授调出了一张简单的幻灯片，上面是一个黑箱的示意图，左侧输入“数据”，右侧输出“结果”，中间的黑箱标注着“AI模型”。
“近年来，我们见证了一种新范式的兴起：将海量数据投入复杂的、有时连设计者本人也难以完全理解的算法黑箱，然后期待它吐出神奇的结果。”他的语气依旧平稳，但用词开始锋利，“这种方法的支持者宣称，我们不需要理解疾病的所有机制，只需要找到数据中的模式。他们甚至暗示，传统的假设驱动研究已经过时。”
他切换幻灯片，展示了几篇近年来高调的AI制药论文，其中就包括林默团队发表在《自然》上的那篇。
“我不否认，机器学习在图像识别、数据预处理等方面是极佳的工具。但工具就是工具。”哈罗德教授的声音提高了半分，“当工具试图取代科学家的思维，当黑箱试图生成理论，当相关性被偷换为因果性——我们就走上了一条危险的道路。”
林默静静坐着，脸上看不出情绪。苏幼薇的手指微微收紧，韩博博士的呼吸变得有些急促。
“具体而言，”哈罗德教授的目光这一次明确地投向了嘉宾席上的林默，“我仔细阅读了最近那篇声称发现阿尔茨海默症新通路和新化合物的论文。其方法学部分描述了一种‘先进的AI模拟平台’。但我想问：这个平台基于哪些具体的生物物理学原理？其力场参数、溶剂化模型、自由能计算方法是否经过独立验证？它如何确保不会过拟合有限的训练数据？”
他每问一个问题，会场里的目光就更多一分聚焦在林默身上。
“更重要的是，”哈罗德教授推了推眼镜，镜片后的眼睛锐利如手术刀，“论文中提到的关键临床数据，来自一家中国的地方医院。而众所周知，中国学术圈近年来在数据真实性方面……并非毫无瑕疵。”
这句话落下时，会场里响起了一阵压抑的吸气声。
这是公开的、毫不掩饰的质疑——不仅质疑方法，更质疑诚信。
“我不是在指控任何具体的不当行为。”哈罗德教授迅速补充，但语气毫无缓和，“我只是在强调科学可重复性的黄金准则：结果必须能够被独立团队、使用公开或可获取的数据和方法复现。当核心算
本章未完，请点击下一页继续阅读！