一边是前沿科学领域，有“AI+”如有神助。

生物领域，DeepMind的AlphaFold算法堪称里程碑，仅用两年便破解了困扰学界50年的“蛋白质折叠”。此前，解析单个复杂蛋白质结构可能需要数月甚至数年，如今AI几分钟内就能给出精准模型，直接加速了癌症靶向药、阿尔茨海默病药物的研发进程。

材料领域，GNoME系统一口气筛选出38万种具备实验室合成价值的新材料，相当于人类过去几十年发现量的数倍。还有天文学、化学、环境科学……几乎都依赖AI从海量数据中挖掘出人类难以察觉的规律。

但另一边是量大面广的AI应用端，“神效率”也带来与之相匹配的麻烦。

近期，麻省理工学院媒体实验室的一项研究发现，完全依赖ChatGPT写作的参与者虽然文章连贯、通顺，但其大脑神经连接反而减弱，思维趋于同质化，对文章的记忆率也更低。

这种现象被称为“认知债务”，即大脑因过度依赖外部工具而减少了自身的认知投入。显然，AI技术在空前提升科研能力的同时，也有相当概率削弱人类原发性的思考。

足见这场技术浪潮远非单纯的“效率革命”，同时也是在物种层面上叩问人类：

当外部智能工具深度嵌入生产、协作流程，人们的创新能力究竟是被放大，还是在温情与懒惰中不由自主地消解掉？

在不同领域，如何使用AI这柄“双刃剑”？

现阶段AI之于社会创造力的总量，到底是遏制还是推动？

AI是否具有鉴赏创新的能力？

未来，个人如何利用AI发挥创造力而不是遏制创新力？

未来社会如何规制汹涌的AI浪潮？