2026 年 10 月 21 日，APPI News 刊出了一則讓科研圈與 AI 圈都有點沸騰的消息：OpenAI、PerturbAI 與 Scripps Research 合作，用數千個由 GPT-Rosalind 驅動的 AI 代理，在 32 分鐘內分析了既有的小鼠全腦 CRISPR 資料。如果你最近在羣組或社羣上看過「AI 幾分鐘做完科學家一年的工作」這類說法，這篇文章想陪你把事情看清楚一點：這項進展值得注意，但它離「AI 找到答案」還有一段距離。
先弄清楚這套方法在做什麼
CRISPR 是一種基因編輯工具，研究者可以用它改變特定基因，再觀察細胞出現什麼反應。這次使用的資料是全腦 CRISPR 圖譜，記錄了大量基因擾動（也就是刻意改動基因）之後，小鼠腦中各類細胞的變化。
問題在於，資料表只會告訴你「什麼變了」，不會自動告訴你「這代表什麼」。研究者得逐一核對細胞分類、實驗條件，再去查文獻、判斷哪些變化值得設計後續實驗。當基因和細胞類型的數量一大，人力就追不上，弱訊號和跨領域的線索容易被排在後面。
研究團隊的做法是把大問題拆成小任務：每個代理負責一項基因擾動，檢視細胞反應、搜尋文獻、提出解釋，最後彙整成一張所謂的「推理圖譜」（reasoning atlas），把基因、細胞效應、文獻與可能機制連在一起。
有一個關鍵細節容易在新聞標題裡被略過：這些代理讀的是既有資料，它們沒有做任何新的生物實驗。它們產出的是帶有來源脈絡的候選解釋，是線索，還不是結論。
那些漂亮的數字，該怎麼讀
OpenAI 的發布資料裡有幾組數字被廣泛引用。在負載最大的比較中，分散式代理引用了超過 700 篇文獻，單一代理只引用 11 篇；盲測時，專家有 75% 的時間偏好分散式代理的報告。另外，「人類逐一分析約需數月到一年」這個對照，是研究團隊的估算。
這些數字有參考價值，但要放在對的位置上。引用 700 篇文獻表示檢索覆蓋比較廣，並不保證每一條引用都真的支持該報告的說法；專家偏好某份報告，也不代表報告裡的假說正確，更不代表已經被實驗重現過。而且這些都是發布團隊自己報告的比較結果，要評斷效能，得回頭看原始的評估設計、評分標準與樣本數。
劍橋大學幹細胞醫學講座教授、Human Cell Atlas 共同創辦人 Sarah Teichmann 在 OpenAI 的發布資料中說，AI 可以幫助更多研究者探索這些資源。這句話的分寸其實抓得很好：是「幫助探索」，不是「代替判斷」。
這和我們之前聊過的 AI 代理會做研究不等於研究可信 是同一門功課：看到 AI 產出的分數或報告，先問驗證缺口在哪，再決定要信到什麼程度。
人工複核與實驗驗證，把關的是兩件不同的事
這篇報導裡最有價值的提醒，是把兩種把關方式分開講。
人工複核檢查的是推理與文獻：代理有沒有正確描述資料？引用的論文真的支持它的說法嗎？題名相近的論文可能探討完全不同的問題，相關的變化也可能被誤寫成因果關係。研究者要回查原始圖表、方法與引用段落，如果輸出沒有標明來源，根本無從審核起。
實驗驗證檢查的則是生物機制本身：把假說轉成可否證的問題，設計好測量條件，看結果能不能重現。專家複核覺得值得追查，與機制已被證實，是兩個完全不同的層次。
所以當你之後再看到「AI 發現了某某機制」的新聞，可以先在心裡問三個問題：它有沒有做實驗？有沒有標明資料與文獻來源？有沒有經過獨立的人工審查？三個都答不出來，那就把它當成待查證的線索就好。
研究團隊導入前，報導整理的三個評估面向
原始報導也替考慮採用這類流程的研究團隊整理了幾個前置評估，一般讀者可以當成理解這類新聞的框架。
第一是任務切分。任務切得太粗，代理只會產出摘要；切得太細，彙整時重複與矛盾報告的成本會上升。資料怎麼分、代理能讀到什麼，都需要事先設計。
第二是資料治理與可追溯性。輸出必須附帶證據來源，誰能存取資料、誰決定後續實驗，都要有清楚規則。
第三是成本與重現條件。32 分鐘的數字是特定團隊、特定資料集與特定問題下的結果，換一個實驗室、換一批資料，效能未必一樣。衡量這類方法，應該同時問它覆蓋了哪些結果、漏掉了哪些，以及多出來的線索能不能真的減少後續的搜尋工作。
回到你身上：把這套分寸用在日常
這則新聞離日常好像很遠，但它示範的判讀原則，其實就是你每天問 AI 健康問題或查資料時用得到的。
AI 擅長的是把大範圍的資料快速掃一遍、整理出候選說法；它不擅長的，是替你判斷哪個說法成立。收到一份看起來條理分明的回覆，先看它有沒有附來源、來源是否真的支持結論，再決定要不要採信。這和 你把健康問題交給 AI 之前的識讀功課 是同一件事：工具越快，人的核對責任越不能省。
這次的多代理流程沒有做出新實驗，也沒有證實任何機制，它做的是把「值得追查的線索」整理得更快、更有脈絡。對研究者來說這已經很有價值；對你我來說，學會分辨「線索」與「答案」，就是這則新聞最實用的收穫。