照着同一份实验步骤做，熟练研究者往往更容易成功，原因却未必说得清：也许是力度、节奏，或某个临场调整。这类“会做但难以完整写下来”的本领叫隐性知识。它长期依附在人身上，也是实验结果难以复现、实验室自动化难再进一步的障碍。
据《纽约时报》报道，一个 AI 项目正在观察研究人员每一步操作，试图找出连当事人也未必能明确说出的成功技巧。思路很直接：不只让机器阅读操作手册，而是让它像学徒一样旁观高手，把实际动作与实验结果联系起来。这里需要多模态模型——能同时处理视频、图像、声音或传感器数据的 AI——捕捉文字记录会漏掉的细节。
值得关注的不是 AI 已经学会了某种“魔法”，而是实验室自动化的目标正在变化：从机械执行标准步骤，走向学习人的经验。不过现有材料没有披露模型如何验证这些技巧，也没有给出成功率或复现实验数据，因此目前更像一个值得跟踪的方向，而非已经得到证明的通用方案。