近日，2026年菲尔兹奖得主邓煜在一场论坛上谈及AI时代的数学研究。他坦言，AI拥有广博的知识，试错成本极低，能够帮助数学家尝试不同思路，但人类仍不能因此放弃自主思考。

这番表述尤为令人深思。当AI可以更快地寻找答案、抵达“目标”时，人类难道反而要收起想象，放弃那些尚处迷雾的远方？

技术进步，向来意味着人类能力的延伸。过去，一条科研思路或方案，可能耗费数月最终无果。如今，借助AI，研究人员能够更快检索知识、比较方案，提前排除大量无效尝试，避免走入一些所谓“无用”的岔路口。乍一看，这的确是实实在在的进步。

但这些“岔路口”，真的只是通向“死胡同”吗？恐怕不能妄下论断。科研如此，产业创新亦然。有些看似费力不讨好、偏离预定目标的尝试，反而可能让人发现原本未曾设想的用途。那些一时难见成果的灵光一闪、奇思妙想，有时恰是打开新领域的一扇窗口。

江苏就有这样的实践。东南大学团队曾研发柔性射频手套，希望提高医院和物流场景的信息核对效率。然而，概念验证发现，手套成本和损耗率过高，难以推向市场。研究人员没有就此丢弃技术，而是调整方向，先研发小型射频腕带，在医院和物流企业试点。最初设想遭遇挫折，恰恰促使团队找到另一条应用路径。研发的“弯路”，有时也是认识市场的过程。

管控风险、讲求投入产出，固然是科研与产业发展必须考量的现实。投入有成本，试验讲证据，任何构想都不能无限消耗资源。但创新的价值，未必一开始就能算得明白。许多重要发现，最初难以预料其用途，更无从保证回报。若凡事先问有无成熟路径、能否迅速见效，一些奇思妙想恐怕尚未得到验证，便被挡在门外。少走了弯路，也可能错过新路。

更何况，AI的确善于学习既有知识，甚至能从不同领域的知识中发现新的关联，但它给出的建议仍受数据基础和任务目标的影响。对于资料充足、路径成熟的方向，模型往往更有把握。倘若科研人员和企业决策者只从AI给出的方案中拣选，再据此安排研发投入、决定产业攻关方向，反而可能形成另一种“茧房”：工具越来越聪明，探索却仍在熟悉的经验里打转。《自然》刊载的一项研究分析了4130万篇论文，发现AI辅助研究与个人科研产出提升相关，却也伴随着整体研究主题覆盖范围收窄。这并非断言AI必然抑制创造，而是提醒人们留意技术效率背后的另一面。

江苏的产业创新也说明，所谓“大胆”，并非抛弃已有积累，而是敢于重新想象积累的用途。江苏雷利原本以空调电机起家，如今把微特电机技术拓展到机器人灵巧手等新领域。倘若始终按照原有产品的市场边界安排研发，再丰富的制造经验，也未必会生长出新的产业空间。人对技术用途的重新发问，有时比沿着既有路径反复优化更能打开局面。

可见，AI固然可以帮人排除不少无效尝试，却不能让效率的追求遮住思想与创造“冒险”的勇气。过去因成本过高而搁置的构想，如今或许已有了初步验证的条件。技术进步改变了试错的代价，我们对创新风险的认识也不该停在过去。

因此，让思想与创造葆有“冒险”的权利，不是纵容盲目试验，而是在有依据的前提下，给尚未成熟的构想一点机会。企业可以将小规模验证纳入研发安排，科研评价也不妨尊重提出新问题的价值。AI既然已经开始承担繁复的计算和筛选工作，人类自然更不应当轻易交出独立发问的权利。

思想与创造的可贵，正在于它永远有走向未知的自由。

（朱绍岳）