AI 进入资助博弈：挑选赢家

摘要

帝国理工学院气候解决方案催化项目利用AI工具从上万篇论文中筛选具有商业化潜力的气候研究，并向入选者提供无条件资助。这一创新模式引发学界关注：支持者认为AI可加速评审、发掘被忽视的研究潜力并减少性别等偏见；反对者则担忧AI可能复制历史偏见、威胁研究机密性。目前美英主要资助机构对AI应用持谨慎态度，开发者也强调AI只是"加速器"，无法完全替代人类判断。

内容框架与概述

文章以爱丁堡大学化学家Joanna Sadler收到一封意外资助邮件的故事开篇，引出帝国理工学院气候解决方案催化项目（CSC）。该项目利用经过训练的ChatGPT扫描英国研究者自2010年以来发表的一万篇论文摘要，识别具有商业化前景的气候相关研究，最终结合专家评审筛选出资助对象。资助金额3.5万英镑，无附加条件，旨在帮助学者探索学术拨款通常不覆盖的商业化路径。

文章随后展开正反两方面的讨论。支持者认为AI主动筛选机制可能更公平，西北大学研究显示女性学者即使研究潜力相当也更难获得专利，AI或可发掘"象牙塔中被埋没的创新潜力"。美国科学家联合会还呼吁政府推动AI分析资助申请，帮助评审者理解跨学科价值。

然而质疑声同样存在。研究表明风投公司使用AI决策时倾向于投资与过去成功案例相似的项目，这在创新领域未必有效。美国国立卫生研究院和英国研究与创新署已分别禁止评审过程使用AI工具，主要出于数据保密性考虑。文章最后引用开发者观点作结：AI本质上是"大型加速器"，需要更多测试来验证其实际效果，但不会完全取代人类判断。

核心概念及解读

气候解决方案催化项目（CSC）：帝国理工学院2024年启动的资助项目，获160万英镑慈善捐赠，利用AI筛选英国气候研究论文，向具有商业化潜力的研究者提供无条件资助，不索取股权或专利权。

AI筛选机制（Big Filter）：将AI定位为初筛工具而非最终决策者的模式。CSC用ChatGPT从一万篇摘要中筛出160篇候选论文，再由人类专家评审确定最终资助名单，体现"人机协作"的审慎路径。

公平性悖论：AI既可能减少偏见（主动发掘被传统机制忽视的研究者），也可能固化偏见（复制历史成功模式）。这一张力是当前AI应用于资助决策的核心争议所在。

数据保密性风险：商业大语言模型默认使用上传数据进行训练，这使得研究提案的机密性难以保障，成为NIH等机构禁止评审环节使用AI的主要原因。

原文信息

此摘要卡片由 AI 自动生成