近日，美国伦斯勒理工学院研究团队在《美国国家科学院院刊》发表研究成果指出，当前主流的人工智能蛋白质结构预测工具频繁生成违背物理与化学基本原理的虚构结构。该发现深刻揭示了人工智能在科研应用中存在的系统性盲区。研究团队通过大量测试证实，尽管模型在预测效率上表现突出，但其输出结果常缺乏化学合理性与空间稳定性，若直接用于后续实验设计，极易导致科研资源浪费与方向偏差。专家强调，这并非算法技术的全面失败，而是提醒科学界必须正视生成式模型在严谨性上的局限。相关技术在生物医药等领域的深度应用，绝不能仅依赖数据驱动的推演。研究明确指出，未来任何基于此类工具的科研流程，都必须嵌入人类专家的逻辑审查与基于物理化学规律的严格验证机制。只有确立人机协同与物理约束并重的作业范式，才能确保技术成果真正转化为可重复、可落地的实验室方案。