题、设定目标并解释结果时，把这整项发现归功于 AI，显然并不准确；但反过来，如果 AI 的贡献是决定性的、人类只是按下了启动键，完全抹去其角色同样不合理。
讨论通常集中在几个可操作的判据上：AI 的贡献是否可清晰界定，是否具有不可替代性，产出的结论是否可复现、可被独立验证，以及它是否带来了此前未知、并已被确认的新知识。缺少其中任何一项，"AI 做出发现"的说法都容易被质疑为叙事上的夸大。
这个问题之所以重要，是因为它直接牵动科研制度的现实安排：论文署名与贡献声明如何写，学术 credit 如何分配，科研评价与资助政策如何回应 AI 参与，乃至公众对 AI 能力的预期是否被高估。它也影响"AI 科学家"这类说法能否成立——如果标准模糊，那么每一次宣布都可能沦为营销话术。
因此，界定标准并非纯粹的语义之争，而是科研共同体需要为 AI 这一新参与者准备的制度接口。