想让科学看见新东西，未必先要一个更聪明的答案，也可能先要一双更好的“眼睛”。显微镜把肉眼不可见的结构变成数据；同理，AI 在科研中最有价值的角色，或许不是替科学家下结论，而是帮助设计新的观察和测量工具。
James Evans 在 Nature 介绍科学哲学家 Alexander Krauss 的新书。Krauss 分析了 700 多个重要发现案例，包括通向诺贝尔奖的成果，并据此主张：许多突破由新方法和新仪器打开，而非单靠理论灵感。他还估计，约四分之一的科学领域，是由促成它们的方法或仪器所定义。比如电子显微镜不只是放大得更多，它还帮助现代细胞生物学成为可能。
这也重新划定了 AI 的科研位置：它可以参与“逆向设计”——先规定仪器要实现什么性能，再快速筛选可能的结构或材料。重点不是向 AI 索取尚未验证的科学答案，而是让它扩大人类能测什么、怎么看。不过，这篇文章提出的是基于科学史的方向判断，未披露 AI 设计新仪器的具体实验结果。